Bezstronny estymator stosunku dwóch współczynników regresji?

15

Załóżmy, że pasujesz do regresji liniowej / logistycznej , w celu obiektywnego oszacowania . Jesteś bardzo pewny, że zarówno jak i są bardzo pozytywne w stosunku do hałasu w swoich oszacowaniach.g(y)=a0+a1x1+a2x2a1a2a1a2

Jeśli masz wspólną kowariancję , możesz obliczyć lub przynajmniej zasymulować odpowiedź. Czy są jakieś lepsze sposoby i w rzeczywistych problemach z dużą ilością danych, jakie masz kłopoty z przyjmowaniem stosunku wartości szacunkowych lub z podejmowaniem pół kroku i zakładaniem, że współczynniki są niezależne?a1,a2

prawie
źródło
W regresji logistycznej, jak opisano, w jaki sposób znaleźć nieobciążonym estymatorem lub na 1 ? Problem nie jest związany z korelacją między współczynnikami. a0a1
Xi'an
5
Coś do rozważenia: co jeśli jeden lub oba współczynniki byłyby zerowe?
kardynał
Tak, dobra uwaga. Domyślnie zakładam, że oba współczynniki są na tyle pozytywne, że nie ma niebezpieczeństwa, że ​​hałas prowadzi do skrzyżowania znaków (re: andrewgelman.com/2011/06/21/inference_for_a ). Będę edytować.
quasi
2
Jak precyzyjnie oceniają i na 2 w swoim regresji? Czy spójny estymator z małymi standardowymi błędami jest wystarczający? Czy ważne jest, aby Twój estymator był obiektywny? Będzie pracować dla aplikacji po prostu wziąć się 1a1a2i obliczyć błąd standardowy-na, że przy użyciumetody deltai estymowaną macierz kowariancji(1,2)ze swojego regresji. a^1a^2(a1,a2)
Matthew Gunn
1
Czy rozważałeś twierdzenie Fiellera? Spójrz tutaj: stats.stackexchange.com/questions/16349/...
soakley 19.09.16

Odpowiedzi:

1

Sugerowałbym robi propagacji błędu typu zmiennej i zminimalizować albo błąd lub błąd względny 1 . Na przykład zStrategies for Variance EstimationlubWikipediaa1a2

f=AB
σf2f2[(σAA)2+(σBB)22σABAB]

σf|f|(σAA)2+(σBB)22σABAB

(σff)2AB

Morał tej historii jest taki, że dopóki ktoś nie poprosi danych o odpowiedź, której pragnie, nie uzyska tej odpowiedzi. Regresja, która nie określi pożądanej odpowiedzi jako celu minimalizacji, nie odpowie na pytanie.

Carl
źródło