Documente Academic
Documente Profesional
Documente Cultură
Teorema de Gauss-Márkov
El Teorema de Gauss-Márkov establece los supuestos que debe cumplir un
estimador MCO (Mínimo Cuadrados Ordinarios) para que se considere ELIO
(Estimador lineal insesgado óptimo). El Teorema de Gauss-Márkov fue
formulado por Carl Friederich Gauss y Andréi Márkov.
Carl Friederich Gauss y Andréi Márkov establecieron unos supuestos para
que un estimador MCO pudiese llegar a ser ELIO.
Si se cumplen estos 5 supuestos podemos afirmar que el estimador es el de
mínima varianza (más preciso) de entre todos los estimadores lineales e
insesgados. En el caso de que falle alguno de los supuestos de los tres
primeros (Linealidad, Media nula-exogeneidad estricta o No multicolinealidad
perfecta) el estimador MCO deja de ser insesgado. Si solo fallan el 4 o el 5
(Homocedasticidad y No autocorrelacion) el estimador sigue siendo lineal e
insesgado pero ya no es el más preciso. Resumiendo, el Teorema Gauss-
Márkov afirma que:
Bajo supuestos 1,2 y 3 el estimador MCO es lineal e insesgado. Ahora bien,
no siempre que se cumplen los tres primeros supuestos se puede asegurar
que el estimador es insesgado. Para que el estimador sea también
consistente debemos tener una muestra amplia, cuanto más mejor.
Bajo supuestos 1, 2, 3, 4 y 5 el estimador MCO es lineal, insesgado y
óptimo. Es decir, es un estimador lineal insesgado óptimo (ELIO).
Supuestos del teorema Gauss-Markov
En concreto son 5 supuestos:
1. Modelo lineal en los parámetros
Es un supuesto bastante flexible. Permite usar funciones de las variables de
interés.
Exogeneidad estricta:
5. No autocorrelacion
Los términos de error de dos observaciones diferentes condicionadas a X
están incorrelacionados. Si la muestra es aleatoria no existirá
autocorrelación.