统计诊断问题拾遗

Posted 2022-11-24 统计学小王子

目录

• 1、引言
• 2、问题集合与讨论
• • 2.1 模型的基本假定都有什么，违背假设的处理思路
  • • 2.1.1 假设（1）
    • 2.1.2 假设（2）-（3）
    • 2.1.3 假设（4）
  • 2.2方差稳定性变换[^2]
  • 2.3 BOX-COX变换lambda的似然估计[^3]
  • 2.4 COOK距离阈值的选择
  • 2.5 加法模式VS乘法模式
• 5、模拟案例推荐
• • 5.1 R语言实战[^6]
  • 5.2 统计建模与R软件[^7]
• 6、联系我们
• 参考文献

1、引言

本文从模型的基本假定出发，讨论相关的统计问题与实践方法。

2、问题集合与讨论

2.1 模型的基本假定都有什么，违背假设的处理思路

模型的基本假定有以下四条：
– 解释变量非随机
– 零均值+等方差+不相关
– 零均值+等方差+不相关+正态
– n>p

2.1.1 假设（1）

针对假设1，一些教材中为了理解起来方便假定非随机，在算概率分布时可以把X当作常数处理。伍德里奇的书《计量经济学导论（第四版）[美]伍德里奇》¹中从头到尾就把X当作随机变量来看的，像常数项和一些虚拟变量等也可以当作退化的随机变量来看。
原因一，做回归时需要对Y求条件期望，如果假设X非随机则Y只是关于随机误差的随机变量。
原因二，迎合内生性假设，即协变量与响应变量不相关。
原因三，解决估计系数小样本分布。

> # 验证 beta 的分布
> Betas <- c()
> for(i in 1:50)
+   n = 100
+   set.seed(i)
+   Beta <- 2
+   x1 <- rnorm(n)
+   x2 <- rf(n, 5, 4)
+   erro <- rnorm(n)
+   y1 <- Beta*x1 + erro
+   y2 <-  Beta*x2 + erro
+   Betas <- rbind(Betas,
+   cbind(coef(lm(y1 ~ x1))[2], coef(lm(y2 ~ x2))[2])
+   )
+ 
> shapiro.test(Betas[,1])  # 正态分布

        Shapiro-Wilk normality test

data:  Betas[, 1]
W = 0.97897, p-value = 0.5094

> shapiro.test(Betas[,2])  # F分布

        Shapiro-Wilk normality test

data:  Betas[, 2]
W = 0.91759, p-value = 0.001932

总结: x固定常数时候，参数beta具有好的小样本和大样本性质。不固定时，beta的参数估计和固定时是一样的，但是beta的分布和x有关，无法准确做统计推断。
这里提到了小样本，主要认可的定义有以下两种：
在数理统计中，认为小样本是样本固定，大样本是n趋于无穷。
经济学中，认为小样本是n小于30，大样本是n大于30。

2.1.2 假设（2）-（3）

（1）高斯马尔可夫条件VS正态性假设
正态性假设 = 高斯马尔可夫条件 + 正态分布
（2）零均值
零均值 -> 零中位数 -> 零众数
（3）方差阵
同方差（${\sigma }^{2}I$） -> 异方差（$diag({\sigma }_1^2,{\sigma }_2^2,...,{\sigma }_n^2)$） -> 任意方差矩阵($\Sigma$)。
处理方案：BOX-COX、方差稳定性变换、联合均值方差建模、加权最小二乘、联合均值协方差建模、广义最小二乘。

2.1.3 假设（4）

大维统计²：

超高维³：

2.2方差稳定性变换⁴

方差稳定性变换的思想是，使得y变换之后的$y'$是具有常数方差。下面是常见的变换。

详细的理论推导见文献⁴.

2.3 BOX-COX变换lambda的似然估计⁵

box变换lambda估计的思想是：
– 写出y关于$y^{\lambda }$的对数似然函数.
– 固定lambda求出beta和sigma2的估计。
– 带入第一步的似然函数得到关于$\lambda$的截面似然。
– 最大化截面似然。

可以使用R包里的boxcox()函数，car包里的Transformation()以及Box-Tidwell()函数都可以的到变量变换的权重。

2.4 COOK距离阈值的选择

COOK距离可以检测强影响点：Cook距离，或称D统计量，以及变量添加图（added variable plot）。一般来说，Cook’s D值大于4/(n-k -1)，则表明它是强影响点，其中n 为样本量大小，k 是预测变量数目。

2.5 加法模式VS乘法模式

加法模型:线性模式（Y = X1 + X2 + … Xp）
乘法模式：交互模式，也称交互项(Y = X1X2X3…Xp)
混合模式：带有交互变量和线性变量。

x1 <- abs(rnorm(n))
x2 <- abs(rnorm(n))
y1 <- x1 + y2
y2 <- x1*x2
car::scatterplotMatrix(cbind(y1,y2,x1,x2,x1+x2,x1*x2))

5、模拟案例推荐

5.1 R语言实战⁶

5.2 统计建模与R软件⁷

6、联系我们

希望本文的内容可以帮助到大家，您的批评是我前进的动力，欢迎评论区留言讨论本文的相关内容。
如果想寻求进一步的合作，欢迎移步统计学小王子咨询中心处申请。

参考文献

---

1. 计量经济学导论（第四版）[美]伍德里奇. ↩︎

2. 大维统计分析 ↩︎

3. 超高维数据特征筛选方法综述_牛勇 ↩︎

4. 陶会强.方差稳定化变换综述[J].铜陵职业技术学院学报,2010,9(02):55-56+91.DOI:10.16789/j.cnki.1671-752x.2010.02.026. ↩︎ ↩︎

5. D2344 统计诊断_12173693_北京市：高等教育出版社_2009.03_韦博成，林金官，解锋昌编著. ↩︎

6. R语言实战（中文完整版） ↩︎

7. 统计建模与R软件 ↩︎