PODSTAWY EKONOMETRII dr Dariusz KaraÅ›
ESTYMACJA PARAMETRÓW STRUKTURALNYCH JEDNORÓWNANIOWEGO LINIOWEGO MODELU
EKONOMETRYCZNEGO
Definicja
Estymacja (tj. szacowanie) parametrów strukturalnych modelu ekonometrycznego oznacza
znalezienie ocen parametrów strukturalnych na podstawie konkretnej próby (sprowadza się do
przypisywania nieokreślonym liczbowo parametrom konkretnych wartości liczbowych). Szacowanie
to powinno być przeprowadzone w taki sposób, aby zapewniło najlepsze dopasowanie modelu do
danych empirycznych.
Metoda
Powszechnie wykorzystywaną metodą szacowana parametrów strukturalnych liniowych modeli
ekonometrycznych jest klasyczna metoda najmniejszych kwadratów (KMNK).
Twierdzenie Gaussa-Markowa
W klasycznym modelu regresji liniowej najlepszym nieobciążonym estymatorem liniowym
parametrów jest estymator uzyskany Metodą Najmniejszych Kwadratów (MNK). Idea MNK:
minimalizuje sumę kwadratów odchyleń (reszt).
Własności estymatorów
Nieobciążoność g jest nieobciążonym estymatorem ¸, jeżeli E(g)= ¸, to znaczy, gdy wartość
oczekiwana w rozkÅ‚adzie z próby g jest równa ¸.
Oznacza to, że gdybyśmy obliczali wartość g dla każdej z prób, którymi dysponujemy i powtarzali ten
proces nieskoÅ„czenie wiele razy, to Å›rednia z uzyskanych ocen byÅ‚aby równa ¸.
Efektywność estymator jest efektywny, jeżeli wartości g wyliczone dla różnych prób nie różnią się
między sobą znacznie tzn. jeżeli wariancja estymatorów jest mała. Estymator z najmniejszą wariancją
to estymator najbardziej efektywny.
Zgodność (własność dużych prób) zwiększanie liczebności próby umożliwia uzyskiwanie estymatora
o wartości coraz bliższej szacowanego parametru, z prawdopodobieństwem bliskim jedności:
i
Można wykazać, że estymator oszacowany Klasyczną Metoda Najmniejszych Kwadratów jest:
nieobciążony zgodny najbardziej efektywny w klasie estymatorów nieobciążonych,
czyli: BLUE Best Linear Unbiased Estimator (najlepszy liniowy neobciążony estymator).
1
PODSTAWY EKONOMETRII dr Dariusz KaraÅ›
Warunki stosowalności KMNK
1) liczba obserwacji musi być większa niż liczba szacowanych parametrów,
2) rząd macierzy zmiennych objaśniających X musi być równy liczbie szacowanych parametrów
(warunek ten oznacza brak wspóliniowości zmiennych, tzn. że zmienne objaśniające są liniowo
niezależne, czyli nie tworzą ze sobą takiej kombinacji liniowej, która w wyniku daje wektor zerowy),
3) postać modelu jest liniowa względem parametrów (lub sprowadzalna do liniowej),
4) wartość oczekiwana składnika losowego jest równa 0,
5) wariancja składnika losowego jest jednakowa dla wszystkich obserwacji (homoskedastyczność),
6) nie występuje autokorelacja składników losowych - składniki losowe dla różnych obserwacji nie
zależą od siebie,
7) zmienne objaśniające są nielosowe - nie zalezą od składnika losowego,
8) składnik losowy dla każdej obserwacji ma rozkład normalny.
Jeżeli nie są spełnione założenia 1) - 2), nie można zastosować matematycznych formuł na KMNK.
Jeżeli nie są spełnione założenia 4) - 7), to estymator KMNK nie jest efektywny.
Założenie 8) nie ma znaczenia dla własności estymatora KMNK. Jego spełnienie jest konieczne, aby
można było zastosować testy statystyczne pozwalające sprawdzić pozostałe założenia (większość
testów statystycznych bazuje na założeniu, że zmienna losowa ma rozkład normalny).
Estymator KMNK:
2
PODSTAWY EKONOMETRII dr Dariusz KaraÅ›
Procedura estymacji KMNK
Sposób I (krok po kroku)
1) zapisanie macierzy zmiennych X i Y
2) zapisanie macierzy transponowanej
3) wyznaczenie macierzy Hessa
4) wyznaczenie macierzy
5) obliczenie wyznacznika macierzy Hessa
6) wyznaczenie macierzy odwrotnej do macierzy Hessa
7) wyznaczenie wektora ocen parametrów strukturalnych modelu
8) zapis modelu w postaci empirycznej (zapisanie modelu z odpowiednimi wartościami ocen
parametrów)
3
PODSTAWY EKONOMETRII dr Dariusz KaraÅ›
Sposób II (tabela Cross - przypadek dla modelu z jedną zmienną objaśniającą)
1) utworzenie tabeli
Y 1 X
Y
1 n
X
wektor macierz Hessa
2) odwrócenie macierzy Hessa
3) wyznaczenie wektora ocen parametrów strukturalnych modelu
4) zapis modelu w postaci empirycznej
4
PODSTAWY EKONOMETRII dr Dariusz KaraÅ›
Sposób II (tabela Cross - przypadek dla modelu z dwiema zmiennymi objaśniającymi)
1) utworzenie tabeli
Y 1 X1 X2
Y
1 n
X1
X2
wektor macierz Hessa
2) odwrócenie macierzy Hessa
3) wyznaczenie wektora ocen parametrów strukturalnych modelu
4) zapis modelu w postaci empirycznej
5
PODSTAWY EKONOMETRII dr Dariusz KaraÅ›
Interpretacja ocen parametrów strukturalnych modelu
- wyraz wolny, bez interpretacji
- wraz ze wzrostem zmiennej objaśniającej o jedną jednostkę, zmienna objaśniana zmieni się (tj.
wzrośnie/zmaleje) o jednostek, przy pozostałych czynnikach niezmienionych (ceteris paribus).
Każdy parametr interpretuje się osobno.
6
Wyszukiwarka
Podobne podstrony:
(1) Estymacjaestymacja wzoryWnioskowanie statystyczne estymacja zadania przykładoweWyklad BIOL ESTYMACJA 2012Statystyka matematyczna i teoria estymacjiestymacja wielorównaniowe cz 2ESTYMACJA WERYFIKACJA 1estymacja z4estymacja przedzialowaestymacja zadaniasokolski,statystyka inżynierska,Estymacja przedziałowaestymacja?nych z?d na poziomie pow dla lat95 025 Estymatorywięcej podobnych podstron