बस कम रूप से क्या मतलब है?


14

अर्थमिति में, कम रूप से क्या अभिप्राय है? इसके अलावा, जब वे कहते हैं कि लोग क्या देख रहे हैं, "मैं कम किए गए फॉर्म अनुमानों को देखना चाहता हूं।" यह काम और व्यक्तिगत स्पष्टीकरण के आसपास फेंक दिया गया है और Google खोज अत्यधिक तकनीकी हैं। किसी से आशा करना, जहाँ एक सरल उदाहरण दिया जा सके।


आप किस व्यापक अर्थशास्त्र में काम करते हैं? शायद यह जानकारी अधिक सुसंगत सहज ज्ञान युक्त उदाहरण के लिए अनुमति देती है।
दिमित्री वी। मास्टरोव

@ दिमित्री वी। मास्टरोव एक बड़े निगम के लिए बिक्री के डेटा के साथ काम करते हैं
CJ12 1

क्या आपने कभी मांग के अनुमान पर कोई प्रयास देखा है?
दिमित्री वी। मास्टरोव

जवाबों:


13

इस सरल उदाहरण पर एक नज़र डालें कि कैसे केनेसियन खपत समारोह और संतुलन की स्थिति को कम रूप में फिर से लिखा जा सकता है।

एक मॉडल का घटा हुआ रूप वह है जिसमें अंतर्जात चर को बहिर्जात चर के कार्यों के रूप में व्यक्त किया जाता है (और अंतर्जात चर के शायद मान)। बहुत मोटे तौर पर, कम किए गए फॉर्म अनुमान आपको संरचनात्मक, आदिम नीति-अपरिवर्तनीय व्यवहार संबंधी पैरामीटर नहीं देते हैं, जिनके बारे में आप (कभी-कभी) परवाह करते हैं, जैसे कि एजेंट की उपयोगिता फ़ंक्शन या मांग की आपूर्ति और घटता आपूर्ति के ढलान।

RFE के साथ, आपको केवल उन मापदंडों के कार्य मिलते हैं (और अक्सर ऐसा नहीं भी होता है)। कुछ उद्देश्यों के लिए, यह पर्याप्त हो सकता है, यही वजह है कि कुछ लोग उन्हें देखना चाहते हैं। उदाहरण के लिए, आप अक्सर आरएफ अनुमानों से रिश्ते का संकेत प्राप्त कर सकते हैं, लेकिन परिमाण नहीं। एक बार एक नीला चाँद होने के बाद, आप RFE से संरचनात्मक मापदंडों को हल करने के लिए बीजगणित का उपयोग कर सकते हैं।

अंत में, यह भी मामला है कि कुछ लोग संरचनात्मक मापदंडों का अनुमान लगाने के लिए आवश्यक मान्यताओं पर विश्वास नहीं करेंगे।


यह महान है लेकिन तकनीकी पक्ष पर अभी भी अधिक है। मैं इस उदाहरण को देखूंगा। वहाँ भी एक सादे अंग्रेजी संस्करण के साथ शुरू करने के लिए है?
CJ12

2
मुझे पता है कि सबसे सरल है।
दिमित्री वी। मास्टरोव

अन्य सामान्य उदाहरण एक संतुलन स्थिति के साथ आपूर्ति और मांग है। यह उपरोक्त उदाहरण के समान है। इन व्याख्यान नोटों को देखें , विशेष रूप से पीपी 19-27।
दिमित्री वी। मास्टरोव

1
क्या यह कहना उचित होगा कि एक मॉडल का घटा हुआ रूप डेटा का वर्णन करता है, लेकिन जरूरी नहीं कि अंतर्निहित घटना?
बेन ओगोरेक

2
@BenOgorek हाँ, यह सही होगा।
दिमित्री वी। मास्टरोव जू

9

दिमित्री के उत्तर (+1) को पूरक करने के लिए , संरचनात्मक रूप और घटा हुआ रूप आपके समीकरणों की प्रणाली के बारे में सोचने के दो तरीके हैं।

संरचनात्मक रूप वह है जो आपका आर्थिक सिद्धांत कहता है कि चर के बीच आर्थिक संबंध हैं (जैसे लिंक किए गए केनेसियन उदाहरण में खपत और आय)। हालांकि, मॉडल गुणांक के अनुमान प्राप्त करने के लिए कई हूप्स के माध्यम से कूदने की आवश्यकता होती है ताकि यह अनुमान लगाया जा सके कि ये अनुमान किसी एक अंतर्जात चर के दूसरे पर वापस आ जाने पर अंतर्जात समस्याओं के कारण पक्षपाती नहीं हैं। इसलिए संरचनात्मक रूप सहज स्पष्टीकरण के लिए अच्छा है, और जब संख्या में आते हैं तो काम करने के लिए भयानक है।

