vektestimering

Vektestimering er et begrep som brukes om metoder for å estimere vekter eller parametervektorer ut fra observerte data. Begrepet forekommer innen flere fagfelt, spesielt statistikk, undersøkelsesmetodikk, signalbehandling og økonometrisk modellering. I statistikk kan vektestimering innebære å tildele og estimere vekter som justerer analysen for utvalgsskjevhet, ikke-respons og kjente marger, for eksempel ved kalibrering og raking av undersøkelsesdata. Innen regresjon og tidsserieanalyse brukes vekter også for å oppnå mer pålitelige estimater når variasjonen i data varierer mellom enheter eller over tid.

I praksis omfatter vektestimering metoder for å estimere et parametervektor theta ut fra et modellrammeverk. Vanlige tilnærminger er vektet minste kvadraters metode (weighted least squares, WLS) og generaliserte minste kvadraters metode (GLS), spesielt når feilene har heteroskedastisitet eller er korrelerte. I vektorproblemer – for eksempel estimering av et parametervektor i lineære eller ikke-lineære modeller – brukes også maksimum likelihood-estimering, Bayesiansk estimering og momentbaserte metoder som M-estimators.

Nøkkelbegreper inkluderer egenskaper ved estimators som skjevhet (bias), variasjon (varians), konsistens og asymptotisk normalitet. Riktige standardfeil og konfidensintervaller er avgjørende for tolkning av vektestimering. Anvendelser spenner fra kliniske studier og markedsforskning til signalbehandling og kontrollteknikk.