어쩌다보니 통계파트에 발을 담궜는데
이 식이 시작하자마자 떡하니 나오는데 도대체 이해할수가 없네요..
책에 classical error(고전적오류)의 설명과 함꼐 이 식이 나오고,
신뢰도계수(coefficient of reliability)는 노출의 독립된 반복 측정의 상관관계(rho xx)로 설명할 수 있으며
rho xx는 (rho xt)^2 과 같다 (rho xt = 참값과 측정값의 상관관계)
라고 시작하면서 이렇게 식이 나오는데
아무리 관련 내용들을 검색해도 같은 식이 나오질 않아요.
이게 어떤 식으로 진행되는 건지, 어디서 찾아내야 되는건지, 뭐라 검색하거나 무슨 책을 보면 되는건지
그리고 가능하시다면 간단한 해석만이라도 덧붙여주시면 정말 감사하겠습니다....
고전적오류에서 X = T + E 이며
X는 측정한 값 / T 는 실제 값 / E는 에러 입니다.
실험계획이랑 계량경제에서 중요하게 다루는 classical(random) measurement error인데, 핵심은 내가 믿고 있었던 변수가 알고보니 측정오차가 꼈다면 100% 신뢰할 수 없는 변수란 것. 변수의 분산 중 측정오차의 분산 비중이 클수록 신뢰도는 내려가겠지 (변수와 오차 간 uncorrelated 가정) - dc App
Linear Regression을 배웠는지 모르겠는데, 측정오차가 낀 변수를 사용하면 X'(Y-betaX) != 0이 돼서 method of moments로 도출한 beta 값이 biased해짐. 가우스-마르코프 가정이 깨진다 - dc App