나는 "Heywood Case"라는 용어를 다소 비공식적으로 사용하여 온라인의 '유한 응답'반복적으로 업데이트 된 분산 추정치가 수치 정밀도 문제로 인해 부정적으로 된 상황을 언급했습니다. (데이터를 추가하고 오래된 데이터를 제거하기 위해 Welford 방법의 변형을 사용하고 있습니다.) 수치 오류나 모델링 오류로 인해 분산 추정치가 마이너스가 된 상황에 적용되었다는 인상을 받았지만 동료는 이 용어를 사용하면서 혼동됩니다. Google 검색은 요인 분석에 사용 된 것 외에는 크게 나타나지 않으며, 마이너스 분산 추정의 결과를 나타내는 것으로 보입니다. 정확한 정의는 무엇입니까? 그리고 원래 헤이우드는 누구입니까?
답변:
인터넷 검색 " Heywood negative variance "는 이러한 질문에 신속하게 답변합니다. 예를 들어 Kolenikov & Bollen 의 최근 (2008) 논문을 보면 다음과 같습니다.
""Heywood 사례 "는 절대 값에서 1보다 큰 마이너스 분산 또는 상관 추정치입니다."
"원본 (Heywood 1931)은 상관 매트릭스를 설명하는 데 필요한 일부 매개 변수가 1보다 큰 요인 분석 모델의 특정 매개 변수를 고려합니다."
참고
"Heywood, HB (1931), 런던의 왕립 학회 논문집, 유한 한 실수 시퀀스에서. 시리즈 A, 수학과 물리적 특성을 가진 논문 134 (824), 486–501."