Parameter Identification

William Bert Craytor

doi:10.67330/xjszh949

저자(들)

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

DOI:

https://doi.org/10.67330/xjszh949

키워드:

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

초록

매개변수는 모델의 가정을 전제로 할 때, 관측 가능한 데이터의 분포에 의해 유일하게 결정될 때 식별된다고 한다. 식별은 추정보다 논리적으로 선행하며, 이 표본에서 가장 유력한 추정치가 무엇인지가 아니라, 전체 모집단이 해당 매개변수를 정확히 특정할 수 있는지 여부에 대한 질문을 제기한다. 식별에 실패한 경우, 어떤 추정량이나 표본 크기, 모델 개선으로도 이를 바로잡을 수 없습니다. 이 글에서는 파시피카(Pacifica) 데이터셋을 한 가지 패턴에 속하는 10개 부동산으로 제한하여 식별 문제를 다룹니다. 이 하위 시장에서는 상태 3에 해당하는 모든 부동산이 리모델링되었고, 상태 2에 해당하는 부동산은 하나도 리모델링되지 않았는데, 이는 인위적인 것이 아니라 시장에서 흔히 볼 수 있는 패턴입니다. 해당 하위 표본 내에서 리모델링 계수는 단순히 부정확한 것이 아니라 아예 존재하지 않는다: 설계 행렬은 랭크 결핍 상태이며, 최소제곱법은 값을 보고하지 않는 반면, 조건 계수는 두 효과의 합계이자 두 효과가 결정되는 유일한 형태인 정확히 $100,000을 반환한다. 부지 면적(Lot), 총 임대 가능 면적(GLA), 조망권은 전체적으로 생성 값 그대로 회복되는데, 이는 식별이 매개변수별로 이루어지며, 성공한 계수들 속에서는 식별 실패가 드러나지 않음을 보여준다. 이 항목은 범주화 요건을 식별 요건으로 재구성하고, USPAP가 요구하는 적절한 시장 지원 데이터를 신뢰하는 데이터에 의해 조정이 식별되어야 한다는 요구로 간주하며, 이를 항목 008의 사례와 대조합니다. 항목 008에서는 필요한 정보가 존재했으나 활용되지 않은 반면, 여기서는 정보가 결여되어 있으며, 해결책은 계산이 아닌 설계에 있습니다.