5 wnioski z metody najmniejszych kwadratów

background image





dr Dušan Bogdanov

1

Ekonometria 1


Wykład 5

Wnioski z metody najmniejszych kwadratów

Rozwa

ż

my układ równa

ń

normalnych w sytuacji, gdy model liniowy ma wyraz wolny, to znaczy

1

tk

x

. Układ równa

ń

normalnych mo

ż

na zapisa

ć

w postaci:

=

=

=

=

=

+

+

+

n

t

t

t

n

t

t

k

n

t

t

t

n

t

t

x

y

x

a

x

x

a

x

a

1

1

1

1

1

2

1

2

1

2

1

1

...

=

=

=

=

=

+

+

+

n

t

t

t

n

t

t

k

n

t

t

n

t

t

t

x

y

x

a

x

a

x

x

a

1

2

1

2

1

2

2

2

1

2

1

1

...

…………………………………………………..

=

=

=

=

+

+

+

n

t

t

k

n

t

t

n

t

t

y

na

x

a

x

a

1

1

2

2

1

1

1

...

(5.1)

Ostatnie równanie podzielmy przez n:

=

=

=

=

+

+

+

n

t

t

k

n

t

t

n

t

t

y

n

a

x

n

a

x

n

a

1

1

2

2

1

1

1

1

...

1

1

(5.2)

y

a

x

a

x

a

k

=

+

+

+

...

2

2

1

1

(5.3)

Funkcja liniowa z wyrazem wolnym przechodzi przez warto

ś

ci

ś

rednie zmiennych.

W dalszej analizie odwołajmy si

ę

do postaci układu bezpo

ś

rednio po zró

ż

niczkowaniu:

(

) (

)

=

=

n

t

t

tk

k

t

t

t

x

x

a

x

a

x

a

y

a

S

1

1

2

2

1

1

1

...

2

(

) (

)

=

=

n

t

t

tk

k

t

t

t

x

x

a

x

a

x

a

y

a

S

1

2

2

2

1

1

2

...

2

…………………………………………………………

(

) ( )

=

=

n

t

tk

k

t

t

t

k

x

a

x

a

x

a

y

a

S

1

2

2

1

1

1

...

2

(5.4)

background image





dr Dušan Bogdanov

2

Ekonometria 1


Z przyrównania pochodnych cz

ą

stkowych do zera otrzymali

ś

my:

(

) (

)

0

...

2

1

1

2

2

1

1

=

=

n

t

t

tk

k

t

t

t

x

x

a

x

a

x

a

y

(

) (

)

0

...

2

1

2

2

2

1

1

=

=

n

t

t

tk

k

t

t

t

x

x

a

x

a

x

a

y

………………………………………………………

(

) ( )

0

1

...

2

1

2

2

1

1

=

=

n

t

tk

k

t

t

t

x

a

x

a

x

a

y

(5.5)


(

)

0

...

1

1

2

2

1

1

=

=

n

t

t

tk

k

t

t

t

x

x

a

x

a

x

a

y

(

)

0

...

1

2

2

2

1

1

=

=

n

t

t

tk

k

t

t

t

x

x

a

x

a

x

a

y

…………………………………………………

(

)

0

...

1

2

2

1

1

=

=

n

t

tk

k

t

t

t

x

a

x

a

x

a

y

(5.6)

Odchylenia zaobserwowanych warto

ś

ci zmiennej obja

ś

nianej

t

y

od warto

ś

ci oszacowanej funkcji

tk

k

t

t

t

x

a

x

a

x

a

y

+

+

+

=

...

ˆ

2

2

1

1

, to jest

t

t

t

y

y

e

ˆ

=

nazywamy resztami.


=

=

n

t

t

t

x

e

1

1

0

=

=

n

t

t

t

x

e

1

2

0

…………

=

=

n

t

t

e

1

0

(5.7)

Z przedstawionych równa

ń

wynika,

ż

e w modelu liniowym szacowanym metod

ą

najmniejszych

kwadratów wektor reszt i zmienne obja

ś

niane s

ą

ortogonalne i je

ż

eli w modelu jest wyraz wolny

to suma reszt jest równa 0.

background image





dr Dušan Bogdanov

3

Ekonometria 1


W warunku 3 stosowania metody najmniejszych kwadratów

żą

damy, aby zmienne obja

ś

niaj

ą

ce

były liniowo niezale

ż

ne, to znaczy aby

ż

adna ze zmiennych obja

ś

niaj

ą

cych nie była kombinacj

ą

liniow

ą

pozostałych zmiennych. Spełnienie tego warunku gwarantuje nam,

ż

e macierz

( )

X

X

T

jest

nieosobliwa tzn.

