2.3 Schätzeigenschaften der OLS-Methode

Ähnliche Dokumente
Grundlagen der Biostatistik und Informatik

Aufgaben zur Ökonometrie I

Hypothesenprüfungen II.

2. Das multiple Regressionsmodell

Simulationsbasierte stochastisch dynamische Programmierung

Was benötigen wir dafür?

Vorbereitung und Protokoll zum Praktikum Elektronische Messtechnik

Inhaltsverzeichnis der Formelsammlung "Ökonometrie I"

s xy x i x y i y s xy = 1 n i=1 y 2 i=1 x 2 s 1 n x n i Streudiagramme empirische Kovarianz x=5,5 y=7,5

Vergleich der Schätzungen und Hypothesenprüfungen. μ=? Typische Aufgaben der Hypothesenprüfung. Typische Fragen - gebrauchte Merkmale

Schätzungen und Hypothesenprüfungen Schätzungen Hypothesenprüfungen Typische Entscheidungsfragen in der Medizin Die Alternativhypothese

(5.18) Cov(u) = E(uu ) = σ² Ω.

= T Jährliche Ratentilgung Jährliche Ratentilgung. Ausgangspunkt: Beispiel:

( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i

Formelsammlung zur Ökonometrie I (Ökonometrische Eingleichungsmodelle)

Investitionsund Finanzierungsplanung mittels Kapitalwertmethode, Interner Zinsfuß

2. Ökonometrische Eingleichungsmodelle

17. Kapitel: Die Investitionsplanung

Statistik und Wahrscheinlichkeitsrechnung

Kapitel 17 : Lineare Regression Darstellung von zweidimensionalen Daten : (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n )

Die zweite Implikation der Annahme einer skalaren Kovarianzmatrix, (2.7) 2 nxn

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt 7 5. Semester ARBEITSBLATT 7 PARAMETERDARSTELLUNG EINER EBENE

richtige Entscheidung mit Wahrscheinlichkeit 1 α Fehlentscheidung 1. Art mit Wahrscheinlichkeit α

Das Skalarprodukt ist ein Produkt zweier Vektoren, das als Ergebnis ein Skalar (eine reelle Zahl) liefert. Es ist folgendermaßen definiert: r o

Wirksamkeit, Effizienz

und wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n.

Arithmetische Reihen Geometrische Reihen. Theorie und Musterbeispiele. Es wird auch das Arbeiten mit dem Summenzeichen geübt! Datei Nr.

Mathematische Probleme, SS 2015 Montag 1.6. $Id: convex.tex,v /06/01 09:26:03 hk Exp $

Wahrscheinlichkeitstheorie und Statistik vom

(a) Richtig, die Varianz ist eine Summe quadratischer Größen.

Folgen und Reihen. 23. Mai 2002

26 Eigenschaften der Eigenwerte, Eigenvektoren und Eigenräume

Intervallschätzung. Bibliografie:

Diesen Grenzwert nennt man partielle Ableitung von f nach x i und

Statistik im Bachelor-Studium der BWL und VWL

6. Übung - Differenzengleichungen

So lösen Sie die Gleichung für den Korrelationskoeffizienten

Grundgesamtheit handelt, stellt sich die Frage nach der Unsicherheit dieser Schatzung.

Einführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt

Analytische Statistik. Statistische Schätzungen ( Fortsetzung) Population N = unendlich. Stichprobe n = endlich

Methode der kleinsten Quadrate

6 Vergleich mehrerer unverbundener Stichproben

Mathematik III. Vorlesung 81. Eigenschaften des Dachprodukts. Die folgende Aussage beschreibt die universelle Eigenschaft des Dachproduktes.

Es gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden

Prognoseverfahren. 3.4 Aufgaben ÜBERBLICK

Analyse von Zeitreihen

Abschlussklausur vom 26. Juli 2012 Teil 1: Multiple Choice (10 Punkte)

Statistik I Februar 2005

2 Konvergenz von Folgen

10. Grundlagen der linearen Regressionsanalyse 10.1 Formulierung linearer Regressionsmodelle

Mathematische und statistische Methoden I

Statistik und Wahrscheinlichkeitsrechnung

ue biostatistik: hypothesen, t test 1/8 h. lettner / physik

e sx y(x)dx 2. Direkt gemäss der Definition unter Verwendung der in der Vorlesung angeführten Eigenschaften

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa

Ganzrationale Funktionen

Hauptprüfung 2010 Aufgabe 4

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:

3 Vergleich zweier unverbundener Stichproben

,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit

Übungen mit dem Applet erwartungstreu

10 Aussagen mit Quantoren und

Reihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel

Lies dir die Blätter genau durch! Kontrolliere, was du noch alles weißt! Löse die Aufgaben!

