Documente Academic
Documente Profesional
Documente Cultură
regresie lineară și
proprietăți ale estimatorilor
Ipotezele modelului
Ipotezele modelului
I–3: Ipotezele referitoare la erori
a. Erorile et au
media nulă
b. Erorile et au dispersia constantă oricare ar fi t (erorile nu sunt
heteroscedastice)
c. Erorile et sunt
independente (nu sunt autocorelate)
d. Erorile et sunt
normal distribuite
Ex.2. Yt= a0 + a1X1t + a2(X2t)2 + et, transformarea (X2t)2 ≡ Zt, Yt= a0
+ a1X1t + a2Zt + et,
a. Erorile et au
media nulă
b. Erorile et au
dispersia constantă oricare ar fi t ( erorile nu
sunt heteroscedastice)
M(et) = 0
 = (X'X)-1X'Y = CY
Deoarece  = (X'X)-1X'Y și Y = XA + e.
Rezultă Â = (X'X)-1X'(XA+e) = (X'X)-1X'XA + (X'X)-1X’e
 = A + (X'X)-1X'e
În relația precedentă se aplică operatorul de medie:
M(Â) = M[A + (X'X)-1X'e] = A + (X'X)-1X'M(e)
DeoareceM(C) = C și M(e) = 0, rezultă M(Â) = A
adică estimatorii sunt nedeplasați.
Prof.univ.dr. Dorin Jula: Econometrie
Proprietăţile estimatorilor
P-5: Estimatorii sunt de maximă verosimilitate
➢ Un estimator este verosimil dacă generează valori
plauzibile pentru variabila endogenă.
➢ În ipotezele obișnuite, estimatorii obținuți prin metoda
celor mai mici pătrate sunt de maximă verosimilitate.
Teorema Gauss-Markov
Dacă (I-1) modelul de regresie este linear,
(I-2) variabilele explicative X nu sunt corelate cu erorile din
ecuația de regresie, au dispersia nenulă, dar finită,
numărul de observații este superior numărului de
parametri și nu există nici o relație lineară între două sau
mai multe variabile explicative și
(I-3) erorile etsunt independente, normal distribuite, cu media
zero și dispersia constantă,
atunci estimatorii â0, â 1, …, âkcalculați prin metoda celor mai mici
pătrate pentru parametrii modelului de regresie sunt cei mai buni
estimatori lineari nedeplasați, în sensul că, dintre toți estimatorii
lineari nedeplasați, au cea mai mică dispersie.
Teorema Gauss-Markov
În literatura de specialitate se folosește expresia
BLUE
(Best L
inear Unbiased Estimators)
pentru estimatorii parametrilor din modelul de regresie
lineară calculați prin metoda celor mai mici pătrate, atunci
când estimatorii respectivi îndeplinesc condițiile din
teorema Gauss-Markov.