Notice the asymmetry in the two typ

Notice the asymmetry in the two types of specification biases we have
considered. If we exclude a relevant variable, the coefficients of the variables
retained in the model are generally biased as well as inconsistent, the
error variance is incorrectly estimated, and the usual hypothesis-testing
procedures become invalid. On the other hand, including an irrelevant variable
in the model still gives us unbiased and consistent estimates of the coefficients
in the true model, the error variance is correctly estimated, and
the conventional hypothesis-testing methods are still valid; the only penalty
we pay for the inclusion of the superfluous variable is that the estimated
variances of the coefficients are larger, and as a result our probability inferences
about the parameters are less precise. An unwanted conclusion here
would be that it is better to include irrelevant variables than to omit the relevant
ones. But this philosophy is not to be espoused because addition of
unnecessary variables will lead to loss in efficiency of the estimators and
may also lead to the problem of multicollinearity (why?), not to mention the
loss of degrees of freedom. Therefore,

Kết quả (Việt) 1:

Thông báo đối xứng ở hai loại đặc điểm kỹ thuật biases hiện cóxem xét. Nếu chúng tôi loại trừ một biến có liên quan, các hệ số của các biếngiữ lại trong các mô hình là nói chung thành kiến cũng như không phù hợp, cáclỗi phương sai không chính xác ước tính, và thông thường giả thuyết thử nghiệmthủ tục trở thành không hợp lệ. Mặt khác, bao gồm một biến không liên quantrong mô hình vẫn còn cho chúng ta không thiên vị và nhất quán ước tính của các hệ sốtrong mô hình thực sự, một cách chính xác ước tính phương sai lỗi, vàphương pháp thử nghiệm giả thuyết thông thường là vẫn còn hiệu lực; hình phạt chỉchúng tôi phải trả cho sự bao gồm của biến thừa đó là ước tínhchênh lệch của các hệ số được lớn hơn, và như là kết quả của chúng tôi kết luận xác suấtgiới thiệu về các tham số là chưa chính xác. Một kết luận không mong muốn ở đâysẽ là rằng nó là tốt hơn để bao gồm các biến không thích hợp hơn để bỏ qua việc có liên quannhững người. Nhưng triết lý này không phải là để được espoused bởi vì bổ sungkhông cần thiết biến sẽ dẫn đến mất hiệu quả của các estimators vàcũng có thể dẫn đến các vấn đề của multicollinearity (tại sao?), không phải đề cập đến cácmất mát của bậc tự do. Do đó,

Kết quả (Việt) 2:

Chú ý sự bất đối xứng trong hai loại sai số đặc điểm kỹ thuật, chúng tôi đã
xem xét. Nếu chúng ta loại trừ một biến có liên quan, các hệ số của các biến
giữ lại trong mô hình thường được thiên vị cũng như không phù hợp, các
sai lỗi được ước tính không đúng, và giả thuyết kiểm nghiệm thông thường
thủ tục trở nên không hợp lệ. Mặt khác, trong đó có một biến không liên quan
trong mô hình vẫn mang lại cho chúng ta ước tính khách quan và phù hợp của các hệ số
trong mô hình đúng, sai lỗi được ước tính một cách chính xác, và
các phương pháp giả thuyết thử nghiệm thông thường vẫn còn hiệu lực; các hình phạt chỉ
chúng tôi phải trả cho sự bao gồm của các biến không cần thiết là các ước tính
phương sai của các hệ số là lớn hơn, và kết quả là suy luận xác suất của chúng tôi
về các thông số là chưa chính xác. Một kết luận không mong muốn đây
sẽ được rằng nó là tốt hơn để bao gồm các biến không liên quan hơn để bỏ qua có liên quan
những người thân. Nhưng triết lý này không phải là để được tán thành bởi vì bổ sung các
biến không cần thiết sẽ dẫn đến mất hiệu quả của các ước tính và
cũng có thể dẫn đến các vấn đề đa cộng tuyến (tại sao?), Chưa kể đến những
mất mát của bậc tự do. Vì thế,