To see why there is a bias, conside

To see why there is a bias, consider a hypothetical case where firms above a certain (unobserved) quality threshold received VC funding.10 The goal of the empirical analysis then would be to identify that threshold. Conditional on sample size, if the probability of observing firms on each side of the threshold were equal, and if the distance from this threshold were randomly distributed, then the data would provide a significant amount of information to estimate the threshold. Now imagine that the dataset was reduced in size by randomly eliminating observations.

ผลลัพธ์ (ไทย) 1:

ดูทำไมมีอคติกับ พิจารณากรณีสมมุติที่บริษัทเหนือขีดจำกัด (unobserved) คุณภาพที่แน่นอนได้รับ funding.10 VC เป้าหมายของการวิเคราะห์ผล แล้วจะระบุที่ เงื่อนไขตัวอย่างขนาด ความน่าเป็นของบริษัทในแต่ละด้านของขีดจำกัดสังเกตได้เท่า และระยะห่างจากขีดจำกัดนี้ได้กระจายแบบสุ่ม แล้วข้อมูลจะมีจำนวนอย่างมีนัยสำคัญของข้อมูลเพื่อประเมินขีดจำกัด ตอนนี้ คิดว่า ชุดข้อมูลมีขนาดเล็กลง โดยตัดข้อสังเกตโดยการสุ่ม

ผลลัพธ์ (ไทย) 2:

เพื่อดูว่าทำไมมีอคติพิจารณากรณีสมมุติที่ บริษัท ดังกล่าวข้างต้น (สังเกต) เกณฑ์บางอย่างที่มีคุณภาพได้รับการ VC funding.10 เป้าหมายของการวิเคราะห์เชิงประจักษ์จากนั้นจะมีการระบุเกณฑ์ที่ เงื่อนไขในขนาดตัวอย่างถ้าความน่าจะเป็นของการสังเกต บริษัท ที่ด้านข้างของเกณฑ์แต่ละเท่ากับและถ้าระยะทางจากเกณฑ์นี้มีการกระจายแบบสุ่มแล้วข้อมูลจะให้เป็นจำนวนมากของข้อมูลในการประเมินเกณฑ์ ตอนนี้คิดว่าชุดข้อมูลที่ลดลงในขนาดโดยการสังเกตแบบสุ่มกำจัด

ผลลัพธ์ (ไทย) 3:

เพื่อดูว่ามีอคติ พิจารณาคดีที่ บริษัท ดังกล่าวข้างต้นสมมุติบาง ( unobserved ) เกณฑ์คุณภาพรับ VC funding.10 เป้าหมายของการวิเคราะห์เชิงประจักษ์แล้ว จะต้องระบุว่า เกณฑ์ ขึ้นอยู่กับขนาดตัวอย่าง ถ้าสังเกตความน่าจะเป็นของ บริษัท ในแต่ละด้านของประตูได้เท่ากัน และถ้าระยะห่างจากจุดนี้มีการกระจายแบบสุ่มแล้วข้อมูลที่จะให้จำนวนเงินที่สำคัญของข้อมูลการประเมิน เกณฑ์ ตอนนี้ สมมติว่าชุดข้อมูลมีขนาดลดลง โดยสุ่มไม่สังเกต