Il teorema di Gauss-Markov
1900
- Carl Friedrich Gauss
- Andrey Markov
Questo teorema afferma che in un modello di regressione lineare in cui gli errori hanno media zero, non sono correlati e hanno varianza costante (omoschedasticità), lo stimatore dei minimi quadrati ordinari (OLS) è il miglior stimatore lineare non distorto (BLUE). "Migliore" significa che ha la varianza minima tra tutti gli stimatori lineari non distorti dei coefficienti di regressione, rendendolo il più preciso.
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.
Le ipotesi fondamentali, note come ipotesi di Gauss-Markov, sono: 1. Il modello è lineare nei parametri. 2. Gli errori hanno una media condizionata pari a zero ([latex]E(varepsilon | X) = 0[/latex]). 3. Le variabili indipendenti non sono perfettamente collineari. 4. Gli errori sono omoschedastici (hanno varianza costante, [latex]Var(varepsilon | X) = sigma^2[/latex]) e non sono autocorrelati ([latex]Cov(varepsilon_i, varepsilon_j | X) = 0[/latex] per [latex]i neq j[/latex]).
Fondamentalmente, il teorema non richiede che gli errori siano distribuiti normalmente. L'ipotesi di normalità viene aggiunta in seguito, quando si desidera eseguire test di ipotesi esatti su campioni finiti (come i test t e i test F) sui coefficienti. Quando le ipotesi di Gauss-Markov vengono violate (ad esempio, in presenza di eteroschedasticità o autocorrelazione), l'OLS non è più BLUE e stimatori alternativi come i minimi quadrati generalizzati (GLS) possono essere più efficienti.
UNESCO Nomenclature: 1209
- Statistiche
Precursori
- Metodo dei minimi quadrati (Gauss)
- Teoria della probabilità (concetti di aspettativa e varianza)
- Algebra lineare e teoria delle matrici
- Primi lavori sulla teoria della stima
Applicazioni
- fornendo la giustificazione teorica per l'utilizzo di OLS in molti scenari pratici
- fungere da base per l'inferenza statistica (intervalli di confidenza, test di ipotesi) nei modelli lineari
- fungendo da punto di riferimento teorico per confrontare l'efficienza di altri stimatori più complessi
Idee e potenziali innovazioni
A causa dell'eliminazione del traffico generato dai bot, che attualmente supera i 40.000 al giorno, questo contenuto è riservato ai membri della community.
> Accedi O > Registrati L'accesso a questo contenuto, così come a tutti gli altri contenuti e strumenti riservati, è (100% gratuito).
Argomenti correlati: teorema di Gauss-Markov, BLUE, stimatore lineare non distorto ottimale, OLS, omoschedasticità, errori non correlati, varianza minima, inferenza statistica, presupposti del modello lineare, econometria.