In statistics, omitted-variable bias (OVB) occurs when a statistical model leaves out one or more relevant variables. The bias results in the model attributing the effect of the missing variables to those that were included. More specifically, OVB is the bias that appears in the estimates of parameters in a regression analysis, when the assumed specification is incorrect in that it omits an independent variable that is a determinant of the dependent variable and correlated with one or more of the included independent variables.
| Attributes | Values |
|---|
| rdfs:label
| - انحياز المتغير المتجاهل (ar)
- Verzerrung durch ausgelassene Variablen (de)
- 除外変数バイアス (ja)
- Omitted-variable bias (en)
- Problem pominiętych zmiennych (pl)
- Смещение вследствие пропущенных переменных (ru)
|
| rdfs:comment
| - يقع انحياز المتغير المحذوف (omitted variable bias ويعرف اختصارًا بـOVB) في علم الإحصاء عندما يتجاهل النموذج الإحصائي متغيرًا واحدًا أو أكثر ذا صلة بالظاهرة المدروسة. وقد يؤدي ذلك الانحياز إلى إيعاز تأثير المتغير المحذوف إلى المتغيرات الأخرى الخاضعة للملاحظة.وبصفة خاصة، يعبر انحياز المتغير المفقود عن الخطأ الذي يظهر في تقدير بارامترات الانحدار الخطي، وذلك عندما يتجاهل النموذج المستخدم متغيرًا مستقلًا يرتبط بكلٍ من المتغير التابع ومتغير مستقل واحد على الأقل من بين المتغيرات المتضمنة. (ar)
- In statistics, omitted-variable bias (OVB) occurs when a statistical model leaves out one or more relevant variables. The bias results in the model attributing the effect of the missing variables to those that were included. More specifically, OVB is the bias that appears in the estimates of parameters in a regression analysis, when the assumed specification is incorrect in that it omits an independent variable that is a determinant of the dependent variable and correlated with one or more of the included independent variables. (en)
- 除外変数バイアス（じょがいへんすうばいあす、omitted-variable bias, OVB）は、統計学において、統計モデルから関連する変数を除外することで発生するバイアス。このバイアスの結果、除外された変数の効果を、モデルに含まれた変数の効果に帰してしまう。 より具体的には、回帰分析において、従属変数の決定要因であり、含まれている独立変数と相関するような変数が省略されているなど、仮定した仕様が正しくない場合に、パラメータの推定値にあらわれるバイアスのこと。 (ja)
- Смещение вследствие пропущенных переменных (англ. Omitted variable bias) — явление в регрессионном анализе, связанное с получением, смещённых и несостоятельных оценок регрессионных коэффициентов вследствие некорректной спецификации модели, а именно невключения в оцениваемую модель независимых переменных, оказывающих причинно-следственное влияние на зависимую переменную, или невозможности включить в неё некую ненаблюдаемую независимую переменную. (ru)
- In der Statistik tritt eine Verzerrung durch ausgelassene Variablen, auch Verzerrung aufgrund von ausgelassenen Variablen (englisch Omitted Variable Bias, kurz OVB) auf, wenn eine oder mehrere relevante Variable(n) bzw. Regressor(en) nicht berücksichtigt wird (werden). Hierbei ist eine relevante Variable eine Variable, die einen von null verschiedenen partiellen (wahren) Effekt auf die Antwortvariable aufweist, also eine Variable, die im wahren Modell Einfluss auf die Antwortvariable hat. Die Variablen für die man eigentlich kontrollieren will, die aber bei der Schätzung eines Regressionsmodells ausgelassen wurden, werden ausgelassene Variablen genannt. Die mögliche Folge des Weglassens einer oder mehrerer relevanter Variablen ist ein verzerrter und inkonsistenter Schätzer für den Effekt d (de)
- Problem pominiętych zmiennych (ang. omitted-variable bias, OVB) – w estymacji statystycznej we wnioskowaniu przyczynowym, błąd oszacowania (np. pozorna korelacja) wynikający z nieuwzględnienia części czynników przyczynowych wśród zmiennych objaśniających w modelu zjawiska. Rezultatem błędu jest mylne przypisanie wpływu brakujących zmiennych do elementów uwzględnionych, i vice versa. (pl)
|
| dct:subject
| |
| Wikipage page ID
| |
| Wikipage revision ID
| |
| Link from a Wikipage to another Wikipage
| |
| Link from a Wikipage to an external page
| |
| sameAs
| |
| dbp:wikiPageUsesTemplate
| |
| has abstract
| - يقع انحياز المتغير المحذوف (omitted variable bias ويعرف اختصارًا بـOVB) في علم الإحصاء عندما يتجاهل النموذج الإحصائي متغيرًا واحدًا أو أكثر ذا صلة بالظاهرة المدروسة. وقد يؤدي ذلك الانحياز إلى إيعاز تأثير المتغير المحذوف إلى المتغيرات الأخرى الخاضعة للملاحظة.وبصفة خاصة، يعبر انحياز المتغير المفقود عن الخطأ الذي يظهر في تقدير بارامترات الانحدار الخطي، وذلك عندما يتجاهل النموذج المستخدم متغيرًا مستقلًا يرتبط بكلٍ من المتغير التابع ومتغير مستقل واحد على الأقل من بين المتغيرات المتضمنة. (ar)
