Chúng tôi không được chọn ở đây. Về cơ bản, yếu tố "bình thường hóa" là yếu tố "ổn định phương sai với một cái gì đó hữu hạn", để biểu thức không đi về 0 hoặc vô cùng khi kích thước mẫu đi đến vô cùng, nhưng để duy trì phân phối ở giới hạn.
Vì vậy, nó phải là bất cứ điều gì nó phải có trong mỗi trường hợp. Tất nhiên điều thú vị là trong nhiều trường hợp nó xuất hiện rằng nó có được . (nhưng cũng xem bình luận của @ whuber bên dưới).n−−√
Một ví dụ tiêu chuẩn nơi yếu tố bình thường phải là , chứ không phải là √n là khi chúng ta có một mô hìnhn−−√
yt=βyt−1+ut,y0=0,t=1,...,T
với tiếng ồn trắng, và chúng tôi ước tính chưa biết β bởi Least squares thường.utβ
Nếu nó xảy ra thì giá trị thực của hệ số là , thì các OLS ước lượng là phù hợp và hội tụ tại thường √|β|<1tỷ lệ n . n−−√
Nhưng nếu thay vào đó, giá trị thực là (nghĩa là trong thực tế chúng ta có một bước đi ngẫu nhiên thuần túy), thì công cụ ước tính OLS là nhất quán nhưng sẽ hội tụ "nhanh hơn", ở tốc độ n (đôi khi được gọi là công cụ ước tính "siêu tới hạn" Tôi đoán, rất nhiều người ước tính hội tụ ở tỷ lệβ=1n ).
Trong trường hợp này, để có được (không bình thường) phân phối tiệm cận của nó, chúng tacóquy mô( β -β)bằngn(nếu chúng ta chỉ mở rộng bởi √n−−√
(β^−β)n biểu thức sẽ về không). Hamilton ch 17có các chi tiết.n−−√