Założenia klasycznej metody najmniejszych kwadratów, Wykłady rachunkowość bankowość


Założenia klasycznej metody najmniejszych kwadratów (KMNK).

Najlepiej znaną i najczęściej stosowaną w praktyce metodą estymacji nieznanych parametrów strukturalnych 0x01 graphic
modelu0x01 graphic
jest metoda najmniejszych kwadratów (MNK). Przyjmujemy następujące założenia dotyczące stosowalności MNK do szacowania wektora 0x01 graphic
w modelu 0x01 graphic
:

(Z1) zmienne objaśniające 0x01 graphic
są nielosowe i nieskorelowane ze składnikiem losowym 0x01 graphic
,

(Z2) rz(x)=k+10x01 graphic
n,

(Z3) E0x01 graphic
=0,

(Z4) 0x01 graphic
, przy czym 0x01 graphic

Niekiedy przyjmuje się dodatkowe założenie (Z5), rozszerzające założenia (Z3) i (Z4) , mianowicie

(Z5) 0x01 graphic
   dla t=1,2,...,n

Założenie (Z5) oznacza, że składnik losowy w każdym z okresów ma rozkład normalny o wartości oczekiwanej 0 i skończonej, stałej wariancji 0x01 graphic
Zasadność założenia (Z2) ma charakter algebraiczny i zostanie wyjaśniona poniżej. Założenia (Z3) i (Z4) warunkują korzystne własności estymatora  wektora parametrów 0x01 graphic
wymienione w podanym dalej  twierdzeniu Gaussa-Markowa. Symbol0x01 graphic
użyty w twierdzeniu Z4 oznacza macierz wariancji i kowariancji wektora składników losowych.

Założenia (Z1)-(Z4) dotyczące modelu 0x01 graphic
nazywane są założeniami klasycznej metody najmniejszych kwadratów, a MNK przy tych założeniach określa się mianem klasycznej metody najmniejszych kwadratów (KMNK).

METODA NAJMNIEJSZYCH KWADRATÓW (MNK)

Zamierzamy wyznaczyć oceny  nieznanych parametrów 0x01 graphic
modelu 0x01 graphic
. Wartości zmiennej objaśnianej otrzymane przy ocenach  nazwiemy wartościami teoretycznymi zmiennej objaśnianej, oznaczymy je przez 0x01 graphic
i obliczymy jako:

0x01 graphic
    t=1,2,...,n                            (2.4)

Resztą dla okresu t nazwiemy różnicę między wartością empiryczną a teoretyczną zmiennej objaśnianej , czyli

0x01 graphic
    t=1,2,...,n                                                             (2.5)

wartości teoretyczne zmiennej objaśnianej oraz reszty możemy zapisać w postaci wektorów:

0x01 graphic
      oraz  0x01 graphic

Wobec tego otrzymujemy macierzowy zapis równań  (2.4)

0x01 graphic
                                   (2.6)

oraz równań (2.5)

0x01 graphic
                (2.7)

Idea metody najmniejszych kwadratów (MNK) polega na wyznaczenia takiego wektora oszacowań a wektora parametrów0x01 graphic
, przy którym funkcja S(a) =0x01 graphic
  osiąga minimum . Funkcja  S(a)  wyraża sumę kwadratów odchyleń teoretycznych wartości zmiennej objaśnianej od empirycznych wartości tej zmiennej i może być przedstawiona w postaci

0x01 graphic
             (2.8)

Poszukiwanie punktu stacjonarnego funkcji S z warunku koniecznego istnienia ekstremum funkcji,

0x01 graphic
   

prowadzi do równania macierzowego

0x01 graphic
                               (2.9)

a w konsekwencji  do układu równań normalnych względem a postaci

0x01 graphic
                                           (2.10)

Macierz 0x01 graphic
jest macierzą Grama dla macierzy  X. Łatwo zauważyć ,że macierz 0x01 graphic
jest kwadratową, symetryczną macierzą stopnia  k+1.Warunek konieczny i dostateczny na to , by macierz  0x01 graphic
  była nieosobliwa jest identyczny z założeniem (Z2). Widzimy więc że  założenie (Z2) ma charakter algebraiczny i warunkuje otrzymanie jedynego rozwiązania układu (2.10).

