הנחות היסוד של מודל הרגרסיה הליניארית: דרכי אבחון הפרתן והשלכותיהן על ההסקה

הנחות היסוד של מודל הרגרסיה הליניארית: דרכי אבחון הפרתן והשלכותיהן על ההסקה

מבוא 1
ההנחות ותפקידה של כל אחת מהן 2
ליניאריות בפרמטרים ומפרט נכון של תוחלת התוצאה 2
אקסוגניות: ההנחה שעליה נשענת אי-ההטיה 2
הומוסקדסטיות: שונות שווה של השגיאות 3
אי-תלות של השגיאות 3
נורמליות: ההנחה הפחות קריטית 4
היעדר קולינאריות מושלמת 4
מיון ההפרות לפי מה שנפגע בהן 5
הפרות הפוגעות באמידה עצמה 5
הפרות הפוגעות ביעילות ובשגיאות התקן בלבד 5
תצפיות משפיעות ומינוף 6
דרכי אבחון 6
הבחינה הגרפית של השאריות 6
המבחנים הפורמליים 7
הביקורת על מבחני קדם ועל השימוש המכני בהם 7
הפתרונות המקובלים 8
שגיאות תקן עמידות 8
התמודדות עם תלות בין השגיאות 8
טרנספורמציות ושינוי המפרט 9
אומדים חלופיים ושיטות חסינות 10
סיכום 10
רשימת מקורות 11

מבוא

מודל הרגרסיה הליניארית הוא כלי הניתוח הנפוץ ביותר במדעי החברה, ברפואה ובכלכלה, ומעמדו התאורטי נשען על משפט גאוס ומרקוב. משפט זה נוסח מחדש בשנים האחרונות: הנסן הראה שאפשר להשמיט מן הניסוח הקלאסי את ההגבלה המלאכותית לאומדים ליניאריים, ושתחת התנאים הקלאסיים אומד הריבועים הפחותים הרגילים הוא בעל השונות הנמוכה ביותר מבין כלל האומדים חסרי ההטיה ולא רק מבין הליניאריים שבהם (‎Hansen‎, ‎2022‎). הטענה הזאת עצמה שנויה במחלוקת, ופטשר ופריינרשטורפר טענו שאחד ממשפטיו של הנסן חל בדיוק על אותה מחלקת אומדים שעליה חל משפט אייטקן הקלאסי, ושמשפטים אחרים שלו כוללים אילוצים שאינם מופיעים בתוצאות הקלאסיות (‎Pötscher‎ & ‎Preinerstorfer‎, ‎2024‎). לענייננו חשובה פחות הכרעת המחלוקת ויותר מה שהיא ממחישה: כל התכונות הרצויות של האומד תלויות בהנחות, ולא בשיטת החישוב.

ההנחות אינן שוות במשקלן. ההבחנה המרכזית שסקירה זו מבקשת לחדד היא בין הנחות שנדרשות כדי שהאומד יאמוד את הגודל שאותו רוצים לאמוד, לבין הנחות שנדרשות רק כדי שהשגיאות המדווחות סביבו יהיו נכונות. השאלה מהו בדיוק הגודל שאותו מבקשים לאמוד אינה שאלה טכנית אלא שאלה תאורטית שיש להגדירה מראש, ולנדברג, ג'ונסון וסטיוארט הראו שבמאמרים רבים במדעי החברה היא אינה מוגדרת כלל ושהמעבר מן התאוריה אל האומד נעשה בלא הצדקה מפורשת (‎Lundberg‎, ‎Johnson‎, & ‎Stewart‎, ‎2021‎). כשל נפוץ נוסף הוא הצבת הנורמליות בראש סדר החשיבות. לאמלי ועמיתיו הראו שבמערכי נתונים גדולים אין להיעדר הנורמליות השפעה מעשית על תקפות המבחנים ועל רווחי הסמך (‎Lumley‎, ‎Diehr‎, ‎Emerson‎, & ‎Chen‎, ‎2002‎), ושמידט ופינן טענו שהנורמליות נדרשת רק להסקה מדויקת במדגמים קטנים ואינה תנאי לאמידה עצמה (‎Schmidt‎ & ‎Finan‎, ‎2018‎).

הסקירה בנויה בארבעה שערים. תחילה מוצגות ההנחות אחת אחת ונבחן מה תפקידה של כל אחת מהן; לאחר מכן ממוינות ההפרות לפי מה שנפגע בהן, כלומר האם נפגעת האמידה או רק ההסקה; בשער השלישי נדונות דרכי האבחון, הגרפיות והפורמליות, לצד הביקורת על השימוש המכני במבחני קדם; ובשער הרביעי נסקרים הפתרונות המקובלים. הסיכום מציע סדר עדיפויות מעשי לבדיקת ההנחות.