Pracuji v modelu efektů ramdom. když vypočítám rozptyl v rámci studie / rozptyl mezi studiemi, zjistím zápornou hodnotu. Umět? pro tento model. Pokud v simulaci najdeme, jak bychom to měli udělat?
Děkujeme.
Komentáře
- Podívejte se na toto SO příspěvek k tématu
odpověď
to je artefakt metodiky, kterou používáte. Tomu byste se mohli vyhnout použitím Bayesovského modelu s pravděpodobností, že nebude mít pozitivní odchylku nula procent. Technicky je nemožná odpověď nemožná pomocí Bayesovské metodiky. Je možné získat nemožné odpovědi pomocí Frequentist metodologie. Obhajoba spočívá v tom, že jste chráněni před falešnými poplachy $ 1- \ alpha $ procento času, ale cenou je, že můžete čas od času získat podivné nebo nemožné odpovědi. Literatura je plná podivných efektů, které můžete vytvořit. Technicky by záporná odchylka znamenala, že data jsou čerpána ze složitých čísel, ale komplexní čísla nejsou řazena, takže nad nimi nelze vytvořit běžné rozdělení pravděpodobnosti. V praxi je to kvůli malým vzorkům, špatným modelům nebo podivným odlehlým hodnotám . Šel bych špatnou cestou modelu. SAS poskytuje krátké vysvětlení na https://v8doc.sas.com/sashtml/stat/chap69/sect12.htm
Můžete si prohlédnout jejich bibliografii a získat originální zdrojový materiál. Přesto bych na vašem místě předpokládal, že máte špatný model. V modelech reálného světa existuje mnoho problémů, které lidem často chybí, a vy je považujete za podivné výsledky. Může to být podivný vzorek nebo příliš malý vzorek, ale mám předsudky ohledně předpokládání špatných modelů. Je tak jednoduché, aby ve skutečném světě bylo něco skrytého, co má dopad na výpočet.
Frequentistické modely mohou být křehké nebo robustní. Totéž platí pro Bayesovské modely. Mělo by to být varování před křehkostí. Bayesovský mod els nemůže dát nemožné odpovědi, pokud jsou správně vytvořeny, ale mohou mít jiné zdroje křehkosti. Kdybych byl na vašem místě, předpokládal bych, že něco ve vašem modelu je křehké. Vymyslete nový způsob, jak položit podobnou otázku.
Odpovědět
Odpověď zní ano. Tato otázka se na tomto webu objevila mnohokrát. Žádná náhodná proměnná samozřejmě nemůže mít rozptyl < 0. Přesto existuje mnoho případů, kdy odhady rozptylu vycházejí záporně. Pokud prohledáváte tento web pomocí klíčových slov negativní variance, pravděpodobně existují stovky otázek, kde to bylo objeveno v řadě aplikací. Když jsem právě hledal „negativní rozptyl“ mezi otázkami a odpověďmi, dostal jsem 1105 přístupů.
Komentáře
- Děkuji mnohokrát. Je však těžké jej interpretovat, pokud je negativní.
- Pokud se na webu objevila otázka mnohokrát (a byla zodpovězena), don ' neodpovídá na novou verzi stejné otázky . Místo toho je zásadou stackexchange hlasovat o uzavření jako duplikát. Tímto způsobem namísto toho, aby byl web posetý krátkými 5řádkovými odpověďmi na desítky kopií stejné otázky, můžeme je všechny dostat na jednu dobrou verzi otázky s dobrými, věcnými (nejlépe kanonickými) odpověďmi. Pokud existuje mnoho starých téměř identických otázek, měli byste se také pokusit je konsolidovat hlasováním o uzavření nejméně kanonických otázek.
- Obecně si myslím, že důvodem je buď velmi špatný model. použitá nebo skutečná odchylka, i když pozitivní, je velmi malá. Myslím, že pokud se podíváte na některé z hlavních otázek, bude vám tento nápad vyhovovat.
- @Glen_b Váš komentář je typický pro moderátory. Vím, že moderátor obvykle najde otázku, která je podle jeho úsudku přesným duplikátem, a otázka bude rychle uzavřena. Někdy bude OP o tom polemizovat a předpokládám, že v některých případech bude znovu otevřen. Myslím, že to pro OP není tak uspokojivé. Myslím, že moderátoři by měli tazatele vyzvat, aby před odesláním otázky zkontroloval odpovědi na web. Ve skutečnosti je systém automatizovaný, aby mohl dělat takové návrhy. Stále se ale dostáváme téměř k duplikátům.
- Pravidla by měla být dodržována z dobrých důvodů, ale vždy je zapotřebí lidského úsudku,
odpověď
Přemýšlejte o distribuci jakéhokoli nezaujatého odhadu, když je parametr 0. Průměrný odhad musí být 0, takže některé odhady musí být záporné.
Komentáře
- Nejsem si jistý vaší odpovědí. Odhad, který vedl k negativnímu odhadu, možná nebyl nezaujatý. Souhlasím ale, že když je skutečná odchylka malá, zdánlivě logické odhady nebudou omezeny na pozitivní.Příkladem může být odhad zbytkové odchylky, který se získá odečtením od jiného odhadu odchylky. Podívejte se na příklady, kde odhad Rsquare může být větší než 1 nebo menší než 0.
- To je ' tak trochu můj názor. Nestranné odhady Rsquare často vedou k negativním odhadům.