Przy założeniu (Z2) układ równań normalnych (2.10) jest więc układem Cramera .Jego (jedyne) rozwiązanie dane jest wzorem

0x01 graphic
                                       (2.11)

Można sprawić ,że macierz drugich pochodnych cząstkowych funkcji S względem a jest równa

0x01 graphic
                                       (2.12)

Jest ona dodatnio określona. Wobec tego funkcja S w punkcie a osiąga minimum lokalne.

Gdy macierz X i wektor y mają znaną postać liczbową, wówczas ze wzoru (2.11) otrzymamy oceny parametrów szacowanego modelu. W ogólnym przypadku wzór (2.11) przedstawia postać estymatora parametrów modelu 0x01 graphic
wyprowadzono przy użyciu MNK z jedynym założeniem (Z2).Mimo identycznego symbolu a stosowanego w statystyce i ekonometrii do oznaczenia estymatora i jego konkretnej wartości (czyli oceny nieznanego parametru) nie należy mylić tych dwóch pojęć.

Twierdzenie (Gaussa-Markowa)

Estymator a wyznaczony KMNK jest estymatorem: liniowym , zgodnym, nieobciążonym i najefektywniejszym w klasie liniowych i nieobciążonym estymatorów wektora parametrów 0x01 graphic
modelu 0x01 graphic
.

Przypomnijmy, że:

- estymator zgodny jest zbieżny stochastycznie do 0x01 graphic
;

- estymator nieobciążony to taki ,dla którego E(a) = 0x01 graphic
;

- estymator najefektywniejszy ma w określonej klasie estymatorów najmniejszą wariancję;

- estymator liniowy - uzasadnienie znajduje się poniżej.

Wektor  a  jest estymatorem liniowym, ponieważ każda składowa wektora  jest liniową funkcją składowych wektora y  o współczynnikach z iloczynu 0x01 graphic
.

Wyznaczenie wektora ocen a za pomocą MNK jest tożsame z wyznaczeniem pewnej hiperpłaszczyzny w przestrzeni 0x01 graphic
.Odnotujemy niektóre algebraiczne własności wektora a wyznaczonego przy użyciu MNK. Przyjmiemy przy tym oznaczenie0x01 graphic
dla kolumnowego wektora jedynek

0x01 graphic
                                                                         (2.13)

 0x01 graphic
                                                                         (2.14)

 0x01 graphic
                                         (2.15)

0x01 graphic
                                                              (2.16)

0x01 graphic
                                                                                   (2.17)

Procedura obliczenia wektora ocen a kończy etap estymacji parametrów strukturalnych modelu ekonometrycznego.

Macierz kowariancji (niekiedy nazywana macierzą wariancji i kowariancji estymatora  wyznaczamy ,korzystając z własności nieobciążności estymatora  a  i z założenia (Z4), w podany sposób:

0x01 graphic

0x01 graphic

A zatem

      0x01 graphic
                                         (2.18)

1



Wyszukiwarka

Podobne podstrony:
PMikro cw, Wykłady rachunkowość bankowość
Hipoteza o istotności parametrów strukturalnych, Wykłady rachunkowość bankowość
pytania 67-72 +132, Wykłady rachunkowość bankowość
pyt egz makra, Wykłady rachunkowość bankowość
MAKROEKONOMIA, Wykłady rachunkowość bankowość
91-96, Wykłady rachunkowość bankowość
5 wnioski z metody najmniejszych kwadratów
36-42, Wykłady rachunkowość bankowość
POLITYKA REGIONALNA-ŚCIĄGI, Wykłady rachunkowość bankowość
Pytania egzaminacyjne Zarządzanie, Wykłady rachunkowość bankowość
85-90, Wykłady rachunkowość bankowość
Zakres pracy zaliczeniowej do OKiWP, Wykłady rachunkowość bankowość
socjologia, Wykłady rachunkowość bankowość

więcej podobnych podstron