Список вопросов по эконометрике
Линейная модель регрессии: условия Гаусса-Маркова и свойства оценок наименьших квадратов параметров модели. Интерпретация коэффициентов в линейной и нелинейной (лог-линейной и полулогарифмической) модели регрессии
Линейная модель регрессии
В данном уравнении y – зависимая переменная, x1,..., xk – регрессоры, влияющие или объясняющие переменные, ε – ошибки модели регрессии, β0,...,βk – параметры или коэффициенты в модели регрессии, i – номер наблюдения.
Условия Гаусса-Маркова
1. Mεi = 0 для всех i = 1,..., n,
2. Var(εi) = σ2 не зависит от i.
3. cov(εi, εj) = 0 при i ≠ j (некоррелируемость ошибок для разных наблюдений).
4. εi ∼ N(0,σ2), i = 1,...,n (нормальная распределенность ошибок регрессии).
Свойства оценок наименьших квадратов параметров модели
Оценки по методу наименьших квадратов являются «наилучшими» среди несмещенных линейных оценок, а именно несмещенными линейными оценками с наименьшей дисперсией, или BLUE оценками (Best Linear Unbiased Estimator).
Интерпретация коэффициентов в линейной и нелинейной (лог-линейной и полулогарифмической) модели регрессии
Линейная модель
При изменении значения фактора xk на n единиц среднее значение фактора y изменяется на βk·n.