参数识别
DOI:
https://doi.org/10.67330/xjszh949关键词:
identification, rank deficiency, collinearity, bracketing, estimand, USPAP, appraisal foundations摘要
当一个参数在给定模型假设的情况下，能由可观测数据的分布唯一确定时，该参数即被识别。识别在逻辑上先于估计，且探讨的问题不同：它不是要确定从该样本中能得出什么最佳估计值，而是要判断整个总体是否能将该参数确定下来。 一旦识别失败，无论采用何种估计量、样本量或模型优化都无法补救。本文通过将Pacifica数据集限制为某一模式下的十处房产来探讨识别问题，该子市场中所有“状况3”的房产均已翻新，而“状况2”的房产则未翻新——这是一种常见的市场模式，而非人为构造的案例。 在此子样本中，翻新系数不仅不精确，甚至完全缺失：设计矩阵秩不足，最小二乘法未报告任何值，而状况系数则精确返回 $100,000——这是两种效应的总和，也是这两种效应得以确定的唯一形式。 地块面积、总可租赁面积（GLA）和景观视野在整个分析中均以生成值的形式被恢复，这表明识别是按参数逐一进行的，且在成功的系数中无法察觉识别失败。 该条目将“范围限定”要求重新表述为“识别”要求，将《统一标准专业评估准则》（USPAP）对充分支持性市场数据的要求，视为要求调整项须依据所依赖的数据进行识别，并将其与第008条进行对比：在第008条中，所需信息虽存在但未被利用；而在本条中，所需信息缺失，其补救措施在于设计而非计算。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
参数识别. (2026). Valuation Engineer Journal, 1(2), 85-93. https://doi.org/10.67330/xjszh949
