kvantitative metoder 2
DESCRIPTION
Kvantitative metoder 2. Inferens i den lineære regressionsmodel 12. marts 2007. Dagens program. Resultater om OLS med endeligt antal observationer (kap. 4): Normalitetsantagelse (MLR.6). Test af en enkelt lineær restriktion på koefficienter i lineær regressionsmodel. - PowerPoint PPT PresentationTRANSCRIPT
![Page 1: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/1.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
1
Kvantitative metoder 2
Inferens i den lineære regressionsmodel
12. marts 2007
![Page 2: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/2.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
2
Dagens program
Resultater om OLS med endeligt antal observationer (kap. 4): Normalitetsantagelse (MLR.6). Test af en enkelt lineær restriktion på koefficienter i
lineær regressionsmodel. Asymptotiske resultater for OLS: (kap. 5).
Konsistens Asymptotisk normalitet og efficiens Eksempel: Monte Carlo eksperiment med uniformt
fordelte fejlled (asynorm_uni.sas).
n
![Page 3: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/3.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
3
Fordeling af OLS estimatoren: Endelig stikprøve
Linearitet af i u og CLM giver følgende resultat: Theorem 4.1: Under CLM antagelserne og betinget på
gælder at
hvor
Heraf følger:
1 2, ,..., kx x xˆ ˆ~ ( ,Var( ))j j jN
2
2ˆVar( )
(1 )jj jSST R
ˆ ˆ( ) / standardafv.( ) ~ (0,1)j j j N
![Page 4: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/4.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
4
Fordeling af OLS estimatoren: Endelig stikprøve (fortsat)
Theorem 4.1 indeholder den ukendte parameter , derfor ikke umiddelbart operationel.
Erstattes af kan man vise at der gælder følgende resultat:
Theorem 4.2: Under CLM antagelserne og betinget på gælder at
hvor k+1 er antal regressorer i modellen inkl. konstantled.
t-fordelingen går mod N(0,1) når antallet af frihedsgrader vokser. Fin approximation hvis større end 120.
2
2 2
1 2, ,..., kx x x
1ˆ ˆ( ) / standardfejl( ) ~j j j n kt
![Page 5: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/5.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
5
Hypotesetest: Restriktion på en enkelt koefficient
Betragt en nulhypotese om en regressionskoefficient: , hvor a er en konstant.
Under nulhypotesen påstår vi altså en bestemt værdi af en parameter i den sande model.
Bruge afvigelsen mellem estimatet, og den postulerede værdi, a, til at vurdere gyldigheden af nulhypotesen.
0 jH : a
ˆj
![Page 6: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/6.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
6
Hypotesetest: Restriktion på en enkelt koefficient
t-testet for er givet ved
og er fordelt som under nulhypotesen. Alternativhypotesen:
Ensidede alternativer: eller Tosidet alternativ:
Ex. Afkast af uddannelse: Hypotese om Nulhypotese: Relevant alternativ:
0 jH : a ˆ ˆ( ) / standardfejl( )j ja
1n kt
1 j:H a 1 j:H a
1 j:H a
1
1 0
1 10? 0?
![Page 7: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/7.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
7
Hypotesetest: Restriktion på en enkelt koefficient
Klassisk teststrategi: Vælg signifikansniveau: Sandsynlighed for at afvise
nulhypotesen, givet at den er sand. Typisk vælges 5 %. Vælg alternativhypotese: Bestemmer den kritiske region, givet
signifikansniveauet. Beregn teststatistik.
Afvis nulhypotesen hvis testet er i den kritiske region. Afvis ellers ikke.
Alternativ: Beregn p-værdi: Marginale signifikansniveau som ville betyde at nulhypotesen netop ville blive afvist.
![Page 8: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/8.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
8
Hypotesetest: Restriktion på en enkelt koefficient
Typiske eksempler: a=0: Standard signifikanstest. a=1 eller a=-1: Test af homogenitet eller proportionalitet.
Konfidensinterval: Givet signifikansniveau, , fx 5 %. Så er 100- % konfidensintervallet givet ved:
Konstrueres intervallet således vil det i 100- % af udfaldene rumme den sande værdi. Nulhypoteser om værdier udenfor vil således blive afvist.
Skitsér på tavlen.
1 1ˆ ˆ ˆ ˆ[ (1 / 2)standardfejl( ), (1 / 2)standardfejl( )]j n k j j n k jt t
![Page 9: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/9.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
9
Hypotesetest: Eksempel: Lønrelationen
Afhængig variabel: log(timeløn)
Kilde: Output fra SAS-programmet lon_udd2.sas
Regressor Model (1) Model (2)
uddaar 0,0452(0,0035)
0,0485(0,0032)
erfaring _ 0,0139(0,0010)
konstant 4,3500(0,0420)
4,1051(0,0424)
Antal observationer 1046 1046
0,140 0,2752R
![Page 10: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/10.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
10
Generel lineær restriktion
Nulhypotese på linearkombination af koefficienter:
Involverer flere koefficienter, men stadig kun en restriktion (et lighedstegn).
