Angrist와 Pischke는 견고성 (즉, 이분산성 또는 불균등 한 편차에 강함) 표준 오류는 테스트하기보다는 물론 문제로보고되었다고 제안했습니다. 두 가지 질문 :
- 동종 동태성이있을 때 표준 오류에 미치는 영향은 무엇입니까?
- 실제로 그들의 작업에서 이것을하는 사람이 있습니까?
답변
강력한 표준 오류를 사용하는 것이 경제학에서 일반적인 관행이되었습니다. 강력한 표준 오류는 일반적으로 비표준 (표준?) 표준 오류보다 크기 때문에 연습은 보수적 인 노력으로 볼 수 있습니다.
대규모 표본 ( 예 : 수백만 개의 관측치가있는 인구 조사 데이터 또는 “수만”수천 개의 관측치가있는 데이터 세트로 작업하는 경우)의 이분산성 검정은 거의 확실하게 양성으로 표시되므로이 방법이 적합합니다.
이분산성에 대항하는 또 다른 방법은 최소 제곱에 가중치를 두지 만,이 방법은 강력한 표준 오류의 사용과 달리 매개 변수의 추정값을 변경하기 때문에 고려되지 않았습니다. 체중이 정확하지 않으면 추정치가 바이어스됩니다. 그러나 귀하의 가중치가 적절하면 강력한 표준 오류가있는 OLS보다 표준 오류가 더 작습니다 ( “더 효율적인”).
답변
에 입문 경제학 (Woolridge 2009 년 판 268 페이지)이 문제는 해결된다. Woolridge는 강력한 표준 오차를 사용할 때 얻은 t- 통계량에 표본 크기가 큰 경우 정확한 t- 분포와 유사한 분포 만 있다고 말합니다. 표본 크기가 작 으면 강력한 회귀 분석을 사용하여 얻은 t- 통계량에 t 분포에 근접하지 않은 분포가있을 수 있으며 이로 인해 추론이 중단 될 수 있습니다.
답변
강력한 표준 오차는 이분산성 하에서 편견없는 표준 오차 추정치를 제공합니다. 강력한 표준 오류에 대한 크고 긴 토론을 제공하는 몇 가지 통계 교과서가 있습니다. 다음 사이트는 강력한 표준 오류에 대한 다소 포괄적 인 요약을 제공합니다.
https://economictheoryblog.com/2016/08/07/robust-standard-errors/
당신의 질문으로 돌아옵니다. 강력한 표준 오류를 사용하는 것이 경고가 아닙니다. 강력한 표준 오차를 사용하는 Woolridge (2009 년판, 268 페이지)에 따르면, 획득 한 t- 통계량에는 표본 크기가 큰 경우 정확한 t- 분포와 유사한 분포 만 있습니다. 표본 크기가 작은 경우 강력한 회귀를 사용하여 얻은 t- 통계량에는 t 분포에 가까운 분포가있을 수 있습니다. 이로 인해 추론이 중단 될 수 있습니다. 더욱이 동질성 (homoscedasticity)의 경우, 강력한 표준 오차는 여전히 편견이 없다. 그러나 효율적이지 않습니다. 즉, 기존 표준 오류는 강력한 표준 오류보다 더 정확합니다. 마지막으로, 많은 학문 분야에서 강력한 표준 오류를 사용하는 것이 일반적입니다.
답변
강력한 표준 오류를 사용하지 않는 데는 여러 가지 이유가 있습니다. 기술적으로 일어나는 변화는 실제에서 증명할 수없는 가중치에 의해 분산이 가중된다는 것입니다. 따라서 roubustness는 미용 도구 일뿐입니다. 일반적으로 모델 변경에 대해서는 얇아 야합니다. 데이터에서 발생하는 문제를 페인트하는 것보다 이질성을 더 잘 처리 할 수있는 많은 의미가 있습니다. 모델을 전환하기위한 표시로 사용하십시오. 이 질문은 특이 치를 다루는 방법과 관련이 있습니다. SOME 사람들은 더 나은 결과를 얻기 위해 그것들을 삭제합니다. 다른 상황에서 강력한 표준 오류를 사용할 때와 거의 같습니다.
답변
나는 “정상적인”방식으로 계산 된 화이트 표준 오차와 표준 오차 (예를 들어, 최대 가능성의 경우 헤 시안 및 / 또는 OPG)가 균일 성 (stereoskedasticity)의 경우에 무증상 적으로 동일하다고 생각 했는가?
이분산성이있는 경우에만 “정상적인”표준 오차가 부적절합니다. 즉, 모델이 균일 한 경우에도 백색 표준 오차가 이분산성에 관계없이 적합합니다.
나는 실제로 2에 대해 말할 수는 없지만 왜 White SE를 계산하고 결과에 포함하고 싶지 않은지 알 수 없습니다.
답변
Econometrics 소개, 제 3 판이라는 교과서가 있습니다. “오류가이 분산 일 경우, 동분 산성 전용 표준 오차를 사용하여 계산 된 t- 통계량은 큰 표본에서도 표준 정규 분포를 갖지 않습니다.”라고 Stock과 Watson은 말합니다. t- 통계량을 표준 정규 분포로 가정하지 않으면 적절한 추론 / 가설 테스트를 수행 할 수 없습니다. 나는 Wooldridge에 대해 많은 존경을 받고 있습니다 (실제로 대학원 수준의 수업에서도 그의 책을 사용했습니다). 강력한 SE를 사용하는 t- 통계에 대해 말하는 것은 큰 샘플이 적합해야한다고 생각합니다. 큰 표본 요구 사항을 처리해야하는 경우도 종종 있습니다. 그러나 비 강력 SE를 사용하면 적절한 표준 정규 분포로 t-stat를 얻을 수 없다는 사실큰 샘플을 가지고 있더라도 극복하기가 훨씬 더 어려워집니다.