Parameter Identification

William Bert Craytor

doi:10.67330/xjszh949

作者

William Bert Craytor Author https://orcid.org/0000-0003-2219-9156

DOI：

https://doi.org/10.67330/xjszh949

關鍵字詞：

identification、 rank deficiency、 collinearity、 bracketing、 estimand、 USPAP、 appraisal foundations

摘要

當某個參數在模型假設下，能由可觀測資料的分布所唯一決定時，即被視為可識別。可識別性在邏輯上先於估計，且提出不同的問題：並非「從這個樣本中能得出什麼最佳推測」，而是「整個總體是否能將該參數精確鎖定」。一旦識別失敗，無論採用何種估計量、樣本大小或模型精修，皆無法彌補此缺陷。本文透過對 Pacifica 資料集進行限制來探討識別問題，將範圍限定於某種模式下的十處房產——該子市場中所有「狀況 3」的房產均已翻新，而「狀況 2」的房產則未經翻新，這是一種常見的市場模式，而非人為構建的例子。在此子樣本中，翻新係數不僅不精確，甚至完全缺失：設計矩陣秩不足，最小二乘法未報告任何數值，而狀況係數則精確地返回 $100,000——此數值正是兩項效應的總和，也是這兩項效應得以確定的唯一形式。地塊、總可租面積（GLA）及景觀等變數在整個分析過程中均以生成值形式被恢復，這表明識別是按參數逐一進行的，且在成功得出的係數中，識別失敗的情況並不可見。本條目將「區間限制」的要求重新詮釋為「識別」要求，將《美國公認房地產估價準則》（USPAP）對充分市場支持資料的要求，視為必須依據所倚賴的資料來識別各項調整項，並將本案例與第008條進行對比：在第008條中，所需資訊雖存在卻未被運用；在此案例中，所需資訊則完全缺失，而解決之道在於設計而非計算。