일반적인 방법 론적 질문이 있습니다. 이전에 답변을 받았을 수도 있지만 관련 스레드를 찾을 수 없습니다. 가능한 중복에 대한 포인터에 감사드립니다.
( 이것은 훌륭한 것이지만 대답은 없습니다. 이것은 대답 이 있더라도 정신적으로 비슷하지만 후자는 내 관점에서 너무 구체적입니다. 이것은 질문을 게시 한 후에도 가깝습니다.)
주제는 데이터를보기 전에 공식화 한 모델이 데이터 생성 프로세스를 적절히 설명하지 못하는 경우 유효한 통계적 추론을 수행하는 방법 입니다. 질문은 매우 일반적이지만 요점을 설명하기 위해 특정 예를 제공합니다. 그러나 나는 그 대답이 특정 예의 세부 사항에 대한 단순한 선택보다는 일반적인 방법 론적 질문에 초점을 맞추기를 기대합니다.
구체적인 예를 고려하십시오. 시계열 설정에서는 데이터 생성 프로세스가
주제 문제 가설에 대한 유효한 통계적 추론을 어떻게 수행 할 수 있습니까? ?
원래 모델을 사용하면 해당 가정이 위반되고 그렇지 않으면 좋은 배포판이 없습니다. 따라서 나는-테스트.
데이터를 본 후 모델에서 전환하면 에 통계 가설을 에 , 모델 가정이 만족되고 나는 잘 행동하는 추정량을 얻는다 테스트 할 수 있습니다 어려움없이 사용 -테스트.
그러나 스위치에서 에 가설을 테스트하려는 데이터 세트에 의해 알려집니다. 이는 추정 된 데이터로 인한 기본 모델의 변화에 대한 추정기 분포 (및 추론)를 조건부로 만듭니다. 분명히, 그러한 컨디셔닝의 도입은 만족스럽지 않다.
좋은 방법이 있습니까? (자주주의가 아니라면 베이지안 대안이 있습니까?)