calculează estimările OLS
β = (X T X) - 1 X T Y. Mai mult, ei vor continua să fie estimări imparțiale și eficiente liniare ale parametrilor de regresie. Problema este că, în cazul în care variabilele aproape liniar dependente, det (X T X) → 0. elemente, respectiv
matrice (X T X) - 1 va tinde la infinit, va avea loc cu elementele CoV matricei de covarianță (β) = (X T X) aceeași - 1 σ 2. Dispersia mare va
înseamnă că precizia coeficienților estimați este scăzut, iar acestea vor fi nesemnificative. Acest lucru se datorează faptului că, în cazul în care factorii sunt legate, este dificil de evaluat separat impactul fiecăreia dintre ele.
Materiale pentru curs Econometrie-1. Preparată Vydumkin Platon
Teoria economică sugerează dependența cheltuielilor de consum din avere și venit. Tabelul 4.1 prezintă rezultatele evaluării acestei regresie în forma logaritmică (date vezi Anexa 1). După cum putem vedea, coeficienții variabilelor explicative nu sunt semnificative. În același timp, de regresie este adecvată, și la orice nivel de semnificație. Și coeficientul de determinare este suficient de mare. Acest lucru se întâmplă deoarece veniturile și bogăția sunt puternic corelate (coeficientul de corelație = 0,99), iar observațiile pe care le avem destul de puține.
După rândul său, din nou, atenția noastră, suntem bine din punct de vedere teoretic. Estimările nu sunt părtinitoare. Ce proprietatea în practică? Aceasta înseamnă că, dacă avem o mulțime de probe și pentru fiecare dintre ele, estimăm parametrii de regresie, iar apoi se calculează evaluarea medie, aceasta va coincide cu valoarea reală. Dar noi nu asta nu ajuta, avem doar o singură probă, iar rezultatele slabe obținute de acesta.
Evaluarea performanțelor, acestea au cea mai mică variație între estimatori nepărtinitoare. Dar, din nou, noi nu ajută, deoarece cea mai mică variație este suficient de mare, în acest caz, pentru a face o estimare de precizie inacceptabile.
Mai mult decât atât, evaluarea, de asemenea, bogat. Acest lucru nu este menționat în GaussaMarkova teorema, dar este adevărat. Acest lucru înseamnă că, în cazul în care mărimea eșantionului tinde la infinit, atunci estimările vor tinde valorile reale ale parametrilor pe care le apreciem. Asta e bine, dar ne-am dat dimensiunea eșantionului, și schimbați-l, nu putem.
Variabila dependentă: LOG (Consum) Metoda: Least Squares
Data: 02/27/07 Ora: 16:42 Exemplu: 10 ianuarie
Observațiile au inclus: 10
Deci, din punctul de vedere al teoriei bine, dar din punctul de vedere al practicii, nu putem rezolva problema înainte de a ne. Aceasta este problema multicoliniaritate este foarte similar cu situația în care avem câteva observații din eșantion. Nu întâmplător, unele metode de a face cu multicoliniaritate se aplică în cazul probelor mici.
Având în vedere că problema nu este teoretic, dar practic, metodele de deciziile sale vor fi caracter de artizanat. Nu întâmplător, în cele mai multe manuale moderne pe teme econometrie avansate multicoliniaritate nu este acolo.
Semne de multicoliniaritate.
Să începem de la început. semne caracteristice, care are loc în mod obișnuit la suspiciunea că multicolinearit sunt
1) coeficienți semnificativi și în care R2 și mare de regresie adecvată
2) Sensibilitatea Coeficienți dispersiile estimări coeficient și estimările în adăugarea și eliminarea observării eșantionului.
Pentru a continua descărcarea aveți nevoie pentru a asambla o imagine: