Условия Гаусса-Маркова для парной регрессии

1. , т.е. случайная компонента может быть положительной, отрицательной, но она не может иметь систематические смещения (мат. ожидания) ни в одном из этих направлений;

2. , 1-е равенство означает постоянство дисперсии разных случайных компонент, т.е. независимость от номера наблюдения. 2-е равенство предполагает отсутствие систематической связи между значениями случайной составляющей в двух наблюдениях, т.е. наблюдения должны быть независимы друг от друга;

3. . т.е остатки должны подчиняться нормальному закону распределения

Теорема: если условия Гаусса-Маркова выполняются, то оценки, полученные с помощью МНК будут наилучшими линейными оценками, то есть не смещенными, состоятельными и эффективными.

Спецификация (выбор модели регрессии)

1. графический (для множественной строим m графиков)

2. теоретический (учет экономической сущности величин)

3. Эмпирический (будет несколько видов 1лин и неск нелин моделей. Строим, анализируем их и по результатам выбираем)