( )

0

det

X

X

T

, a wi

ę

c układ równa

ń

normalnych ma rozwi

ą

zanie. Sprawd

ź

my

to na przykładzie modelu, w którym b

ę

d

ą

tylko dwie zmienne obja

ś

niaj

ą

ce:

2

2

1

1

x

x

y

α

α

+

=

,

je

ż

eli te zmienne b

ę

d

ą

liniowo zale

ż

ne to

=

p

px

x

,

2

1

skalar, wówczas:

( )

=

=

=

=

=

=

=

=

=

=

n

t

t

n

t

t

t

n

t

t

t

n

t

t

n

t

t

n

t

t

t

n

t

t

t

n

t

t

T

x

x

px

x

px

x

p

x

x

x

x

x

x

X

X

1

2

2

1

2

2

1

2

2

1

2

2

2

1

2

2

1

2

1

1

2

1

1

2

1

( )

0

det

2

1

2

2

2

2

1

2

2

2

=









=

=

=

n

t

t

n

t

t

T

x

p

x

p

X

X

(5.8)

Rozwa

ż

my jeszcze, te

ż

na przykładzie modelu z dwiema zmiennymi obja

ś

niaj

ą

cymi, przypadek

przeciwny, to znaczy, gdy zmienne obja

ś

niaj

ą

ce s

ą

ortogonalne (prostopadłe), wtedy

=

=

n

t

t

t

x

x

1

2

1

0

,

oceny parametrów tego modelu b

ę

d

ą

miały posta

ć

:

( )

Y

X

X

X

a

T

T

1

=

(5.9)

( )

=

=

=

=

=

=

=

=

n

t

t

n

t

t

n

t

t

n

t

t

t

n

t

t

t

n

t

t

T

x

x

x

x

x

x

x

x

X

X

1

2

2

1

2

1

1

2

2

1

2

1

1

2

1

1

2

1

0

0

(5.10)

(

)

=

=

=

n

t

t

n

t

t

T

x

x

X

X

1

2

2

1

2

1

det

(5.11)

=

=

=

=

=

=

=

n

t

t

t

n

t

t

t

n

t

t

n

t

t

n

t

t

n

t

t

x

y

x

y

x

x

x

x

a

a

1

2

1

1

1

2

1

1

2

2

1

2

2

1

2

1

2

1

0

0

1

(5.12)

background image





dr Dušan Bogdanov

4

Ekonometria 1


=

=

=

=

=

n

t

t

n

t

t

t

n

t

t

n

t

t

t

x

x

y

x

x

y

a

a

1

2

2

1

2

1

2

1

1

1

2

1

(5.13)

Z powy

ż

szego wida

ć

,

ż

e w przypadku zmiennych obja

ś

niaj

ą

cych ortogonalnych oceny parametrów

przy poszczególnych zmiennych zale

żą

tylko od obserwacji tych zmiennych i zmiennej obja

ś

nianej.

Wniosek ten mo

ż

na uogólni

ć

na dowoln

ą

liczb

ę

zmiennych obja

ś

niaj

ą

cych. Wzajemna ortogonalno

ść

zmiennych obja

ś

niaj

ą

cych jest korzystna dla interpretacji parametrów strukturalnych modelu

1

.

Pytania kontrolne:

1. Kiedy zmienne obja

ś

niaj

ą

ce modelu s

ą

ortogonalne?

2. Jakie skutki dla szacunków parametrów modelu ma ortogonalno

ść

zmiennych?

3. Kiedy zmienne s

ą

liniowo niezale

ż

ne?

1

M. Rocki, Ekonometria praktyczna, SGH, Warszawa 2000, s. 28-29


Wyszukiwarka

Podobne podstrony:
Założenia klasycznej metody najmniejszych kwadratów, Wykłady rachunkowość bankowość
SPRAWKO Metoda Najmniejszych Kwadratów- SVD, Automatyka i robotyka air pwr, VI SEMESTR, Metody numer
Identyfikacja Procesów Technologicznych, Identyfikacja parametrycznarekurencyjną metodą najmniejszyc
metoda najmniejszych kwadratów wzory
6 własności estymatora parametrów klasycznego modelu liniowego uzyskanego metodą najmniejszych kwadr
Nieliniowa metoda najmniejszych kwadratów, Ekonometria
METODA NAJMNIEJSZYCH KWADRA, Inne
Metoda najmniejszych kwadratów
16 opracowanie rzutowanie metoda najmniejszych kwadratow
klasyczna metoda najmniejszych kwadratów, statystyka
3 ćwiczenia szacowanie parametrów modeli liniowych klasyczną metodą najmniejszych kwadratów
Podstawy Metrologii metoda najmniejszych kwadratów
Metoda najmniejszych kwadratów
Aproksymacja metodą najmniejszych kwadratów

więcej podobnych podstron