OLS-Schätzer und seine Eigenschaften

Slides:



Advertisements
Ähnliche Präsentationen
Masterstudiengang IE (Industrial Engineering)
Advertisements

Modellierung und Schätzung von Variogrammen
K. Desch - Statistik und Datenanalyse SS05
Technische Informatik I
M-L-Schätzer Erwartungswert
Statistische Methoden II SS 2007 Vorlesung:Prof. Dr. Michael Schürmann Zeit:Freitag (Pause: ) Ort:Hörsaal Loefflerstraße Übungen.
Statistische Methoden I SS 2005 Vorlesung:Prof. Dr. Michael Schürmann Zeit:Freitag (Pause: ) Ort:Hörsaal Loefflerstraße Übungen.
Kolmogorov-Smirnov-Test. A. N. Kolmogorov Geboren in Tambov, Russland. Begründer der modernen Wahrscheinlichkeitstheorie.
Statistische Methoden I WS 2007/2008 Donnerstag, 31. Januar 2008 und Freitag, 1. Februar 2008 Probeklausur nächste Woche - statt Vorlesungen -
Maximum-Likelihood-Schätzer ( diskreter Fall) Likelihood-Funktion mit oder M-L-Schätzer.
Statistische Methoden II SS 2003 Vorlesung:Prof. Dr. Michael Schürmann Zeit:Freitag (Pause: ) Ort:Hörsaal Loefflerstraße Übungen.
III. Induktive Statistik
Die Vorlesung am 14. Mai (Tag nach Himmelfahrt) wird verlegt. Der Nachholtermin wird noch bekannt gegeben.
Maximum-Likelihood-Schätzer ( diskreter Fall) Likelihood-Funktion mit oder M-L-Schätzer.
Tutorium
Eigenschaften der OLS-Schätzer
Einfache Regressionsgleichung
Kapitel 9 Analyse der Modellstruktur
Kapitel 15 Instrumentvariablen- Schätzung
Kapitel 7 Lineare Restriktionen
Statistik: Mehr zur Regression.
STATISIK LV Nr.: 0028 SS Mai 2005.
Kapitel 13 Zeitreihen und Zeitreihen-Modelle
Kapitel 15 Instrumentvariablen- Schätzung
Kapitel 10 Multikollinearität
STATISIK LV Nr.: 1375 SS März 2005.
Kapitel 9 Analyse der Modellstruktur Hackl, Einführung in die Ökonometrie 2 Rekursive OLS-Schätzung Spezifiziertes Modell: y = X + u y, u:
Kapitel 6 Variablenauswahl und Missspezifikation
Kapitel 2 Das klassische Regressionsmodell
Lineare Restriktionen
Ökonometrie II Multikollinearität.
Kapitel 18 Dynamische Modelle: Schätzen der Parameter
Ökonometrie I Analyse der Modellstruktur Ökonometrie I2 Rekursive OLS-Schätzung Spezifiziertes Modell: y = X + u y, u: n-Vektoren; X: Ordnung.
Analyse der Modellstruktur
Peter Hackl Sprechstunde: Fr, 10:30-11:30 Tel.:
Kapitel 1 Der Begriff „Ökonometrie“
Missspezifikation: Konsequenzen und Tests
Kapitel 5 Statistische Bewertung von Regressionsbezie-hungen
Kapitel 19 Kointegration
Kapitel 10 Multikollinearität
Kapitel 3 Lineare Regression: Schätzverfahren
Kapitel 21 Mehrgleichungs-Modelle: Schätzverfahren
Kapitel 16 Ökonometrische Modelle
Kapitel 14 Trends und Unit-root-Tests
Kapitel 13 Zeitreihen und Zeitreihen-Modelle
Ökonometrie I Variablenauswahl.
Bewertung von Regressionsbeziehungen
Kapitel 11 Heteroskedastizität
Einfache und multiple Regression
Prognose und Prognosequalität
Ökonometrie I Peter Hackl Sprechstunde: Fr, 10:45-11:45 Tel.: Fr, 9:00-10:30.
Annahmen des lineare Regressionsmodells
Kapitel 4 Annahmen des linearen Regressionsmodells
Kapitel 8 Prognose und Prognosequalität
Ökonometrie I Modellvergleich (Übersicht) Ökonometrie I2 Vergleich von Modellen Fragestellungen für Modellvergleich 1.Fehlende Regressoren.
Kapitel 18 Dynamische Modelle: Schätzen der Parameter.
Kapitel 21 Mehrgleichungs- Modelle: Schätzverfahren.
STATISIK LV Nr.: 0021 WS 2005/ November 2005.
Kapitel 9 Analyse der Modellstruktur
Kapitel 11 Heteroskedastizität
Präsentation Pflichtenheft Meta Resource Management System (MRMS)
Kapitel 14 Trends und Unit-root-Tests
1 STATISIK LV Nr.: 0021 WS 2005/ November 2005.
Die Lurchis. Unser Gruppenleiter Die Gruppe Die Kirche.
STATISIK LV Nr.: 1852 WS 2005/ Jänner 2006.
K. Desch - Statistik und Datenanalyse SS05
K. Desch - Statistik und Datenanalyse SS05
K. Desch - Statistik und Datenanalyse SS05
Geoinformationssysteme
Außenhandelsbeziehungen zwischen China, USA, EU Makroökonometrie Vorlesung Dr. Oliver Bode.
 Präsentation transkript:

