home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1993 #3 / NN_1993_3.iso / spool / bit / listserv / statl / 2469 < prev    next >
Encoding:
Internet Message Format  |  1993-01-28  |  2.6 KB
  1. Path: sparky!uunet!uvaarpa!darwin.sura.net!zaphod.mps.ohio-state.edu!menudo.uh.edu!UHUPVM1.UH.EDU!KATTAN
  2. From: KATTAN@UHUPVM1.UH.EDU (Mike Kattan)
  3. Newsgroups: bit.listserv.stat-l
  4. Subject: Measurement Error vs. Bias
  5. Date: Thu, 28 Jan 93 07:55:55 CDT
  6. Organization: University of Houston
  7. Lines: 45
  8. Message-ID: <1k8qmvINN5eg@menudo.uh.edu>
  9. NNTP-Posting-Host: uhupvm1.uh.edu
  10.  
  11. I'd greatly appreciate feedback concerning the following arguments
  12. concerning the terms "measurement error" and "bias".  In particular,
  13. references supporting or refuting these arguments would be helpful.
  14.  
  15. Say one is following the typical steps in prediction (1) determining a
  16. variable list, (2) collecting a sample, (3) modeling the sample, and (4)
  17. applying the model to new data.  In the sample of step (2), the values
  18. of the predictor variables do not correspond appropriately with the
  19. values of the response variable.  This would be called measurement
  20. error, which may occur due to misunderstood questions, approximations,
  21. incorrect observations, etc.  If the values of the response variable are
  22. inappropriate (e.g., sample mean does not equal population mean), bias
  23. has occurred.  Another example of bias is if the observed distribution
  24. of the response variable does not follow the true distribution of the
  25. response variable.
  26.  
  27. [So basically the argument here is that X problems are due to
  28. measurement error, and Y problems are due to bias -- is this a
  29. reasonable interpretation of the terms "measurement error" and
  30. "bias"?]
  31.  
  32.  
  33.  
  34. Now consider application of a regression model to new data [step (4)
  35. from above].  The betas have already been estimated.  If it is not con-
  36. venient to measure the predictor variables from step (1), and one measures
  37. surrogate variables perfectly, measurement error (rather than bias) has
  38. occurred, even though the surrogate variables were measured perfectly.
  39. In fact, when making a single prediction with a regression equation, if
  40. the wrong values for the predictor variables are used, the predicted
  41. value for the response variable would be incorrect due to measurement
  42. error -- bias has no meaning in this context.
  43.  
  44. [When making a single prediction with a regression equation, bias
  45. cannot occur in the *new* data (not the original sample data from which
  46. the regression coefficients were estimated) -- only measurement error
  47. could occur.  Is this interpretation reasonable?]
  48.  
  49. References for or against these interpretations would be most helpful.
  50. Should I receive many e-mail response, I'll post a summary.  Thanks in
  51. advance.
  52. --
  53. Mike Kattan  / Decision and Information Sciences  / University of Houston
  54. Houston, TX 77204-6282 / 713-743-4734 / Fax x4693 / kattan@uhupvm1.uh.edu
  55. ==
  56.