AR (1) katsayısının OLS tahmincisi neden taraflı?


11

OLS'un neden AR (1) sürecinin taraflı bir tahmincisi verdiğini anlamaya çalışıyorum. Düşünmek

yt=α+βyt1+ϵt,ϵtiidN(0,1).
Bu modelde katı dışsallık ihlal edilmiştir, yani yt ve ϵt korelasyonlu fakat yt1 ve ϵtilintisiz. Ancak bu doğruysa, aşağıdaki basit türev neden geçerli değildir?
plim β^=Cov(yt,yt1)Var(yt1)=Cov(α+βyt1+ϵt,yt1)Var(yt1)=β+Cov(ϵt,yt1)Var(yt1)=β.

Cross Validated'da birkaç ilgili soru var. Onları aramaktan faydalanabilirsiniz.
Richard Hardy

Onları gördüm, ama bana gerçekten yardım etmediler. Bu sonucu gösteren bir kanıt ve simülasyonlar buldum. İlgilendiğim şey, yukarıdaki akıl yürütmemde yanlış olan şey.
Florestan

1
Kullanırken plim, önyargısızlıktan ziyade tutarlılığı ele almıyor musunuz? Önyargısızlık için beklentileri kullanmalısınız.
Richard Hardy

Tamamen haklısın, bu bulmacayı çözebilir. Dolayısıyla, yukarıdaki denklem bir plim olmadan tutulmazsa, küçük numunelerde OLS'nin yanlılığıyla çelişmez ve OLS'nin tutarlılığını aynı anda göstermez. Biraz emin olmadığım halde: Varyans formülü üzerindeki bu kovaryans, sadece beklenti için değil, sadece plim için mi geçerli? Şimdiden çok teşekkürler!
Florestan

1
OLS tahmincisinin kendisi herhangi bir şey içermez plims, sadece sınırlı örneklerde beklentilere bakmalısınız.
Richard Hardy

Yanıtlar:


10

Esasen yorumlarda tartışıldığı gibi, tarafsızlık sonlu bir örnekleme özelliğidir ve eğer tutulursa şu şekilde ifade edilir:

E(β^)=β

(beklenen değer sonlu örneklem dağılımının ilk anı olduğunda)

tutarlılık ise şu şekilde ifade edilen asimtotik bir özelliktir

plimβ^=β

OP, bu bağlamda OLS'nin önyargılı olmasına rağmen, hala tutarlı olduğunu göstermektedir.

E(β^)βbutplimβ^=β

Burada çelişki yok.


6

@Alecos, doğru bir plim ve tarafsızlığın neden aynı olmadığını güzelce açıklar. Tahmincinin tarafsız olmasının altında yatan nedene gelince, bir tahmincinin tarafsızlığının tüm hata terimlerinin tüm regresör değerlerinden bağımsız olmasını gerektirdiğini hatırlayın ,E(ϵ|X)=0.

Mevcut durumda, regresör matrisi değerlerden oluşur y1,,yT1, böylece - mpiktas'ın yorumuna bakın - durum E(ϵs|y1,,yT1)=0 hepsi için s=2,,T.

Burada,

yt=βyt1+ϵt,
Varsayım altında bile E(ϵtyt1)=0 bizde var
E(ϵtyt)=E(ϵt(βyt1+ϵt))=E(ϵt2)0.
Fakat, yt ain AR modelinde gelecekteki değerler için bir regresördür. yt+1=βyt+ϵt+1.

3
Eklerim ki E(ε|X) bu durumda E(εs|y1,...,yT) her biri için s. Sonra daha fazla tartışma biraz daha netleşir.
mpiktas

iyi bir noktaya, bir düzenleme yaptım
Christoph Hanck

3

İki iyi cevabı genişletmek. OLS tahmincisini yazın:

β^=β+t=2Tyt1εtt=2Tyt12

Tarafsızlık için ihtiyacımız var

E[t=2Tyt1εtt=2Tyt12]=0.

Ama bunun için buna ihtiyacımız var E(εt|y1,...,yT1)=0, her biri için t. AR (1) modeli için bu açıkça başarısız olur, çünküεt gelecekteki değerlerle ilgilidir yt,yt+1,...,yT.


Sadece doğru anladığımı kontrol etmek için: Sorun her bir t için pay değil yt1 ve ϵtilintisiz. Sorun, pay ve payda arasında bir korelasyon olacak şekilde payın daha yüksek t 'lere sahip olan paydadır, böylece payın toplamı içinde beklentiyi alamam (sıkı dışsallık altında bunu yapabilir miyim ?!). Doğru matematik sezgisi bu mu?
Florestan

Evet bu doğru bir sezgi. Bu durumda katı dışsallığın mümkün olmadığını, ancak tarafsızlık açısından sıkı dışsallığın bir gereklilik haline geldiğini unutmayın.
mpiktas
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.