Seminarium magisterskie Zajęcia siódme – wykorzystać pełnię wiedzy...
Przykład motywujący
Problemy podstawowe Porównywać podobne z podobnym Nie tracić własności statystycznych Rozumieć coś więcej niż „przeciętnie x” Nie zależeć od „outlierów”
Metody tzw. odporne Pierwszy rodzaj odporności – regresja z opcją robust Pomaga jeśli problem mało systematyczny Rodzaj FGLS (przy dużej próbie, pomoże na autokorelację, może też na niektóre formy heteroscedastyczności) Nie pomoże, jeśli problem dotyczy natury zjawiska (znaczna heterogeniczność) Inny rodzaj odporności – tzw. metody odporne = nieparametryczne Dużo bardziej skomplikowane analitycznie Wymaga sporych mocy obliczeniowych Pozwala na bardzo dużą elastyczność => Koenker (i następni)
Jak to działa w STATA Oszacowanie w medianie rozkładu y qreg y $in Oszacowanie w dowolnych momentach rozkładu qreg y $in, quantile(q) gdzie q to dany percentyl rozkładu Oszacowanie różnic w różnych momentach rozkładu iqreg y $in, quantile(.25.75) reps(100) + dodatkowo bootstrap
Output ze STATy
Podsumowanie Przydatna metoda, bez szczególnej specyfiki … … można sobie dowolnie „udziwnić” pytanie… … dużo mocy obliczeniowej i dużo czasu Nie rozwiąże problemów z heteroscedastycznością, endogenicznością, itp. – to zajrzenie wgłąb, ale jeśli zły model, wnioski nadal będą złe.