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
Tema Esame 28 Maggio 2015
Yi = β0 + β1 Xi + μi, i = 1, 2, ..., m
a) OLS β0, β1
Dato il modello di regressione lineare semplice
Yi = β0 + β1 Xi + μi, i = 1, 2, ..., m
utilizzo il metodo OLS che consente di minimizzare la diff. quadratica tra i valori reali ed i valori stimati:
minβ0, β1 ∑i=1m (Yi - β0 - β1 Xi)2
S(β0, β1) = funzione obiettivo
Comando β0, ∂S/∂β0 → F.O.C
-2 ∑i=1m [Yi - β0 - β1 Xi] = 0
Spezz la sommatoria, ∑i=1m Yi - m β0 - β1 ∑i=1m Xi = 0
Remiedo β1, ∂S/∂β1 = 0 → F.O.C
-2 ∑i=1m [Yi - (β0 + β1 Xi)] Xi = 0
Sostituire β̂1 → ∑i=1m [Yi - Ȳ + β1 X̄ + β1 (Xi - X̄ )] Xi = 0
∑i=1m (Yi - Ȳ ) Xi - β1 ∑i=1m (Xi - X̄ ) Xi = 0
Sottraggò ed aggiungo due termini tali che
- ∑i=1m (Yi - Ȳ ) X̄ = 0
- β2 ∑i=1m (Xi - X̄) X̄ = 0
β̂1 = ∑i=1m (Xi - X̄) (Yi - Ȳ)/∑i=1m (Xi - X̄)2
β̂0 = Ȳ − β̂1 X̄
funzioni lineari, β̂1 (in segno) dipende dalla covarianza, perché la varianza è sempre +
b) Form ricavate distr. appross β2 con n grande
β̂1 - β̂ = 1/zm ∑mi=1 (Xi - X)ui
/ / / /i=1 (Xi - X)2
condivido per m2 = Σm(Xi - X)2
divido al num e div per m e al denominatore
moltiplico /divido per (n - X)
β̂1 - β̂2 = 1/m ∑mi=1 (Xi - X)Vi
con Vi: (Xi - X)ui
variabili casuali
con n grande (lavano con grandi campioni) posso semplificare:
Σmi=1 (Xi - X)ui ∼
(Xi - h)iui ∼σ2
σ2