Иногда мы предполагаем, что регрессоры являются фиксированными, то есть они нестохастические. Я думаю, это означает, что все наши предикторы, оценки параметров и т. Д. Безусловны, верно? Могу ли я даже пойти так далеко, что они больше не являются случайными переменными?
Если, с другой стороны, мы признаем, что большинство регрессоров в экономике говорят, что они стохастические, потому что никакая внешняя сила не определила их с учетом какого-то эксперимента. Эконометрики тогда определяют эти стохастические регрессоры.
Чем это отличается от их исправления?
Я понимаю, что такое кондиционирование. Математически это означает, что мы делаем все наблюдения и выводы условными для этого конкретного набора регрессоров и не стремимся сказать, что выводы, оценки параметров, оценки дисперсии и т. Д. Были бы одинаковыми, если бы мы увидели другую реализацию наших регрессоров ( суть во временных рядах, где каждый временной ряд встречается только один раз).
Однако, чтобы действительно понять разницу между фиксированными регрессорами и условными на стохастических регрессорах, мне интересно, знает ли кто-нибудь здесь пример процедуры оценки или логического вывода, которая действительна, скажем, для фиксированных регрессоров, но ломается, когда они стохастические (и будут быть обусловленным).
Я с нетерпением жду возможности увидеть эти примеры!
Ответы:
Здесь я нахожусь на слабом льду, но позвольте мне попробовать: у меня есть ощущение (пожалуйста, прокомментируйте!), Что основное различие между статистикой и эконометрикой заключается в том, что в статистике мы склонны рассматривать регрессоры как фиксированные, отсюда вытекает матрица расчета терминологии, которая, очевидно, исходит из дизайн экспериментов, где предположение , что мы сначала выбрать , а затем фиксируя объясняющих переменных.
Рассматривая регрессоры как стохастические, с другой стороны, как это делают эконометрики, мы открываем возможность моделирования, которое пытается рассмотреть такие проблемы. Краткий список проблем, которые мы могли бы затем рассмотреть и включить в моделирование:
Возможно, это нужно делать гораздо чаще, чем сегодня?
В разработанных экспериментах его предположение в основном будет справедливо, часто с данными наблюдений, нет. Вот некоторые примеры проблем: регрессия с запаздывающими ответами в качестве предикторов. Обусловливание предикторов в этом случае также будет зависеть от реакции! (Я добавлю больше примеров).
источник