A ramdom effektek modelljén dolgozom. amikor kiszámítom a vizsgálaton belüli / a vizsgálat közötti varianciát, megtalálom a negatív értéket. Tud? ehhez a modellhez. Ha megtaláljuk a szimulációban, hogyan kell tennünk?
Köszönet.
Megjegyzések
- Vessen egy pillantást erre a SO hozzászólás a témához
Válasz
az ön által alkalmazott módszertan műve. Ezt elkerülheti Bayes-modell alkalmazásával, amelynek előzetes valószínűsége a nulla százalékos nem pozitív variancia. Technikailag lehetetlen válasz lehetetlen Bayes-módszertan alkalmazásával. Lehetséges lehetetlen válaszokat kapni a Frequentist módszertan segítségével. Ennek az a védelme, hogy védve van a hamis pozitív eredményektől az esetek 1– \ alfa $ százalékában, de az ára az, hogy időről időre furcsa vagy lehetetlen válaszokat kaphat. Az irodalom tele van furcsa effektekkel, amelyeket létrehozhat. Technikailag egy negatív variancia azt jelentené, hogy az adatok a komplex számokból származnak, de a komplex számokat nem rendezik, így nem lehet normális valószínűségeloszlást létrehozni felettük. A gyakorlatban ez kis mintáknak, rossz modelleknek vagy furcsa outlereknek köszönhető. . A rossz modell útján járnék. A SAS rövid magyarázatot ad a https://v8doc.sas.com/sashtml/stat/chap69/sect12.htm
Átkutathatja bibliográfiájukat, hogy eredeti forrásanyaghoz jusson. Mégis, ha én lennék, azt feltételezném, hogy rossz modellje volt. A valós világ modelljeiben sok probléma van, amelyet az emberek gyakran hiányolnak, és furcsa eredménynek látja őket. Lehet, hogy furcsa vagy túl kicsi minta, de előítéletes vagyok a rossz modellek feltételezésével szemben. Olyan egyszerű, hogy a való világban van valami rejtve, ami hatással van a számításokra.
A frekvencia modellek lehetnek törékenyek vagy robusztusak. Ugyanez vonatkozik a Bayes-i modellekre is. Ennek figyelmeztetnie kell a törékenységet. els nem tudnak lehetetlen válaszokat adni, ha megfelelően vannak kialakítva, de a törékenységnek más forrásai is lehetnek. Ha a helyedben lennék, feltételezném, hogy valami a modelledben törékennyé tette. Gondoljon egy hasonló kérdés feltevésének új módjára.
Válasz
A válasz igen. Ez a kérdés sokszor felmerült ezen az oldalon. Természetesen egyetlen véletlen változónak sem lehet varianciája < 0. Mégis sok olyan eset van, amikor a varianciabecslések negatívak. Ha a negatív variancia kulcsszavakkal keres erre a webhelyre, valószínűleg több száz kérdés merül fel, amikor ezt számos alkalmazás fedezte fel. Amikor éppen a “negatív variancia” kifejezésre kerestem a kérdéseket és válaszokat, 1105 találatot kaptam.
Hozzászólások
- Nagyon köszönöm. Azonban nehéz értelmezni, ha negatív.
- Ha egy kérdés sokszor felmerült az oldalon (és megválaszolták), don ' ne válaszoljon ugyanazon kérdés új verziójára . Ehelyett a stackexchange házirend a bezárás megszavazása másolatként. Így ahelyett, hogy az oldal rövid, 5 soros válaszokkal lenne tele ugyanazon kérdés tucatnyi másolatával, elérhetjük, hogy mindannyian a kérdés egyetlen jó változatára mutassanak jó, érdemi (lehetőleg kanonikus) válaszokkal. Ha számos régi, közel azonos kérdés van, akkor azt is meg kell próbálnia megszilárdítani, hogy a legkevésbé kanonikus kérdések lezárásával szavazzon.
- Általában úgy gondolom, hogy annak az oka is van, hogy létezik egy nagyon gyenge modell. vagy a tényleges szórás, bár pozitív, nagyon kicsi. Azt hiszem, ha megnézi a főbb kérdéseket, akkor kényelmesebbé válik az ötlet.
- @Glen_b A hozzászólásod a moderátorokra jellemző. Tudom, hogy általában egy moderátor talál egy olyan kérdést, amely megítélése szerint pontos másolat, és a kérdést gyorsan lezárják. Néha az OP vitatkozik erről, és feltételezem, hogy egyes esetekben újra megnyitják. Szerintem ez nem annyira kielégítő az OP számára. Szerintem a moderátoroknak arra kell ösztönözniük a kérdezőt, hogy a kérdés elküldése előtt ellenőrizze a webhelyen a válaszokat. Valójában a rendszer automatizált ilyen javaslatok megtételére. De még mindig megkapjuk ezeket a példányokat.
- A szabályokat jó okokból be kell tartani, de mindig benne van az emberi megítélés,
válasz
Gondoljon az elfogulatlan becslés eloszlására, ha a paraméter 0. Az átlagos becslésnek 0-nak kell lennie, ezért egyes becsléseknek negatívnak kell lenniük.
Megjegyzések
- Nem vagyok biztos a válaszában. A negatív becsléshez vezető becslő valószínűleg nem volt elfogulatlan. De egyetértek abban, hogy ha az igazi szórás kicsi, akkor a logikusnak tűnő becslések nem korlátozódnak pozitívra.Példaként említhetjük a maradék variancia becslését, amelyet úgy kapunk, hogy kivonjuk egy másik varianciabecslésből. Nézz meg példákat, ahol az Rsquare becslése nagyobb lehet, mint 1, vagy kevesebb, mint 0.
- Ez ' az én véleményem. Az Rsquare elfogulatlan becslései gyakran negatív becslésekhez vezetnek.