Misalkan saya memiliki dua estimator dan yang merupakan estimator konsisten dari parameter yang sama dan sedemikian rupa sehingga dengan dalam arti psd. Dengan demikian, asymptotically lebih efisien daripada . Kedua penaksir ini didasarkan pada fungsi kerugian yang berbeda. β 2β0√V1≤V2 β 1 β 2
Sekarang saya ingin mencari beberapa teknik penyusutan untuk meningkatkan properti sampel terbatas dari estimator saya.
Misalkan saya menemukan teknik penyusutan yang meningkatkan estimator dalam sampel hingga dan memberi saya nilai MSE sama dengan . Apakah ini menyiratkan bahwa saya dapat menemukan teknik penyusutan yang cocok untuk diterapkan pada yang akan memberi saya MSE tidak lebih besar dari ? γ 2 β 1
Dengan kata lain, jika susut diterapkan secara cerdik, apakah ia selalu bekerja lebih baik untuk penduga yang lebih efisien?
Ini adalah pertanyaan yang menarik di mana saya ingin menunjukkan beberapa highlight terlebih dahulu.
Pada dasarnya, adalah mungkin untuk meningkatkan penduga dalam kerangka kerja tertentu, seperti kelas penduga yang tidak bias. Namun, seperti yang ditunjukkan oleh Anda, fungsi kerugian yang berbeda membuat situasi menjadi sulit karena satu fungsi kerugian dapat meminimalkan kerugian kuadratik dan yang lainnya meminimalkan entropi. Selain itu, menggunakan kata "selalu" sangat sulit karena jika satu penaksir adalah yang terbaik di kelas, Anda tidak dapat mengklaim penaksir yang lebih baik, secara logis.
Sebagai contoh sederhana (dalam rangka yang sama), biarkan dua penduga, yaitu (regresi dihukum dengan Bridge penalti norma) dan Lasso (norma pertama dihukum kemungkinan) dan satu set jarang parameter yaitu β , model linear y = x β + e , normalitas istilah kesalahan, e ∼ N ( 0 , σ 2 < ∞ ) , dikenal σ , fungsi kehilangan kuadratik (kesalahan kuadrat terkecil), dan independensi kovariat dalam x . Mari pilih l p untuk p = 3lhal β y= x β+ e e ∼ N( 0 , σ2< ∞ ) σ x lhal p = 3 untuk estimator pertama dan untuk estimator kedua. Kemudian Anda dapat meningkatkan estimator dengan memilih p → 1 yang menghasilkan estimator yang lebih baik dengan varian yang lebih rendah. Maka dalam contoh ini ada kemungkinan meningkatkan penduga.p = 2 p → 1
Jadi jawaban saya untuk pertanyaan Anda adalah ya, mengingat Anda mengasumsikan keluarga estimator yang sama dan fungsi kerugian yang sama serta asumsi.
sumber