Geç olsun güç olmasın. Öncelikle tahmin edicilerin asimtotik tarafsızlığına (tutarlılığına) odaklandığımız üç (önemli olduğunu düşünüyorum) nedenini listeleyeyim.
a) Tutarlılık asgari bir ölçüttür. Bir tahminci çok fazla veriyle bile doğru bir şekilde tahmin etmezse, o zaman ne işe yarar? Bu Wooldridge: Tanıtıcı Ekonometri'de verilen gerekçedir.
b) Sonlu örnek özelliklerin kanıtlanması çok daha zordur (veya daha doğrusu asimptotik ifadelerin daha kolay olması). Şu anda kendim biraz araştırma yapıyorum ve büyük örnek araçlara güvenebildiğinizde işler çok daha kolaylaşıyor. Çok sayıdaki yasalar, martingale yakınsama teoremleri vb. Asimtotik sonuçlar elde etmek için güzel araçlardır, ancak sonlu örneklerle yardımcı olmayın. Hayashi (2000): Ekonometri'de bu çizgide bir şeyden söz edildiğine inanıyorum.
c) Tahmin ediciler küçük numuneler için önyargılıysa, potansiyel olarak düzeltilebilir veya en azından küçük örnek düzeltmeleri ile iyileştirilebilir. Bunlar genellikle teorik olarak karmaşıktır (düzeltici olmadan tahmin ediciyi geliştirdiklerini kanıtlamak için). Ayrıca, çoğu insan büyük örneklere güvenmekle iyidir, bu nedenle standart istatistik yazılımında küçük örnek düzeltmeleri genellikle uygulanmaz, çünkü sadece birkaç kişi onlara ihtiyaç duyar (daha fazla veri elde edemeyen ve tarafsızlığa önem vermeyenler). Bu nedenle, bu nadir düzeltmeleri kullanmanın bazı engelleri vardır.
Sorularınız için. "Büyük örnek" ile ne demek istiyoruz? Bu büyük ölçüde bağlama bağlıdır ve belirli araçlar için simülasyon yoluyla cevaplanabilir. Yani yapay olarak veri üretiyorsunuz ve örneğin, reddetme oranının örneklem büyüklüğünün bir fonksiyonu olarak nasıl davrandığını veya yanlılığın örneklem büyüklüğünün bir fonksiyonu olarak nasıl davrandığını görüyorsunuz. Spesifik bir örnek ise burada yazarlar bu EKK, standart hataları kümelenmiş blok iyi performans vb standart hataları ön yükleme için gereken kaç kümeleri bakın nerede. Bazı teorisyenlerin de yakınsama oranı hakkında ifadeleri vardır, ancak pratik amaçlar için simülasyonlar daha bilgilendirici görünmektedir.
Gerçekten mı? Teorinin söylediği buysa, evet, ancak uygulamada, yüksek olasılıkla yeterince büyük örnek boyutlarına sahip olduğumuz küçük, ihmal edilebilir önyargıları kabul edebiliriz. Yeterince ne anlama geldiği bağlama bağlıdır, yukarıya bakınız.n→∞
Soru 3: genellikle, tarafsızlık (tüm numune boyutları için) ve tutarlılık (büyük örnekler için tarafsızlık) ayrı ayrı ele alınmaktadır. Bir tahminci önyargılı olabilir, ancak tutarlıdır, bu durumda gerçekten sadece büyük örnek tahminleri tarafsızdır. Ancak teorik olarak herhangi bir örneklem büyüklüğü için geçerli olan tarafsız ve tutarlı tahminciler de vardır. ( Bir tahminci de tarafsız olabilir ancak teknik nedenlerle tutarsız olabilir. )