У меня есть общий методологический вопрос. Возможно, ответили раньше, но я не могу найти соответствующую ветку. Я буду признателен за указатели на возможные дубликаты.
( Вот превосходный, но без ответа. Это также похоже по духу, даже с ответом, но последний слишком конкретен с моей точки зрения. Это также близко, обнаружено после публикации вопроса.)
Тема в том, как сделать достоверный статистический вывод, когда модель, сформулированная до просмотра данных, не может адекватно описать процесс генерирования данных . Вопрос очень общий, но я приведу конкретный пример, чтобы проиллюстрировать это. Тем не менее, я ожидаю, что ответы сосредоточатся на общем методологическом вопросе, а не придираются к деталям конкретного примера.
Рассмотрим конкретный пример: в настройке временного ряда я предполагаю, что процесс генерации данных будет с . Я хочу проверить предметную гипотезу о том, что . Я привел это в терминах модели чтобы получить работоспособный статистический аналог моей предметной гипотезы, а это Все идет нормально. Но когда я наблюдаю за данными, я обнаруживаю, что модель не адекватно описывает данные. Допустим, существует линейный тренд, поэтому настоящий процесс генерации данных имеет вид с ut∼i. я. N(0,σ 2 u )dy
Как я могу сделать достоверный статистический вывод по моей предметной гипотезе ?
Если я использую исходную модель, ее допущения нарушаются, и оценка не имеет хорошего распределения, как в противном случае. Поэтому я не могу проверить гипотезу с помощью теста. т
Если, просмотрев данные, я переключаюсь с модели на и меняю свою статистическую гипотезу с на , предположения модели выполняются, и я получить корректную оценку и без труда протестировать с помощью критерия. Однако переключение с на( 2 ) H 0 : β 1 = 1 H ′ 0 : γ 1 = 1 γ 1 H ′ 0 t ( 1 ) ( 2 )
сообщается с набором данных, на котором я хочу проверить гипотезу. Это делает распределение оценки (и, следовательно, также вывод) обусловленным изменением базовой модели, которое обусловлено наблюдаемыми данными. Понятно, что введение такого кондиционирования не является удовлетворительным.
Есть ли хороший выход? (Если не частый, то, может быть, какая-то байесовская альтернатива?)