- In der Statistik tritt eine Verzerrung durch ausgelassene Variablen, auch Verzerrung aufgrund von ausgelassenen Variablen (englisch Omitted Variable Bias, kurz OVB) auf, wenn eine oder mehrere relevante Variable(n) bzw. Regressor(en) nicht berücksichtigt wird (werden). Hierbei ist eine relevante Variable eine Variable, die einen von null verschiedenen partiellen (wahren) Effekt auf die Antwortvariable aufweist, also eine Variable, die im wahren Modell Einfluss auf die Antwortvariable hat. Die Variablen für die man eigentlich kontrollieren will, die aber bei der Schätzung eines Regressionsmodells ausgelassen wurden, werden ausgelassene Variablen genannt. Die mögliche Folge des Weglassens einer oder mehrerer relevanter Variablen ist ein verzerrter und inkonsistenter Schätzer für den Effekt des Interesses. Falls das (mit der Kleinste-Quadrate-Schätzung geschätzte) Regressionsmodell fehlspezifiziert wurde und eine relevante erklärende Variable in der Regressionsgleichung ausgelassen wurde kommt es zu einer Verzerrung der Kleinste-Quadrate-Schätzer. Im Allgemeinen tritt eine Verzerrung ein, falls:
* die ausgelassene Variable mit einer im Modell berücksichtigten Variablen korreliert ist und
* wenn die ausgelassene Variable die Antwortvariable bestimmt Die Verzerrung bei den Kleinste-Quadrate-Schätzern entsteht, weil das Modell versucht, die fehlenden relevanten Variablen dadurch zu kompensieren, dass es die Effekte der anderen erklärenden Variablen über- oder unterschätzt. In der Praxis existiert meist eine Austauschbeziehung zwischen einer Verzerrung durch ausgelassene Variablen und dem Problem des Vorliegens von Multikollinearität. Eine mögliche Lösung stellt die Verwendung von Instrumentvariablen dar. (de)
- In statistics, omitted-variable bias (OVB) occurs when a statistical model leaves out one or more relevant variables. The bias results in the model attributing the effect of the missing variables to those that were included. More specifically, OVB is the bias that appears in the estimates of parameters in a regression analysis, when the assumed specification is incorrect in that it omits an independent variable that is a determinant of the dependent variable and correlated with one or more of the included independent variables. (en)
- 除外変数バイアス（じょがいへんすうばいあす、omitted-variable bias, OVB）は、統計学において、統計モデルから関連する変数を除外することで発生するバイアス。このバイアスの結果、除外された変数の効果を、モデルに含まれた変数の効果に帰してしまう。 より具体的には、回帰分析において、従属変数の決定要因であり、含まれている独立変数と相関するような変数が省略されているなど、仮定した仕様が正しくない場合に、パラメータの推定値にあらわれるバイアスのこと。 (ja)
- Problem pominiętych zmiennych (ang. omitted-variable bias, OVB) – w estymacji statystycznej we wnioskowaniu przyczynowym, błąd oszacowania (np. pozorna korelacja) wynikający z nieuwzględnienia części czynników przyczynowych wśród zmiennych objaśniających w modelu zjawiska. Rezultatem błędu jest mylne przypisanie wpływu brakujących zmiennych do elementów uwzględnionych, i vice versa. W języku technicznym problem pominiętych zmiennych to błąd estymacji parametrów np. w analizie regresji, pojawiający się, gdy założona została niewłaściwa specyfikacja modelu, pomijająca zmienne objaśniające, które są przyczynami zarówno zmiennej objaśnianej, jak i co najmniej jednej uwzględnionej zmiennej objaśniającej. Przykładowo, jeśli interesuje nas efekt spożycia wina na zdrowie, a spożycie to jest w rzeczywistości skorelowane z ogólnie zdrowszą dietą, czego nie uwzględnimy w analizie, uzyskamy przeszacowanie związku (lub całkowicie pozorną korelację) konsumpcji wina ze zdrowiem. Zagadnienie wzajemnego powiązania zmiennych obecnych i nieobecnych w modelu nazywa się ogólnie endogenicznością. Model statystyczny wolny od pominięć zmiennych zakłócających nazywa się egzogenicznym; taki stan jest z reguły założeniem poprawnego działania metod statystycznych, na przykład regresji liniowej. Fakt, że pominięcie zmiennych objaśniających prowadzi do błędu, nie oznacza, że badacze powinni dodawać do podstawowych wyrazów modelu statystycznego każdy dostępny wskaźnik. W szczególności, uwzględnienie wśród zmiennych objaśniających następstwa objaśnianego zjawiska również wprowadza do oszacowań błąd. Jest to ważnym problemem z jakim boryka się naukowe wnioskowanie przyczynowe. (pl)
- Смещение вследствие пропущенных переменных (англ. Omitted variable bias) — явление в регрессионном анализе, связанное с получением, смещённых и несостоятельных оценок регрессионных коэффициентов вследствие некорректной спецификации модели, а именно невключения в оцениваемую модель независимых переменных, оказывающих причинно-следственное влияние на зависимую переменную, или невозможности включить в неё некую ненаблюдаемую независимую переменную. (ru)
|
| prov:wasDerivedFrom
| |
| page length (characters) of wiki page
| |
| foaf:isPrimaryTopicOf
| |
| is Link from a Wikipage to another Wikipage
of | |
| is Wikipage redirect
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)