Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
vuoi
o PayPal
tutte le volte che vuoi
Formattazione del testo
X. 5u Se la matrice è invertibile, cioè se6X'X ≠ 0 si ottiene la stima dei minimi quadrati ordinari (1.4.10)-1β̂ = (X'X)^(-1)X'y Più oltre, in questo paragrafo, determineremo la condizione sufficiente per il minimo.
In conclusione, l'unica ipotesi che è necessario fare per calcolare la stima dei β̂ mediante la formula (1.4.10), oltre al requisito dell'omogeneità minimi quadrati del campione (y,X), è che valga la (1.4.9).
Per la nozione di ortogonalità fra vettori si veda il par. XIX-1.1.5 Nel paragrafo XIX-1.8 si mostra che il determinante di X'X è nonnegativo per una qualsiasi X.
1-13 Modulo II – Minimi quadrati
1.9 – Poiché il rango massimo di X'X è k, per i teoremi Osservazione XIX-1.4 e XIX -1.3 la condizione (1.4.9) è equivalente alla seguente n k r X ≥ k.
L'ortogonalità dei residui
Rispetto alle variabili esplicative β̂, poiché le equazioni normali (1.4.8) sono soddisfatte da definita dalla (1.4.10), vale la relazione −1′ β̂ = ′ ′ ′ = ′ (1.4.12)X X X X( X X ) X y X y ′[ ]= che viene utilizzata per dimostrare delle stimel’ortogonalità ˆ ˆ ˆ ˆu u u ... u1 2 ndei residui rispetto alle variabili esplicative. Coerentemente con la (1.4.2) si ha7= − = − β̂ (1.4.13)uˆ y yˆ y Xcostituito dalla differenza tra il vettore dei valori osservati e quello dei valoriŷyteorici = β̂ (1.4.14)yˆ X β̂formati dalla componente sistematica delle con i parametri stimati tramite ily itcriterio dei minimi quadrati. L’ortogonalità di rispetto alle variabili esplicativeûconsiste, dunque, nel fatto che è (1.4.15)′ = ′ − β = ′ − ′ β =ˆ ˆX uˆ X ( y X ) X y X X 0per la (1.4.8).
Trasponendo la (1.4.15) si ottiene, ovviamente,′ ′= (1.4.16)ˆu X 0Le (1.4.15) o (1.4.16) generalizzano le (1.3.13).
L’ortogonalità mostrata dalla (1.4.15) può essere interpretata nel senso che èûla proiezione ortogonale di sullo spazio ortogonale a quello generato dalle colonneydi . D’altro canto consiste nella proiezione ortogonale di sullo spazio generatoŷX ydalle colonne di , per cui e sono ortogonali. InfattiŷX û ′ = β ′ =ˆyˆ uˆ ' X uˆ 0avendo sfruttato le (1.4.14) e (1.4.15).
Le relazioni (1.4.15) e (1.4.16) permettono di determinare la seguente′scomposizione del prodotto scalare che otteniamo in virtù delle definizioniy y(1.4.13) e (1.4.14)
Talvolta la stima è indicata con il simbolo ed il vettore cone7 û û e.tt 1-14Modulo II – Minimi quadrati (1.4.17)′ = β + ′ β + = β ′ β + β ′ + β +
′ˆ ˆ ˆ ˆ ˆ ˆy y ( X uˆ ) ( X uˆ ) ' X X ' X uˆ uˆ ' X uˆ uˆ yˆ ' yˆ uˆ uˆe che lega i valori osservati con i teorici e i residui stimati.
Se l’equazione (1.3.4) contiene l’intercetta, una delle colonne di , ad esempioX′l’ultima, è costituita da unità, per cui anche l’ultima riga di è formata da 1, eXdalla (1.4.15) deriva che n∑ (1.4.18)=ˆu 0t=t 1cioè il valor medio campionario dei residui stimati è nullo, se viene calcolatal’intercetta. La (1.4.18) generalizza la prima delle (1.3.13). In questo caso,considerando la (1.4.2), si ha anche che il valor medio campionario delle è ugualeytal valor medio campionario delle stimateŷ tn n1 1∑ ∑= = (1.4.19)ˆy y yt tn n= =t 1 t 11.10 - L’equazione del sistema (1.4.15) può essereOsservazione i-esimascritta nella forman n∑
∑′− β = =ˆ (1.4.20)ˆx ( y x ) x u 0it t t it t= =t 1 t 1dove è il vettore delle variabili esplicative al tempo . Se in virtùk tx′ t =1,della presenza dell’intercetta è, ad esempio, per ogni , si ottienex tktnuovamente la (1.4.18).Un esempio: il modello lineare semplice in termini matricialiTrattiamo il caso del modello lineare semplice (1.3.1) in termini matriciali. La(1.4.4) è in forma esplicita y u1 1 y 1 x u 2 1 2 β ... 1 x ... = +2 1 β ... ... ... ...2 ... 1 x ... n y un n′per cui la matrice èX X 1-15Modulo II – Minimi quadrati n∑ n x t′ = =t 1X X n n ∑ ∑ 2x x t t = =t 1 t 12 n n∑ ∑′ = − con
determinante e aggiunta2det( X X ) n x xt t = =t 1 t 1 n n∑ ∑−2 x xt t′ = = =t 1 t 1agg ( X X ) n ∑− x n t =t 1
Si ha, allora, facendo uso delle posizioni (1.3.8) −− β ˆ y m y xmm x1 1−′ ′= = = xx xy1 xx 1 ( X X ) X y −− − −βˆ 2 2 m m x y m x x 1 m xxy xyxx xx2stime uguali alle (1.3.11) e (1.3.10), rispettivamente.
