اریب متغیرهای حذف‌شده: تفاوت میان نسخه‌ها

محتوای حذف‌شده محتوای افزوده‌شده
Mahsamemarian (بحث | مشارکت‌ها)
بدون خلاصۀ ویرایش
Amirobot (بحث | مشارکت‌ها)
جز ربات: تصحیح جایگذاری کاما، شمارگان هزارگان
خط ۳:
در آمار اریب متغیرهای حذف شده اریبی است که در زمان نادرست بودن فروض مبتنی بر خصوصیات و ویژگی ها، برای تخمین پارامتر ها در آنالیز های رگرسیونی اتفاق می افتد.در این حالت یک متغیر مستقل که باید در مدل وجود داشته باشد حذف می شود.
 
خطای u بخاطر عامل موثر بر روی Y که در تابع رگرسیون در نظر گرفته نشده به وجود می آید، بنابراین همواره متغیرهای حذف شده وجود دارند. بعضی اوقات این حذف متغیرها در تخمین زن های OLSOLS، ،اریباریب بوجود می آورند.
 
==اریب متغیرهای حذف شده در رگرسیون خطی==
خط ۷۵:
در این مدل جمله ی دوم ترم اریب متغیر حذف شده است.دقت شود که این اریب برابر با نسبت وزنی از zi است که توسط xi توضیح داده می شود.
 
اریب متغیرهای حذف شده یک مشکل جدی است وثابت می شود ضرایب تخمین زده شده از مدل های مشخص دارای کمترین واریانس نااریب هستند. در حقیقت ما هیچوقت با یک مدل کاملا تعیین شده و دقیق و متغیر حذف شده ی منفرد یا مجموعه ای از متغیر های حذف شده ی منفرد روبرو نیستیم،بیشترنیستیم، بیشتر با مدلهایی روبرو هستیم که دربهترین حالت تقریب های مرتبه اول هستند و تصمیم هایی هستند که در خصوص زیر مجموعه ای از متغیر های حذف شده اند.
 
تاثیرات عواملی از جمله یک زیر مجموعه در معادله ی رگرسیون وابسته به تاثیرات متغیرهای برون زا و درون زا است و به همبستگی بین آنها بستگی دارد،همچنیندارد، همچنین وابسته به واریانس تمامی متغیر هاست.
 
با استفاده از متغیرهای کنترلی اضافه در تشخیص های خود، می توانیم به راحتی اریب ایجاد شده را شدیدتر کنیم. در نبود چنین علم بی پایانی به دیدگاهی نیاز داریم که ما را به یک کنترل تجربی متقاعد کننده برساند که در آن تاثیرات عوامل تضعیف کننده کمتر باشد.جایگزین کردن طرحی برای کنترل، این کار را انجام می دهد.محدود کردن و متمرکز شدن و آزمون های کنترلی تئوریهای گسترده تا زمانی که قطعی نشده اند مشاهده ای را فراهم می کنند که متقاعدکننده تر ازمعادله رگرسیونی است که با نصف دوجین متغیر کنترلی، وزنی کمتر دارد ومشاهده ی متقاعد کننده اساس و پایه ی علم است.