Ex. Produktionsfunktion af Cobb-Douglas typen med arbejdskraft (L), kapital (K) og uobserverbare faktorer (U):
I log-transformerede størrelser: Test antagelse om konstant skalaafkast:
0 1 2H :
0 1 2H : 14
1 2i i i iY AL K U
0 1 2H : 1
0 1 2 3H : 2
1 2logi i i iy A l k u
![Page 11: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/11.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
11
Generel lineær restriktion (fortsat)
Hypotesen er af formen: ”Linearkombination af koefficienterne er lig med konstant”.
Estimere , men hvad med ? Omparameterisere modellen:
OLS af I reparameterisering er hypotesen direkte en restriktion
på koefficienten til : Kald den fx Test restriktionen vha. t-stat. på Hvis CLM opfyldt så eksakt t-fordelt.
1 2ˆ ˆ 1 2
ˆ ˆstd.fejl( )
1 2 1 2 2log log ( ) ( )i i i i i i i iy A l k u A l k l u
på en konstant, og log af kapital-arbejdskraftsforholdet, i i i iy l k l
il 1 2 ˆ 1
![Page 12: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/12.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
12
Eksakte versus asymptotiske egenskaber
Under antagelserne MLR.1-4 er OLS en middelret estimator. Ved uafhængige trækninger af datasæt af n observationer vil
OLS–estimatoren i gennemsnit ramme den sande parameterværdi, .
Gælder for enhver størrelse n af datasættet
Under CLM-antagelserne MLR.1-6 kender vi hele fordelingen eksakt: t-test følger t-fordelingen For enhver størrelse n af datasættet
MLR.6: Normalitet er restriktivt. Nu: Se på egenskaber for OLS når vi lader
jˆj
( 1)n k
( 1)n k
n
![Page 13: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/13.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
13
Konsistens: Generelt
Wooldridge appendix C.3 definerer konsistens af en estimator, se også Berry og Lindgren kap. 9.3
Estimatoren konvergerer i sandsynlighed mod den sande værdi:
Egenskab for estimatoren når antallet af observationer øges mod uendeligt.
Minimalkrav til en ”fornuftig” estimator.
1 2
n
estimator for baseret på , ,..., . er konsistent for hvis for ethvert >0,
P(|W | ) 0 for .
n n
n
W Y Y YW
n
nplim(W )
![Page 14: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/14.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
14
Konsistens: Generelt (fortsat)
Store tals lov: i.i.d. følge med middelværdi . Så gælder
Anvendes på en lang række størrelser beregnet ud fra data: Gennemsnit, varianser, kovarianser mv.
Egenskaber ved plim (se side 774-75):1. 2.
1 2, ,..., nY Y Y plim( )Y
n nFor =g( ) hvor g() er kontinuert: plim(g(W )) (plim(W )).g Hvis plim( ) og plim( ) så gælder:(i) plim( )(ii) plim( )(iii) plim( / ) / , forudsat 0.
n n
n n
n n
n n
W UW UW UW U
![Page 15: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/15.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
15
Konsistens: Generelt (fortsat)
Middelret estimator er ikke nødvendigvis konsistent: Præcisionen bliver ikke nødvendigvis bedre når
Men: Hvis variansen af en middelret estimator går mod nul i sandsynlighed når , så gælder at
Ex. Estimation af middelværdi af i.i.d. følge med middelværdi og konstant varians : Gennemsnittet af n observationer:
Gennemsnit af første og n’te observation:
n nplim(W )
2
1
1 ,n
n ii
Y Yn
( ) ,nE Y
plim( )nY
n
1( ) / 2,n nY Y Y
2Var( ) / ,nY n( ) ,nE Y
2Var( ) / 2,nY plim( )nY
![Page 16: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/16.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
16
Konsistens: OLS
Theorem 5.1: Konsistens af OLS estimatoren:Under antagelserne: MLR.1: Lineær model: MLR.2: Tilfældigt udvalg af MLR.3: Ingen perfekt multikollinearitet: er non-singulær. MLR.4: Betinget middelværdi nul:
Så er OLS-estimatoren konsistent for Bevis: Tavlegennemgang. Konsistens kan vises under svagere betingelse end
MLR.4:
,i ix yy X u
( | ) 0E u X 'X X
1ˆ ( ' ) 'X X X Y
( ) 0 og Cov( , ) 0, 1, 2,..., .jE u x u j k
![Page 17: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/17.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
17
Konsistens: OLS
Hvis fejlleddet er korreleret med en eller flere regressorer vil OLS være inkonsistent:
Inkonsistensen (den ”asymptotiske bias”) i den simple lineære regressionsmodel er givet ved
Per konstruktion forsvinder problemet ikke ved at få flere data fra samme population.