Mathematik: Mag. Schmid Wolfgang+LehrerInnenteam ARBEITSBLATT 6-13 ERMITTELN DER KREISGLEICHUNG

Musterlösung Serie 10

n=0 f(x) = log(1 + x) = n=1

9. Übungsblatt Aufgaben mit Lösungen

1 Elementare Zahlentheorie. 0. Grundbegriffe

Aufgaben zur Ökonometrie I

10. Testen von Hypothesen Seite 1 von 6

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel

4. Reihen Definitionen

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr

Wirksamkeit, Effizienz

x = a + b α + β. b) Wir erweitern den Bruch geeignet (Standardtrick: z z ist reell, daher ergibt 1/z = 1/z z/ z = z/(z z) einen reellen Nenner):

2 Vollständige Induktion

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8

Wir wiederholen zunächst das Majorantenkriterium aus Satz des Vorlesungsskripts Analysis von W. Kimmerle und M. Stroppel.

Zahlenfolgen und Konvergenzkriterien

Lineare Transformationen

38 Normen und Neumannsche Reihe

Arbeitsblatt 22: Rekursive Reihen Alkoholentzug

1 Randomisierte Bestimmung des Medians

Positiv denken! Lösungen

Klausur Einführung in die statistische Messdatenauswertung für Biotechnologen Kurzfragen

= a n: Wurzelexponent x: Radikand oder Wurzelbasis a: Wurzelwert Bei der ersten Wurzel wird einfach das Wurzelzeichen weggelassen.

3 Grenzwerte. 3.1 Grenzwerte von Folgen

Kapitel VI. Einige spezielle diskrete Verteilungen

8. Übungsblatt Aufgaben mit Lösungen

4. Vektorräume mit Skalarprodukt

Kapitel 5: Gemeinsame Verteilung und Unabhängigkeit von Zufallsvariablen

Schätzen. Mehrdimensionale Verteilungsfunktionen Kovarianz und Korrelation Statistiken BLUE Konsistenz Arithmetisches Mittel vs.

Restkapazität. = O( V ) mal kritisch. Also gibt es insgesamt höchstens O( V E ) Augmentierungen.

Übungen mit dem Applet Taylor-Entwickung von Funktionen

BERGISCHE UNIVERSITÄT WUPPERTAL

Herleitung der Parameter-Gleichungen für die einfache lineare Regression

Repräsentativität und Unabhängigkeit

Monotonie einer Folge

2. Diophantische Gleichungen

Transkript:

.3 Schäzeigechafe der OLS-Mehode Jede Schäzmehode wei beimme Güeeigechafe auf, die vo der Erfüllug beimmer Vorauezuge abhäge. Wa die gewöhliche Mehode der kleie Quadrae (OLS-Mehode) beriff, id beimme Schäzeigechafe beka, ofer die Sadardaahme de muliple egreiomodell erfüll id. I die Sörvariable im Miel gleich 0 ud i ihre Variaz koa, o i der OLS-Schäzer der egreiokoeffiziee ach dem Gau-Markov-Theorem bei fehleder Auokorrelaio die bee lieare uverzerre Schäzfukio (be liear ubiaed (blu) eimaor). Uverzerr bedeue dabei erwarugreu. Im Miel imme die OLS-gechäze egreiokoeffiziee mi de ubekae egreiokoeffiziee der Grudgeamhei überei. Beer Schäzer bezieh ich auf die Geauigkei der Schäzug ud bedeue Effiziez. Uer de Sadardaahme i der OLS- Schäzer im lieare egreiomodell alo erwarugreu ud effizie. E gib da keie adere lieare ud erwarugreue Schäzer der egreiokoeffiziee, der zu eier gerigere Variaz führ. Darüber hiau i die OLS-Mehode koie. Koiez heiß, da ich die gechäze egreiokoeffiziee mi wachedem Sichprobeumfag imbeer de ubekae egreiokoeffiziee der Grudgeamhei aäher.

Erwarugreue Ei Schäzer i erwarugreu, we ei Erwarugwer mi dem Parameer der Grudgeamhei übereiimm. Um die Erwarugreue de OLS-Schäzer βˆ zu zeige, eze wir zuäch da egreiomodell (.5) i (.15) ei: ˆ 1 1 β ( XX ' ) Xy ' ( XX ' ) Nach Aumulipliziere erhäl ma o da (.33) folg. ˆ 1 1 β ( XX ' ) ˆ 1 β β ( XX ' ) XXβ ' ( XX ' ) Xu ' Nu ka der Erwarugwer vo E(ˆ) β E X'( Xβ + u) Xu ' βˆ beimm werde: 1 1 β ( XX ' ) Xu ' ) E( β) E ( XX ' ) Xu ' β E ( X' X) 1 X' u

Mi E(u) = 0 erhäl ma chließlich (.34) E(ˆ) β β gezeig. Au der au- Dami i die Erwarugreue de OLS-Schäzer führliche Schreibweie vo (.34) βˆ E(ˆ E(ˆ E(ˆ 1 k ) ) ) 1 k, i erichlich, da die Erwarugwere der OLS-Schäzer ˆ 1, ˆ,..., ˆ k mi de ubekae egreiokoeffiziee de ökoomeriche Modell übereiimme.

