遗漏变量偏误
DOI:
https://doi.org/10.67330/460smg10关键词:
omitted variable bias, Theil, specification error, adjustment, condition rating, renovation, appraisal foundations摘要
当一个影响价格的变量被排除在模型之外，且该变量在辅助回归中与模型中包含的自变量存在非零相关系数时（即部分相关，而非仅仅是边际相关），就会产生遗漏变量偏误；此时，模型中包含的自变量的系数会吸收部分遗漏变量的影响。 这两个条件都是必要的，而“任何重要的缺失变量都会导致模型产生偏倚”这一普遍观点，按其表述是错误的：与自变量不相关的缺失变量只会降低精确度，而非准确度。 本文推导了Theil关于偏量的公式，并利用Pacifica数据集的16个属性扩展数据对其进行了精确验证——该扩展数据中测量了“翻新标志”这一属性，该属性虽在第1期中披露过，但当时并未记录。 省略该变量会使“条件”系数每步从40,000美元膨胀至69,631美元，而“景观”系数则从100,000美元缩减至79,178美元——这些变化恰好等于被省略系数与辅助回归斜率的乘积（精确到百分位）。 该示例用于阐明三个辩护要点：偏倚在拟合统计量中不可见，0.97的R²值掩盖了偏差达74%的系数； 该偏差不会随样本规模的增大而减弱；以及，一个存在偏差的模型虽然能够做出准确预测，但产生的调整结果却无法使用，且恰恰在估价师最常受聘评估的那些非典型房产属性上表现最差。下载次数
下载数据尚不可用。
已出版
2026-10-01
期次
栏目
Foundations
许可协议
版权所有 (c) 2026 William B. Craytor (Author)
本作品采用知识共享署名 4.0 国际许可协议进行许可。
所有文章均依据知识共享署名 4.0 国际许可协议（CC BY 4.0）发布。
在该许可协议下，任何人均可出于任何目的（包括商业目的）共享和演绎本材料，但须对作者和本刊给予适当署名、提供指向该许可协议的链接，并说明是否作出了修改。
文章的译本适用与英文版相同的许可协议；英文版为权威版本。
引用格式
遗漏变量偏误. (2026). Valuation Engineer Journal, 1(2), 66-75. https://doi.org/10.67330/460smg10
