Gauss-Markov teoremi: MAVİ ve OLS


9

Wikipedia'da Guass-Markov teoremini okuyorum ve birinin teoremin ana noktasını bulmama yardım edebileceğini umuyordum.

Matris biçiminde doğrusal bir model olduğunu varsayıyoruz: ve biz MAVİ, arıyoruz .

y=Xβ+η
β^

Uygun olarak , bu , bir işaretleyebilecek ve "kalıntı" "hatası". (Yani Gauss-Markov sayfasındaki kullanımın tersi).η=yXβε=β^β

OLS (normal en küçük kareler) tahmincisi argmin'i olarak türetilebilir .||residual||22=||η||22

Şimdi beklenti operatörünü gösterelim. Anladığım kadarıyla, Gauss-Markov teoreminin bize söylediği şey, eğer ve , sonra argmin, nin doğrusal, yansız tahmin edicileri, OLS tahmincisi.EE(η)=0Var(η)=σ2IE(||error||22)=E(||ε||22)

Yani

argminβ^(y)||η||22=(XX)1Xy=argminlinear, unbiased β^(y)E(||ε||22)

Anlayışım doğru mu? Ve eğer öyleyse, makalede daha belirgin bir vurguya layık olduğunu söyleyebilir misiniz?

Yanıtlar:


14

Sana için EKK kanıtlamak için arıyorsanız doğru soru, ama anlaşılan değilim emin eğer MAVİ olduğu (tarafsız tahmincisi doğrusal en iyi) aşağıdaki iki şeyi ispat etmek zorunda: Öncelikle bu tarafsız ve ikincisi tüm doğrusal yansız tahmin ediciler arasında en küçük olanıdır.β^β^Var(β^)

OLS tahmincisinin tarafsız olduğuna dair kanıt burada bulunabilir http://economictheoryblog.com/2015/02/19/ols_estimator/

ve in tüm doğrusal yansız tahminciler arasında en küçük olduğuna dair kanıt burada bulunabilir http://economictheoryblog.com/2015/02/26/markov_theorem/Var(β^)


Kanıtlar yardımcı olur, evet.
Patrick

0

Öyle görünüyor ki önsezim doğrulandı, örneğin Giriş Ekonometrisi kitabının 375. sayfasında . İlgili alıntı:

Kitaptan alıntı


Cevabınız gelecekte başkaları için yararlı olabileceğinden lütfen bir şeyler daha yazın.
Tim

Bağlantınız koptu.
Glen_b
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.