कम रूप कार्यक्षमता में संरचनात्मक रूप को पूरक करता है। जैसा कि दिमित्री ने कहा, और जैसा कि खपत उदाहरण में दिखाया गया है, घटी हुई फार्म अंतर्जात चर के लिए हल करती है (यदि संभव हो तो) - यह अमेरिकी बीजगणित II सामग्री है, मेरे ज्ञान के लिए। अंत में, प्रत्येक समीकरण में, बाएं हाथ की तरफ एक और केवल एक अंतर्जात चर दिखाई देता है, और दाहिने हाथ की तरफ केवल बहिर्जात चर और त्रुटि शब्द होते हैं। यदि संभव हो तो एक महत्वपूर्ण योग्यता है: कभी-कभी संरचनात्मक रूप के ऐसे परिवर्तन पर पहुंचना संभव नहीं होगा, और इसका मतलब है कि मॉडल की पहचान नहीं की गई है, और डेटा की कोई भी मात्रा आपके मापदंडों का अनुमान प्राप्त करने में मदद नहीं करेगी। कम किए गए फॉर्म का अनुमान आसानी से लगाया जा सकता है, क्योंकि आप कुछ पाने के लिए प्रत्येक समीकरण पर मूल के रूप में ओएलएस के रूप में कुछ चला सकते हैंअनुमान (हालांकि ये सर्वोत्तम संभव अनुमान नहीं होंगे), और वे कम फ़ॉर्म मापदंडों के लिए निष्पक्ष रहेंगे। हालांकि, संरचनात्मक रूप से वापस एक अच्छा क्रॉस-वॉक नहीं हो सकता है, जिसमें व्याख्यात्मक पैरामीटर थे। इस प्रकार कम किया गया रूप अनुमान के लिए अच्छा है, लेकिन व्याख्या के लिए भयानक है। कम किए गए फ़ॉर्म का उपयोग भविष्यवाणी के लिए भी किया जा सकता है, आवेग प्रतिक्रिया कार्यों सहित - यह वह कारण हो सकता है जो कोई व्यक्ति इन अनुमानों को देखना चाहता था।


6

जब आप दो चरणों (दो-चरण कम से कम वर्ग, या 2 वर्ग) को शामिल करते हैं, तो आपके पास दो समीकरण होते हैं। पहला समीकरण, जिसे संरचनात्मक समीकरण का नाम दिया गया है, किसी भी अन्य प्रतिगमन समीकरण जैसा दिखता है। दूसरा समीकरण कम रूप समीकरण है (और किसी अन्य प्रतिगमन समीकरण की तरह दिखता है)। 2sls करने का कारण यह है कि पहले समीकरण में कुछ चर त्रुटि शब्द के साथ सहसंबद्ध हैं, जो प्रतिगमन विश्लेषण की मूल मान्यताओं का उल्लंघन करता है। इस समस्या को ठीक करने के लिए आप सहसंबंधित चर का उपयोग कर दूसरे समीकरण (कम किए गए समीकरण) को आश्रित चर और स्वतंत्र चर के सेट के रूप में उपयोग करते हैं (जो इस मामले में वाद्य चर का फैंसी नाम प्राप्त करते हैं) जो आपको लगता है कि सहसंबंध समस्या को ठीक करेगा पहले समीकरण से सभी स्वतंत्र चर के साथ। फिर आपके पास कंप्यूटर है इसे चलाएं।

इसलिए संक्षेप में, मुझे लगता है कि आपके कम किए गए फॉर्म अनुमानों को पूछने वाला व्यक्ति आपके काम को देखना चाहता है। विशेष रूप से वे दूसरे समीकरणों और संबंधित दांव देखना चाहते हैं --- उन्हें प्रतिगमन आउटपुट दिखाएं और उन्हें खुश होना चाहिए।

उम्मीद है की यह मदद करेगा!


2

अगर आप 2SLS का उपयोग करते हैं तो @ user107905 से सहमत हैं, IV के निर्माण के लिए कम प्रारूप समीकरण का उपयोग किया जाता है, जबकि मूल संरचनात्मक समीकरण को अभी भी फिट किए गए अंतर्जात मूल्य में प्लग करके OLS के माध्यम से फिट किया जा सकता है। इस तरह, आप मूल / 1 संरचनात्मक समीकरण के लिए अभी भी अंतर पैरामीटर प्राप्त कर सकते हैं।

अध्याय 15 वाद्य चर अनुमान और दो चरण कम से कम 'इंट्रोडक्टरी इकॉनोमेट्रिक्स ए मॉडर्न एप्रोच' वोल्ड्रिज में देखें।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.