La condizione sufficiente per i minimi quadratiDeterminiamo ora le condizioni sufficienti affinché la devianza (1.4.6) possegga unβ̂minimo nel punto estremante trovato tramite la condizione necessaria (1.4.10).Se consideriamo il differenziale del secondo ordine della funzione (β)S (1.4.21)2d S(β ) = dβ′Hdβdove ed è la matrice quadrata simmetrica di ordine , dettadβ = (dβ dβ …
dβ) H k1 2 k, il cui elemento generico (i, èhessiana j)∂ β2 S ( )∂β ∂βi jè positivo o negativo a seconda che sia definita positiva o negativa. Così la2d S(β) Hβ̂condizione sufficiente affinché corrisponda ad un minimo (la positività deldifferenziale ) è che la matrice2d S(β) ∂ β2 S ( )= =2 ′H X X (1.4.22)∂β ∂βi j βottenuta derivando la (1.4.7) rispetto a sia definita positiva. Ma per l’ipotesiβ̂′(1.4.11) e il teorema XIX-1.8 la è definita positiva e quindi è un punto diX Xminimo. 1-16Modulo II – Minimi quadratiDunque la condizione (1.4.9) oppure l’equivalente (1.4.11) è necessaria eβ̂sufficiente perché sia un minimo per (β).S1.11 - In analogia a quanto asserito sopra, la condizioneOsservazione β̂sufficiente affinché corrisponda ad un massimo (la negatività
La differenza tra le condizioni sufficienti e necessarie per la matrice S(β) è che la matrice sia definita negativa.
Le condizioni sufficienti possono essere dimostrate anche senza ricorrere al differenziale del secondo ordine (1.4.21). A questo scopo scriviamo la devianza (β) nel modo seguente:
′n∑ ′β = = = − β − β =2S ( ) u u u (y X ) ( y X )t=t 1 ′= − β + β − β − β + β − β =ˆ ˆ ˆ ˆ( y X X X ) ( y X X X ) (1.4.23)′= − β − β − β − β − β − β =ˆ ˆ ˆ ˆ[( y X ) X ( )] [( y X ) X ( )]′ ′ ′= − β − β + β − β β − βˆ ˆ ˆ ˆ( y X ) ( y X ) ( ) X X ( )dove si è sfruttato il fatto che i prodotti incrociati sono nulli per la proprietà di ortogonalità esposta nella (1.4.16)8′ ′− β β
- β = β - β = ˆ ˆ ˆ( y X ) X ( ) uˆ X ( ) 0da cui anche, trasponendo,= β - β - β ˆ ˆ0 ( ) X ( y X ) - ≠Sfruttando il corollario XIX -1.1 del par. XIX -1.8, dato che ) 0 la formadet(X Xβ β̂ β - β - β − βin ( ) data dalla nella (1.4.23) sarà maggiore diˆ ˆquadratica - ( ) X X ( )β ββ̂ β̂≠zero se ( - ) Allora, poiché è un vettore di costanti, il minimo di ( ) viene0. Sβ β̂ottenuto se si prende dato dalla (1.4.10), che quindi costituisce il vettore delle=stime dei minimi quadrati dei parametri del modello (1.4.4).1.12 - La condizione sufficiente consistente nellaOsservazione ′definitezza positiva della matrice corrisponde al fatto cheX Xβ − β - β - β − β > β − β ≠per un qualsiasi , cioèallaˆ ˆ ˆ( ) X X ( ) 0 0 βdisuguaglianza utilizzata per mostrare che la devianza ( ) è minimaSβ = βnella (1.4.23) quando .ˆNelle due uguaglianze seguenti sono utilizzate le proprietà dell’operazione di8trasp Il testo formattato con i tag HTML sarebbe il seguente:allaˆ ˆ ˆ( ) X X ( ) 0 0 βdisuguaglianza utilizzata per mostrare che la devianza ( ) è minimaSβ = βnella (1.4.23) quando .ˆNelle due uguaglianze seguenti sono utilizzate le proprietà dell’operazione di8trasp