OLS-Schätzer und seine Eigenschaften Ökonometrie I OLS-Schätzer und seine Eigenschaften

Einkommen und Konsum PCR: Privater Konsum, real, in Mrd.EUR 200 400 600 800 1000 1200 70 75 80 85 90 95 00 PYR PCR PCR: Privater Konsum, real, in Mrd.EUR PYR: Verfügbares Einkom- men der Haushalte, real 1970:1-2002:4 Basis: 1995 Quelle: AWM-Datenbasis 29.10.2004 Ökonometrie I

Einkommen und Konsum, Forts. 200 400 600 800 1000 500 700 900 1100 PYR PCR PCR vs. PYR PCR: Privater Konsum, real, in Mrd.EUR PYR: Verfügbares Einkom- men der Haushalte, real 1970:1-2002:4 Basis: 1995 Quelle: AWM-Datenbasis 29.10.2004 Ökonometrie I

Konsumfunktion AWM-Datenbasis C: Privater Konsum (PCR) Y: Verfügbares Einkommen der Haushalte (PYR) OLS-Schätzer: Anstieg Interzept 29.10.2004 Ökonometrie I

OLS-Schätzer Anstieg Einfache Regression: Yt = b1 + b2 Xt + ut Interzept Multiple Regression: Yt = xt‘b + ut b = (X‘X)-1X‘y 29.10.2004 Ökonometrie I

ML-Schätzer Annahme: u ~ N(0, s2I), normalverteilte Störgrößen Dichtefunktion der Beobachtungen (X1,Y1), … , (Xn,Yn) Likelihood-Funktion Log-Likelihood-Funktion 29.10.2004 Ökonometrie I

ML-Schätzer, Forts. Ableitungen: Likelihood-Gleichungen: Nullsetzen der Ableitungen Maximum-Likelihood (ML)-Schätzer: Beachte: ML-Schätzer für b ist identisch mit OLS-Schätzer (wenn Störgrößen normalverteilt sind) 29.10.2004 Ökonometrie I

Eigenschaften von Schätzern Erwartungstreue: Schätzer b für Parameter b ist erwartungstreu, wenn E{b} = b Effizienz: Schätzer b für Parameter b ist effizienter als b*, wenn Var{b} < Var{b*}; b ist effizient, wenn seine Varianz geringer als die jedes anderen Schätzers (aus einer Klasse von Schätzern) ist Konsistenz: Schätzer bn für Parameter b ist konsistent, wenn die Wahrscheinlichkeitsverteilung von bn für n->∞ im Punkt b kollabiert 29.10.2004 Ökonometrie I

