ÖKONOMETRIA
ÖKONOMETRIA
Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén
az ELTE Közgazdaságtudományi Tanszék, az MTA Közgazdaságtudományi Intézet,
és a Balassi Kiadó közreműködésével.
ÖKONOMETRIA
Készítette: Elek Péter, Bíró Anikó Szakmai felelős: Elek Péter
2010. június
ELTE TáTK Közgazdaságtudományi Tanszék
ÖKONOMETRIA
7. hét
Becslések összefoglalása és nagymintás elmélet
Elek Péter, Bíró Anikó
Regressziós modell
yi= α + β1x1i + β2x2i +…+ βkxki + ui, i=1…n Feltevések:
1. E(ui) = 0
2. ui, uj függetlenek minden i≠j-re
3. xi, uj függetlenek minden i, j-re (exogenitás) 4. nincs tökéletes kollinearitás
5. Var(ui) = 2 minden i-re 6. ui normális eloszlású
1–5.: Gauss–Markov-feltételek
1–6.: klasszikus lineáris modell feltételei
Feltételek máshogyan (nagymintás elmélethez – sztochasztikus magyarázó változók)
1. A populációs modell: y = α + β1x1 + β2x2 +…+ βkxk + u.
2. {(x1i,x2i,…,xki,yi), i = 1,…,n} független véletlen minta a modellből
3. Egyik magyarázó változó sem konstans, és a magyarázó változók között nincs tökéletes multikollinearitás
4. Exogenitás: E(u|x1,…,xk) = 0
5. Homoszkedaszticitás: Var(u|x1,…,xk) = σ2
6. u független a magyarázó változóktól, és eloszlása normális
1–5.: Gauss–Markov feltételek
1–6.: klasszikus lineáris modell feltételei
Többváltozós regresszió becslés
Becslés: momentumok módszere vagy
legkisebb négyzetösszeg alapján (de normális hibatag esetén ML-becslés is)
Mátrix
2 2
2 1
ˆ 1
ˆ, ( ˆ ˆ ˆ ... ˆ )
min Q i yi x i x i k xki
k
) ' ( ) '
ˆ ( X X
-1X y β
u
Xβ
y
Egyváltozós eset
i i
i i
i
i i
xx xy
x y
y y
u
x y
x y
S S
ˆ ˆ ˆ
ˆ
ˆ ˆ ˆ
ˆ ˆ ˆ
2 2 22 2 2
y n y
y y
S
y x n y
x y
y x x
S
x n x
x x
S
i i
yy
i i i
i xy
i i
xx
Többváltozós regresszió értelmezés
Együtthatók értelmezése
Parciális hatás („ceteris paribus”): adott
magyarázó változó hatása függő változóra, többi magyarázó változó fixen tartása mellett
Többszörös determinációs együttható: R
2RSS = S
yy(1 – R
2)
Becslés kismintás tulajdonságai
Az 1–4. feltételek teljesülése esetén az OLS-becslés torzítatlan.
Az 1–5. (Gauss–Markov) feltételek teljesülése esetén a becslés BLUE, és a paraméterbecslések szokásos varianciája helyes
Az 1–6. (klasszikus lineáris modell) feltételek esetén a t-, F-statisztika t-, ill. F-eloszlású (minden
mintaelemszám esetén).
i
i RSS
Var
2
ˆ )
(
Többváltozós regresszió, t-próba
Kétoldali próba: pl. H0: βi = 0, H1: βi ≠ 0 Egyoldali próba: pl. H0: βi = 0, H1: βi > 0
Normális hibatagok esetén:
~ 1
ˆ ) ( ˆ
k n i
i
i t
SE
i
i RSS
Var
2
ˆ )
(
ˆ
21
k n
RSS
Egyváltozós eset
2
22
2 2
~ /
/ ˆ 1
ˆ
~ ˆ /
ˆ
n xx
n xx
t S
x n
t S
Többváltozós regresszió, F-próba
Egymásba ágyazott hipotézisek tesztelése Több korlátozás együttes tesztelése
) 1 ( 2 ,
2 2
2 1
0
2 2
) 1 ( 2 ,
2 2
) ~ 1 /(
) 1
( /
0
0 ...
: H
: atlansága használhat
Regresszió
) 1
(
) 1
(
) ~ 1 /(
) 1
(
/ ) (
) 1 /(
/ ) (
k n k U
U R
k
U yy
R yy
k n r U
R U
k F n R
k F R
R
R S
URSS R
S RRSS
k F n R
r R
R k
n URSS
r URSS F RRSS
Regresszió használhatatlansága
Varianciaanalízis
Szórás forrása
Négyzet- összeg
Szabads.- fok
Átl.
négyzetö. F
Regr. R2Syy k R2Syy/k = MS1 F =
= MS1/MS2 Maradék (1 – R2)Syy n – k – 1 (1 – R2)Syy/(n – k – 1) =
= MS2 Teljes Syy n – 1
Nagymintás eredmények 1.
Konzisztencia
Az 1–4. feltételek teljesülésekor az OLS becslés konzisztens. Egyváltozós esetre a bizonyítás
) (
) , (
) (
) ,
ˆ ( plim
ˆ
x Var
u x Cov
x Var
u x
x Cov Var(x)
Cov(x,y) S
S
xx xy
Nagymintás eredmények 2.
Aszimptotikus normalitás
Az 1–5. (Gauss–Markov) feltételek teljesülése esetén az OLS becslés aszimptotikusan normális
Tehát a szórás n1/2 nagyságrendben tart nullához.
A σ2 szokásos becslése konzisztens, így a szokásos t-teszt aszimptotikusan érvényes (még a 6. – normalitási – feltétel nélkül is)!
) 1
( )
1 ) (
( ˆ
, 0 ˆ ~
2 2
2 2
2
i x
i i
i
aszimpt i
i
R R
n TSS Var
n c
c N
n
i
Nagymintás eredmények 3.
F-teszt és hasonlók
Az 1–5. feltételek esetén (tehát nem kell a 6. (normalitási) feltétel) az F-teszt aszimptotikusan érvényes.
További nagymintás tesztek (csak aszimptotikusan érvényesek):
Wald-teszt: n(RRSS – URSS)/URSS ~ χr2
a regresszió használhatatlanságára: nR2/(1 – R2) ~ χk2 Lagrange-multiplikátor (LM) teszt: n(RRSS – URSS)/RRSS ~ χr2
a regresszió használhatatlanságára: nR2 ~ χk2
Modellszelekció
Korrigált R2
Egymásba ágyazott hipotézisek: t- és F-próba Nem egymásba ágyazott hipotézis, függő
változó azonos: korrigált R2, információs
kritériumok (AIC, BIC – log-likelihood alapján) )
1 1(
1 2 1 R2
k n
R n
Lényeges változók kihagyása
Kihagyott változó korrelál bennhagyott
változókkal: torzított becslés (endogenitás) Kétváltozós regresszió
Tényleges modell: y = β1x1 + β2x2 + u Becsült modell: y = γ1x1 + u
Torzítás: Corr(x
1,x
2)>0 Corr(x
1,x
2)<0
β
2>0 + –
β
2<0 – +
Lényegtelen változó bevonása
Tényleges modell: y = β1x1 + β2x2 + u
Becsült modell: y = β1x1 + β2x2 + β3x3 + u, β3 = 0
Torzítatlanságot nem befolyásolja (nincs endogenitás)
Variancia nő:
i
i RSS
2
)
Var(