Product Design, Manufacturing & Innovation Resources
Heim » Der Satz von Gauß-Markov

Der Satz von Gauß-Markov

1900
  • Carl Friedrich Gauss
  • Andrey Markov
Statistiker diskutieren das Gauß-Markov-Theorem in einem professionellen Büroumfeld.

(Abbildung dient nur zur Veranschaulichung)

Dieser Satz besagt, dass in einem linearen Regressionsmodell, in dem die Fehler einen Mittelwert von null aufweisen, unkorreliert sind und eine konstante Varianz (Homoskedastizität) besitzen, der OLS-Schätzer (Ordinary Least Squares) der beste lineare erwartungstreue Schätzer (BLUE) ist. „Bester“ bedeutet, dass er unter allen linearen erwartungstreuen Schätzern der Regressionskoeffizienten die geringste Varianz aufweist und somit der präziseste ist.

The Gauss-Markov theorem is a central result in the theory of linear regression that gives OLS its strong theoretical appeal. It guarantees that if a specific set of assumptions holds, no other linear and unbiased estimator will be more efficient than OLS. Let’s break down the BLUE acronym. ‘Linear’ means the estimator for the coefficients is a linear combination of the observed dependent variable values. ‘Unbiased’ means that on average, the estimator will yield the true population parameter; its expected value is the true value, [latex]E(\hat{\beta}) = \beta[/latex]. ‘Best’ signifies that the OLS estimator has the minimum variance in its sampling distribution compared to any other linear unbiased estimator.

Die Kernannahmen, bekannt als die Gauss-Markov-Annahmen, lauten: 1. Das Modell ist linear in den Parametern. 2. Die Fehler haben einen bedingten Mittelwert von null ([latex]E(varepsilon | X) = 0[/latex]). 3. Die unabhängigen Variablen sind nicht perfekt kollinear. 4. Die Fehler sind homoskedastisch (haben eine konstante Varianz, [latex]Var(varepsilon | X) = sigma^2[/latex]) und nicht autokorreliert ([latex]Cov(varepsilon_i, varepsilon_j | X) = 0[/latex] für [latex]i neq j[/latex]).

Entscheidend ist, dass der Satz keine Normalverteilung der Fehler voraussetzt. Die Annahme der Normalverteilung wird erst später hinzugefügt, wenn exakte Hypothesentests für endliche Stichproben (wie t-Tests und F-Tests) an den Koeffizienten durchgeführt werden sollen. Werden die Gauss-Markov-Annahmen verletzt (z. B. bei Heteroskedastizität oder Autokorrelation), ist die OLS-Schätzung nicht mehr die beste Methode (BLUE), und alternative Schätzer wie die verallgemeinerte Kleinste-Quadrate-Schätzung (GLS) können effizienter sein.

UNESCO Nomenclature: 1209
- Statistik

Typ

Abstraktes System

Störung

Grundlegendes

Verwendung

Weitverbreitete Verwendung

Vorläufer

  • Methode der kleinsten Quadrate (Gauß)
  • Wahrscheinlichkeitstheorie (Konzepte von Erwartungswert und Varianz)
  • Lineare Algebra und Matrizentheorie
  • Frühe Arbeiten zur Schätztheorie

Anwendungen

  • die theoretische Begründung für die Anwendung der OLS-Methode in vielen praktischen Szenarien liefern
  • dient als Grundlage für statistische Schlussfolgerungen (Konfidenzintervalle, Hypothesentests) in linearen Modellen
  • dient als theoretischer Maßstab für den Vergleich der Effizienz anderer, komplexerer Schätzer

Patente:

NA

Potenzielle Innovationsideen

Aufgrund des hohen Datenverkehrs durch Web-Scraping-Bots, der derzeit mehr als 40.000 Anfragen pro Tag umfasst, ist dieser Inhalt ausschließlich Community-Mitgliedern vorbehalten.
> Anmelden < oder > Registrieren < (100% kostenlos) Zugriff darauf sowie auf alle anderen eingeschränkten Inhalte und Tools.

Verwandt mit: Satz von Gauss-Markov, BLUE, bester linearer erwartungstreuer Schätzer, OLS, Homoskedastizität, unkorrelierte Fehler, minimale Varianz, statistische Inferenz, Annahmen linearer Modelle, Ökonometrie.

Historischer Kontext

Der Satz von Gauß-Markov

1854
1895
1899
1900
1911
1922
1925
1854
1884
1896
1900
1903
1914
1924
1925

(wenn das Datum unbekannt oder nicht relevant ist, z. B. „Strömungsmechanik“, wird eine gerundete Schätzung seines bemerkenswerten Auftretens bereitgestellt)

Verwandte Erfindungen, Innovationen und technische Prinzipien

Bilder in voller Größe und Downloads sind nur für registrierte Mitglieder 100% kostenlos verfügbar.

> Login <