OLS-Schätzer: Erwartungstreue wegen E{u|X}=0 Der OLS-Schätzer b (und damit auch der ML-Schätzer) ist erwartungstreu! Die Verteilung der ut muss als unabhängig von den Regressoren (Spalten von X) vorausgesetzt werden! Für fixe X ist das stets erfüllt. 29.10.2004 Ökonometrie I

Varianz der OLS-Schätzer wegen Var{a+Au} = A Var(u) A‘, wenn Var(u) = s2I vorausgesetzt wird. 29.10.2004 Ökonometrie I

Beispiel: Einfache Regression Yt = a + b Xt + ut Dafür ergibt sich Die Varianzen sind 29.10.2004 Ökonometrie I

Konsumfunktion Dependent Variable: PCR_D4 Method: Least Squares Date: 08/20/04 Time: 11:06 Sample(adjusted): 1971:1 2002:4 Included observations: 128 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 0.010855 0.001053 10.31071 0.0000 PYR_D4 0.747032 0.041840 17.85451 0.0000 R-squared 0.716716 Mean dependent var 0.024898 Adjusted R-squared 0.714468 S.D. dependent var 0.014817 S.E. of regression 0.007918 Akaike info criterion -6.823949 Sum squared resid 0.007899 Schwarz criterion -6.779386 Log likelihood 438.7327 F-statistic 318.7837 Durbin-Watson stat 0.632776 Prob(F-statistic) 0.000000 29.10.2004 Ökonometrie I

OLS-Schätzer: Effizienz Das Gauss-Markov Theorem sagt: der OLS-Schätzer b ist der beste, lineare, erwartungstreue (BLU) Schätzer für b b hat minimale Varianz unter allen linearen, erwartungstreuen Schätzern b ist effizient gegenüber allen linearen, erwartungstreuen Schätzern Achtung! Die Annahme Var(u) = s2I bedeutet: Homoskedastizität Serielle Unkorreliertheit 29.10.2004 Ökonometrie I

Gauss-Markov Theorem Sei b* = Cy ein erwartungstreuer Schätzer: E{b*} = E{CXb+Cu} = CXb = b also gilt: CX=I; wir erhalten Var{b*} = Var{CXb+Cu} = Cs2IC‘ = CC‘s2 Sei C = (X‘X)-1X‘+D; wegen CX=I gilt DX=0; wir erhalten CC‘ = (X‘X)-1+DD‘ und CC‘ - (X‘X)-1 ≥ 0 b hat minimale Varianz 29.10.2004 Ökonometrie I

OLS-Schätzer: Konsistenz hat die Varianz Konvergenz im quadratischen Mittel: E{bn}=b für alle n mit der regulären Matrix Q = lim (Xn‘Xn/n) 29.10.2004 Ökonometrie I

Beispiel: Einfache Regression Yt = a + b Xt + ut Dafür ergibt sich Damit Q regulär ist, muss SXt2/n auch bei beliebig großem n endlich bleiben. Achtung! X kann einen Trend enthalten! 29.10.2004 Ökonometrie I

Eigenschaften der ML-Schätzer Schätzer für b erwartungstreu effizient konsistent Schätzer für s2 nicht erwartungstreu! 29.10.2004 Ökonometrie I

OLS-Schätzer Wahrscheinlichkeitsverteilung ML-Schätzer sind asymptotisch normalverteilt OLS- und ML-Schätzer für b sind ident; daher ist auch der OLS-Schätzer asymptotisch normalverteilt Bei endlichem Umfang n: nur bei normalverteilten Störgrößen gilt 29.10.2004 Ökonometrie I

Konfidenzintervall für b Yt = a + b Xt + ut 95%-iges Konfidenzintervall für b: b ± sb mit Beispiel: AWM-Konsumfunktion 95%-iges KI für b: 0.747 ± 0.042; oder 0.795 ≤ b ≤ 0.789 29.10.2004 Ökonometrie I