Anteprima
Vedrai una selezione di 3 pagine su 8
Teoremi OLS e modello multiplo Pag. 1 Teoremi OLS e modello multiplo Pag. 2
Anteprima di 3 pagg. su 8.
Scarica il documento per vederlo tutto.
Teoremi OLS e modello multiplo Pag. 6
1 su 8
D/illustrazione/soddisfatti o rimborsati
Disdici quando
vuoi
Acquista con carta
o PayPal
Scarica i documenti
tutte le volte che vuoi
Estratto del documento

Teorema di Gauss-Markov

Def

  • Considerate le assunzioni OLS estese:
  • E[μi|Xi] = 0
  • (Xi, Yi) iid
  • E(X4) < ∞    E(Y4) < ∞
  • Var σi, σi2 ∀ V (omosch)
  • un ∈ N(0, σi)

Lo stimatore OLS di β1 è quello con la varianza + piccola tra tutti gli stimatori lineari dei β1 cioé β1 ∈ BLUE

BEST     LINEAR     UNBIASED     ESTIMATOR

  • β1, β2 hanno una distribuzione normale
  • la statistica t si distribuisce come una t di Student con (n-2) gdl

Dimostrazione

  1. Verifichiamo le condizioni di GM derivanti dalle assunzioni OLS estese
  2. E[μt | Xt, X2, ..., Xm] = 0    [∀ + ∀2]    (μ condizionato a qualsiasi errore ha media nulla)
  3. Var [μt | Xt1, X2, ..., Xm] < σx2 < ∞    [∀3 + ∀4]    (omosch)
  4. Var [μt, μt1 | Xt, X2, ..., Xm] = 0    [∀ + ∀2]    (cov. nulla)

β1 = m (Xi - ¯X) (Yi - ¯Y)/m (Xi - ¯X)2                          â: (Xi - ¯X)2/(Xt - â)2

β1, ∑im âiYi

Sappiamo che β1 è corretto quindi

E[β1 | Xt, X2, ..., Xm] = β1     Var [β1|Xt, ..., Xn] = σY2/σx2/E[(Xt'Xt)2]

Introduciamo un nuovo stimatore β't lineare non distorto per dimostrare che

Var [β'1] ≤ Var [β1]

βn = ∑i=11 âiyi

Se vale

yi = β0 + β1 X1~ + μi

β1 = (Σa~i/ΣX) (β1Xi + μi)

= β0Σm/i=1a~i + β1Σm/i=1aiXi + Σn/i=1aiμi

β1 è consistentemente non distorto se E[β1 | X1, ..., Xm] = β1

E[β1 | X1, X2, …] + β1E[Σ a2i X | X1] = E[Σ a~iμi | X1] = 0

Introduco due vincoli

1. Σ a~i = 0

2. Σ X~ia~iX = 1

Quindi E[β1 | X1 ,..., Xm β...] non deteriorano

Se sostituiamo i vincoli in β~1 rimuovo

x2μiΣm/i=1 a2iμi

Var[β1~ |X1, ..., Xm] xZm E[β1~] 2 |X1, ..., Xm] = Em/i=1 a2iui2 | X1] xR

Var[β2] = σ2μm/i=1 a2i

Var

Var LAOMOCH *x

σ~22 GM = σ2μ

Confrontiamo la varianza di β1 con quello di β1

Var[β2] x1, ..., Xm =

Σm/i=1x2μm/i=1Δ2i

Var[β~1μ

Lai non è la stessa ed introduco la grandezza âu = a2i

Var[β~1 x~

xσ2 â21/x Σa~[aii=1 - 2

Dettagli
Publisher
A.A. 2017-2018
8 pagine
SSD Scienze economiche e statistiche SECS-P/05 Econometria

I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher doc.ale.b di informazioni apprese con la frequenza delle lezioni di Econometria e studio autonomo di eventuali libri di riferimento in preparazione dell'esame finale o della tesi. Non devono intendersi come materiale ufficiale dell'università Università degli Studi di Pavia o del prof Castagnetti Carolina.