この定理は、誤差の平均がゼロで、無相関であり、分散が一定(等分散性)である線形回帰モデルにおいて、最小二乗法(OLS)推定量が最良線形不偏推定量(BLUE)であることを示しています。「最良」とは、回帰係数のすべての線形不偏推定量の中で分散が最小であることを意味し、最も精度が高いということです。

(画像はイメージです)
この定理は、誤差の平均がゼロで、無相関であり、分散が一定(等分散性)である線形回帰モデルにおいて、最小二乗法(OLS)推定量が最良線形不偏推定量(BLUE)であることを示しています。「最良」とは、回帰係数のすべての線形不偏推定量の中で分散が最小であることを意味し、最も精度が高いということです。
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.
ガウス・マルコフ仮定として知られる中核的な仮定は次のとおりです。1. モデルはパラメータに関して線形です。2. 誤差の条件付き平均はゼロです ([latex]E(varepsilon | X) = 0[/latex])。3. 独立変数は完全に共線ではありません。4. 誤差は等分散性 (一定の分散を持ち、[latex]Var(varepsilon | X) = sigma^2[/latex]) を持ち、自己相関がありません ([latex]i neq j[/latex] の場合、[latex]Cov(varepsilon_i, varepsilon_j | X) = 0[/latex])。
重要な点として、この定理は誤差が正規分布に従うことを要求しません。正規性の仮定は、係数に対して正確な有限標本仮説検定(t検定やF検定など)を実行したい場合に後から追加されます。ガウス・マルコフ仮定が満たされない場合(例えば、異分散性や自己相関が存在する場合)、OLSはもはやBLUEではなくなり、一般化最小二乗法(GLS)などの代替推定法の方が効率的になる可能性があります。
ボットによるトラフィック(現在1日あたり4万件以上)を排除するため、このコンテンツはコミュニティメンバー限定となっています。
> ログイン < または > 登録 < (100%無料)でこれにアクセスできます。他のすべての制限付きコンテンツとツールも同様です。
ガウス・マルコフの定理
(日付が不明または関連性がない場合、例えば「流体力学」などでは、その注目すべき出現時期の概算値が提示されます。)
フルサイズの画像とダウンロードは、登録会員のみが100%無料で利用できます。
> ログイン <