Modelos Multinomiales: Un Análisis De Sus Propiedades (Multinomial Models: An Analysis of Its Properties)

Arlen Guarín, Andrés Ramírez Hassan, J. Torres
{"title":"Modelos Multinomiales: Un Análisis De Sus Propiedades (Multinomial Models: An Analysis of Its Properties)","authors":"Arlen Guarín, Andrés Ramírez Hassan, J. Torres","doi":"10.2139/SSRN.2419734","DOIUrl":null,"url":null,"abstract":"Spanish Abstract: En el presente trabajo se desarrolla un analisis de las propiedades de los modelos Multinomiales a traves de distintos procesos de simulacion; lo anterior se realizo asumiendo tanto el cumplimiento de los supuestos subyacentes de los mecanismos de estimacion como el incumplimiento de los mismos. Igualmente se analizo el comportamiento de los estimadores bajo diferentes escenarios de tamano muestral. Se encontro que bajo un modelo correctamente especificado y tamanos muestrales superiores a 200 observaciones, se cumplen las propiedades de insesgadez y consistencia, mientras que la incorrecta especificacion de la distribucion del proceso lleva a estimaciones sesgadas e inconsistentes; de igual forma se encontro que en tamanos muestrales pequenos y bajo modelos Condicionales se pierden las propiedades que una buena especificacion del proceso suele generar, hallandose aun mas inestabilidad cuando la estimacion es llevada a cabo con la metodologia Probit.English Abstract: This paper develops an analysis of Multinomial models through simulation; this was done under correct and incorrect assumptions on the data generating process. Also, it was analyzed the performance of the models under different sample sizes. It was found that a correct specified model with samples of 200 or more observations achieves estimators which are unbiased and consistent, while incorrect assumptions about the data generating process causes biased and inconsistent estimators. On the other hand, conditional models with small sample sizes imply bad statistical properties, especially when Probit models are estimated.","PeriodicalId":106740,"journal":{"name":"ERN: Other Econometrics: Econometric Model Construction","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2011-06-13","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"ERN: Other Econometrics: Econometric Model Construction","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.2139/SSRN.2419734","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Spanish Abstract: En el presente trabajo se desarrolla un analisis de las propiedades de los modelos Multinomiales a traves de distintos procesos de simulacion; lo anterior se realizo asumiendo tanto el cumplimiento de los supuestos subyacentes de los mecanismos de estimacion como el incumplimiento de los mismos. Igualmente se analizo el comportamiento de los estimadores bajo diferentes escenarios de tamano muestral. Se encontro que bajo un modelo correctamente especificado y tamanos muestrales superiores a 200 observaciones, se cumplen las propiedades de insesgadez y consistencia, mientras que la incorrecta especificacion de la distribucion del proceso lleva a estimaciones sesgadas e inconsistentes; de igual forma se encontro que en tamanos muestrales pequenos y bajo modelos Condicionales se pierden las propiedades que una buena especificacion del proceso suele generar, hallandose aun mas inestabilidad cuando la estimacion es llevada a cabo con la metodologia Probit.English Abstract: This paper develops an analysis of Multinomial models through simulation; this was done under correct and incorrect assumptions on the data generating process. Also, it was analyzed the performance of the models under different sample sizes. It was found that a correct specified model with samples of 200 or more observations achieves estimators which are unbiased and consistent, while incorrect assumptions about the data generating process causes biased and inconsistent estimators. On the other hand, conditional models with small sample sizes imply bad statistical properties, especially when Probit models are estimated.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
多项模型:对其性质的分析(多项模型:对其性质的分析)
摘要:本文通过不同的仿真过程对多项模型的性质进行了分析;本研究的目的是评估评估方法的有效性,并评估评估方法的有效性。我们还分析了估计器在不同样本大小情景下的行为。我们发现,在正确指定的模型和超过200个观测值的样本大小下,不均匀性和一致性特性是满足的,而不正确指定的过程分布导致有偏差和不一致的估计;此外,在条件模型下,小样本大小的过程通常产生的特性会丢失,当使用Probit方法进行估计时,会产生更大的不稳定性。本文通过仿真对多项模型进行分析;这是在数据生成过程的正确和错误假设下完成的。此外,还分析了模型在不同样本量下的性能。研究发现,一个包含200个或更多观测样本的正确指定模型可以实现无偏和一致的估计,而关于数据生成过程的错误假设则会导致有偏和不一致的估计。另一方面,小样本大小的条件模型具有较差的统计特性,特别是在估计样本模型时。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Rank Determination in Tensor Factor Model A Toolkit for Robust Risk Assessment Using F-Divergences One-factor Hull-White Model Calibration for CVA - Part I: Instrument Selection With a Kink High-Dimensional Granger Causality Tests with an Application to VIX and News Selective Linear Segmentation For Detecting Relevant Parameter Changes
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1