Effiziez Ei erwarugreuer Schäzer, der im Vergleich zu alle aleraive uverzerre Schäzer die kleie Variaz ha, heiß effizie. Ma bezeiche eie olche Schäzfukio al bee uverzerre Schäzer. Der OLS- Schäzer βˆ i i der Klae der lieare Schäzfukioe effizie. E ei βˆ ~ j der OLS-Schäzer für de ubekae egreiokoeffiziee βj ud β j ei beliebiger aderer liearer Schäzer. Effiziez bedeue da, da Die Variaz de OLS-Schäzer βˆ j am gerige i: ~ (.35) Var( βˆ j ) Var( β j ), j=1,,,k. Koiez We ei Schäzer mi zuehmedem Sichprobeumfag eie Parameervekor immer geauer reffe oll, da i ibeodere ei Grezverhale für -> vo Ieree, alo eie Eigechaf bei große Sichprobe. Bei der Koiez geh e um die Frage, ob ei Schäzer bei eiem über alle Greze wachede Sichprobeumfag chließlich mi dem Parameervekor β zuammefäll: lim E(ˆ) β β ud lim Cov(ˆ) β 0

.4 Beimmheimaß ud mulipler Korrelaiokoeffizie Beimmheimaß (Deermiaiokoeffizie) - Beureilug der globale Güe der Apaug de egreiomodell - Quaifizierug de Erkläruggehal der exogee Variable i eiem ökoomeriche Modell Varíaz der abhägige Variable Y: (.36) 1 1 1 y (y y) y y y' y y Variazzerlegug: (.37) y ŷ û mi (.38) 1 1 1 ŷ (ŷ y) ŷ y yˆ'ˆ y y wege ŷ y (.39) û 1 1 û uˆ' uˆ wege û 0

Beimmheimaß (Deermiaiokoeffizie): ŷ (.40a) oder (.40b) 1 y û y Werebereich: 0 1 echeformel: (.41a) yˆ'ˆ y y' y y y ˆ' y yˆ - y' y y y oder (.41b) βˆ' X' y y y' y y ˆ' β X' y y' y y y

Beipiel: Geuch i der Aeil der Variaz de Privae Verbrauch, der auf die Sreuug de verfügbare Eikomme zurückgeführ werde ka. Um hierüber eie Auage mache zu köe, wird da Beimmheimaß für die makroökoomiche Koumfukio für de Süzbereich vo 1994 bi 01 uer Verwedug der Berechugformel (.41b) ermiel. Uer Verwedug vo ˆβ ' 38, 5 0, 93354, y 4034,68 X'y xy 339606,83 bereche wir Mi =19 ud y 164, 98 y'y ˆˆβ'X'y ˆ 3077706 _ y'y y 3077835 ergib ich dami ei Beimmheimaß vo 193077706 4034,68 583166740 0,9968 193077835 4034,68 583187986

Eifacher ud mulipler Korrelaiokoeffizie - Eifache egreio: (.4) r yx Aufgrud der Liearraformaio ŷ βˆ 1 βˆ x gil ŷ ˆ x womi (.4) eifach gezeig werde ka: ŷ y ˆ x y x xy y x xy x y r xy Die Wurzel de Beimmheimaße gib bei der eifache egreio daher de abolue Wer de Korrelaiokoeffiziee zwiche dem egreade y ud dem egreor x wieder: (.43) r yx

- Muliple egreio: Da Beimmheimaß i da da Quadra de muliple Korrelaiokoeffiziee r yŷ, der die Korrelaio zwiche der abhägige Variable y ud alle uabhägige Variable x 1,x,...,x k (=Korrelaio zwiche der abhägige Variable y ud de egreiowere ŷ) wiedergib: (.44) r yŷ r yx 1,,...k Da Vorzeiche de muliple Korrelaiokoeffiziee r yx 1,,...k bleib ubeimm, da poiive ud egaive Eiflüe der egreore gleichzeiig aufree köe: (.45) ryŷ ryx 1,,...k

Korrigiere Beimmheimaß Obwohl da Beimmheimaß gu ierpreierbar i, eige ich ur eigechräk für eie Vergleich vo egreiomodelle mi eier uerchiedliche Azahl vo uabhägige Variable. We zuäzliche egreore i ei egreiomodell aufgeomme werde, erhöh ich ² auch we diee keie ökoomiche elevaz beize. Ma ka die vermeide, idem ma die Zahl der Freiheigrade bei der Berechug der Deermiaio berückichig. Da korrigiere Beimmheimaß 1 uˆ' uˆ (.46) 1 k 1 y' y y 1 ka im Gegeaz zu ² im Falle eier Eibeziehug irrelevaer egreore ike. Eie Berechug de korrigiere Beimmheimaße ka über ² erfolge: (.47) 1 1 1 k