- •1. Предмет эконометрики. Измеренияния в экономике. Типы шкал.
- •2. Линейность и аддитивность связей в функции
- •3. Типы данных. Выбор вида функции парной регрессии.
- •4. Смысл и оценка параметров линейной регрессии. Мнк.
- •5. Уравнение парной линейной регрессии в отклонениях
- •6. Геометрическая интерпретация мнк. Матричная форма записи мнк.
- •7. Линейный коэффициент корреляции. Коэффициент детерминации и его связь с коэффициентом корриляции.
- •8. Оценка существенности (значимости) линейной регрессии
- •9. Природа ошибок регрессии. Основные гипотезы для обоснования парной линейной регрессионной модели
- •10. Теорема Гаусса-Маркова для парной линейной регрессии.
10. Теорема Гаусса-Маркова для парной линейной регрессии.
Пусть мы имеем набор данных (наблюдений) (Xt,Yt), t=1,…,n и выполняются условия:
1 ° Yt=а+bXt+εt, t=l,...,n — спецификация модели. εt – ошибка измерения
2° Xt — детерминированная величина; вектор х=(Х1,...,Хn)' не коллинеарен вектору i=(1,...,1), т.е. не все х одинаковы.
За° E(εt)=0; 3b° Е(εt2)=σ2 — не зависит от t.
4° E(εt*εs)=0 при t≠s, некоррелированность ошибок для различных наблюдений
Задача: оценить «наилучшим» способом a, b и σ2. Термин «наилучший» означает, что найти в классе лин. (по Yt) несмещенных оценок наилучшую в смысле мин. дисперсии.
Зам. Если такая оценка найдена, то это не означает, что не существует нелинейной оценки с меньшей дисперсией.
Теорема Гауса-Маркова. При справедливости 1°-4° оценки и (*) имеют наим. дисперсию в классе всех лин. несмещенных оценок.
Доказательство.
1. Проверка несмещенности МНК-оценок . Используя , получим
А из (*)=>
2. Оценим дисперсии aˆ, bˆ: (1)
( 2)
(3)
Используя (1) и (3) можно показать, что
(4)
Зам. Из (4) => cov(a^,b^)<0.
3. Покажем, что МНК-оценки явл. «наилучшими» в классе всех лин. несмещенных оценок.
Пусть =ΣctYt — любая другая несмещенная оценка. Пусть ct=wt+dt, тогда
справедлива для всех a и b, если
Т.е. var(b) > var(b^), ч.т.д.