Vil se på metoder til at håndtere inkonsistens i kap. 15.
( ) 0 eller Cov( , ) 0, 1, 2,..., .jE u x u j k
1 1 1 1ˆlim( ) Cov( , ) / ( )p x u Var x
![Page 18: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/18.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
18
Asymptotisk normalfordeling for OLS: Generelt
Konsistens af OLS i store datasæt under MLR.1-4: Minimumskrav opfyldt.
Inferens: Vi behøver mere end det. Antager nu: MLR.5: Homoskedasticitet: Men ikke MLR.6: Normalitet af ui
Normalfordelte fejlled er alt for stærk antagelse i en række realistiske problemstillinger: Diskrete fordelinger: Heltallige udfald, fx antal medlemmer af
en bestyrelse. Skæve fordelinger: Asymmetriske aktieafkast. Fordelinger med ”tunge” haler: Aktieafkast (outliers).
221 ),...,,|(Var kxxxu
![Page 19: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/19.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
19
Asymptotisk normalfordeling for OLS: Generelt
Teorem 5.2: Asymptotisk normalfordeling af OLS estimatoren
Antag: Gauss-Markov antagelserne MLR.1-5.
2 2 2 2 2 2
1
1ˆ ˆ( ) ~ (0, / ), / 0, lim( )n
j j j j j iji
n AN a a a p rn
).( afestimator konsistent ener ˆ 22 uVar
ˆ er residual fra regression af på øvrige regressorer.ij jr x
![Page 20: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/20.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
20
Asymptotisk normalfordeling for OLS: I praksis
Standardiserede OLS estimater er asymptotisk standardnormalfordelt:
Hvad er ”asymptotisk”?
Afhænger bl.a. af, hvor meget u’s fordeling afviger fra normalfordelingen: Ikke hårde regler.
N(0,1) >< tn-k-1: Ikke vigtigt (for rimeligt store n og moderate værdier af k).
ˆ ˆ( ) / . ( ) ~ (0,1)j j jstd fejl AN
![Page 21: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/21.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
21
Asymptotisk normalfordeling for OLS: Monte Carlo experiment
Lad os designe et lille eksperiment, hvor MLR.1-5 er overholdt (faktisk er u uafhængige af x her): Lineær model, ingen eksakt multikollinearitet, u har middelværdi nul og konstant varians.
Men u trækkes fra en uniform (eller lige) fordeling: Kontinuert fordeling fx på intervallet [-1,1]. Konstant tæthed f(u)=0.5 over intervallet. Udfaldsrummet begrænset >< normalfordeling.
Resultat af eksperimentet for forskellige n: SAS
![Page 22: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/22.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
22
Asymptotisk normalfordeling for OLS: Standardfejl
OLS standardfejlen: Asymptotik:
Komponenter i formlen:
Betyder at går mod nul som 1/n, standardfejlen går mod nul som
2
2
ˆˆˆ ( )(1 )j
j j
VarSST R
2 2
2
lim( ˆ )
lim( ) , 0 1.
lim( / ) ( )j
j j
pp R a a
p SST n Var x
ˆˆ ( )jVar 1/ n
![Page 23: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/23.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
23
Asymptotisk efficiens af OLS estimatoren
Under Gauss-Markov antagelserne er OLS asymptotisk efficient.
Theorem 5.3: Under Gauss-Markov antagelserne har OLS den mindste asymptotiske varians blandt estimatorer, der løser ligningerne
OLS:
1 1 11
( ,..., )( .... ) 0, 0,1,... .n
j k i o i k iki
g x x y x x j k
1 11
1 11
( .... ) 0,
( .... ) 0, 1,... .
n
i o i k ikin
ij i o i k iki
y x x
x y x x j k
![Page 24: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/24.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
24
Oversigt over OLS estimatorens egenskaber
Antagelser Eksakt Asymptotisk
MLR1-MLR4
Middelret(Theorem 3.1)
Konsistent(Theorem 5.1)
MLR1-MLR5
BLUE(Theorem 3.4)
Asymptotisk efficiens(Theorem 5.3)
MLR1-MLR5
+MLR6Normal fordelt (Theorem 4.1)
Asymptotisk Normalfordelt(Theorem 5.2)
![Page 25: Kvantitative metoder 2](https://reader033.vdocuments.pub/reader033/viewer/2022051317/56812b35550346895d8f43be/html5/thumbnails/25.jpg)
Kvantitative metoder 2: Inferens i den lineære regressionsmodel
25
Næste gang
Test af flere restriktioner: kap. 4.5 Andre test: kap. 5.2 Præsentation af estimationsresultater: kap.
4.6