Tôi có một câu hỏi phương pháp luận chung. Nó có thể đã được trả lời trước đây, nhưng tôi không thể xác định chủ đề có liên quan. Tôi sẽ đánh giá cao con trỏ đến các bản sao có thể.
( Đây là một câu hỏi xuất sắc, nhưng không có câu trả lời. Điều này cũng tương tự về mặt tinh thần, ngay cả với một câu trả lời, nhưng câu trả lời quá cụ thể theo quan điểm của tôi. Điều này cũng gần gũi, được phát hiện sau khi đăng câu hỏi.)
Chủ đề là, làm thế nào để thực hiện suy luận thống kê hợp lệ khi mô hình được xây dựng trước khi thấy dữ liệu không mô tả đầy đủ quá trình tạo dữ liệu . Câu hỏi rất chung chung, nhưng tôi sẽ đưa ra một ví dụ cụ thể để minh họa cho luận điểm. Tuy nhiên, tôi hy vọng các câu trả lời sẽ tập trung vào câu hỏi về phương pháp chung hơn là đánh vào những chi tiết của ví dụ cụ thể.
Hãy xem xét một ví dụ cụ thể: trong cài đặt chuỗi thời gian, tôi giả sử quy trình tạo dữ liệu là với . Tôi nhằm mục đích kiểm tra giả thuyết về vấn đề chủ đề rằng . Tôi đã đưa ra điều này theo mô hình để có được một bản sao thống kê khả thi của giả thuyết đối tượng của tôi và đây là Càng xa càng tốt. Nhưng khi tôi quan sát dữ liệu, tôi phát hiện ra rằng mô hình không mô tả đầy đủ dữ liệu. Giả sử, có một xu hướng tuyến tính, để quá trình tạo dữ liệu thực sự là với
Làm cách nào tôi có thể thực hiện suy luận thống kê hợp lệ trên giả thuyết vấn đề của mình ?
Nếu tôi sử dụng mô hình ban đầu, các giả định của mô hình đó đã bị vi phạm và công cụ ước tính của không có bản phân phối đẹp như vậy. Do đó, tôi không thể kiểm tra giả thuyết bằng cách sử dụng -test.
Nếu đã thấy dữ liệu, tôi chuyển từ mô hình sang và thay đổi giả thuyết thống kê của mình từ thành , giả định mô hình được hài lòng và tôi nhận được một well-behaved ước lượng của γ 1 và có thể kiểm tra H ' 0 không có khó khăn bằng cách sử dụng t -test. Tuy nhiên, việc chuyển đổi từ ( 1 ) sang ( 2 )
được thông báo bởi tập dữ liệu mà tôi muốn kiểm tra giả thuyết. Điều này làm cho phân phối ước tính (và do đó cũng suy luận) có điều kiện về sự thay đổi trong mô hình cơ bản, đó là do dữ liệu được quan sát. Rõ ràng, việc giới thiệu điều hòa như vậy là không thỏa đáng.
Có một lối thoát tốt? (Nếu không thường xuyên, thì có lẽ một số thay thế Bayes?)