4.6. Линейные модели регрессии со стохастическими регрессорами Одной из основных предпосылок классической линейной регрессии была предпосылка о том, что независимые переменные - регрессоры являются детерминированными величинами. Эта предпосылка имеет существенное значение для установления ряда желательных свойств МНК - оценок регрессии - несмещенности, эффективности, состоятельности. Однако на практике эта предпосылка, к сожалению, часто не выполняется, и, следовательно, классическая модель становится неадекватной наблюдаемым данным (подробное обсуждение значения этой предпосылки при построении линейной регрессии и последствия, к которым приводит ее не выполнение см. п. 4.1.1). В данном разделе рассмотрим модель со стохастическими регрессорами, которая при определенных предположениях обладает свойствами, подобными свойствам классической модели. Итак, рассмотрим линейную модель
где, как и ранее, y - вектор - столбец зависимых переменных, X - матрица наблюдений независимых переменных, u - вектор - столбец случайных составляющих модели. Принципиальным отличием регрессии (4.48) от рассматриваемых ранее моделей является то, что теперь матрица независимых переменных (регрессоров) предполагается не детерминированной, а случайной (случайная матрица - это матрица, у которой хотя бы один элемент является случайной величиной). Для простоты мы не делаем различий между обозначениями случайных величин регрессии (4.48) и их выборочных значений. Предположим, что для данной модели выполнены следующие предпосылки. 1)
Условное математическое ожидание
случайной составляющей
2)
Условная ковариационная матрица
случайной составляющей
Данная предпосылка означает, что условные дисперсии компонент вектора u - постоянные величины - модель условно гомоскедастична. 3) При всех реализациях матрица X имеет полный ранг. Замечание. При формулировке данных
предпосылок мы использовали понятие условного
математического ожидания случайной
величины. В модели со стохастическими
регрессорами в общем случае
предполагается, что регрессоры и
случайный член модели статистически
зависимы. Условное математическое
ожидание случайной величины u
вычисляется при условии, что
случайная матрица X приняла
некоторое определенное значение, то
есть при некоторой фиксированной
реализации случайной матрицы
регрессоров X. Если случайные
величины u и X независимы, то
случайная величина u принимает то
или иное значение независимо от того,
какое значение принимает случайная
величина X и, следовательно,
условное математическое ожидание Покажем, что из первой
предпосылки модели следует
некоррелированность вектора u и
матрицы регрессоров X, то есть
Здесь мы использовали следующие свойства условных математических ожиданий: для зависимых случайных величин w, v,
Выражения для МНК - оценки вектора коэффициентов, ковариационной матрицы вектора оценок и ее оценки, дисперсии возмущений и ее оценки в модели (4.48) со стохастическими регрессорами для конкретной реализации матрицы регрессоров X формально имеют такой же вид, как для модели с детерминированными регрессорами (разумеется, при условии выполнения предпосылок модели):
однако теперь их следует понимать как оценки соответствующих условных (при заданной реализации случайной матрицы X) величин. Можно показать, что: 1)
оценка (4.49)
является условно и безусловно
несмещенной оценкой вектора
коэффициентов, то есть
2)
оценка (4.52)
дисперсии возмущений является
условно и безусловно несмещенной, то
есть
3)
оценка (4.51)
ковариационной матрицы вектора
оценок является условно и безусловно
несмещенной, то есть
Задание. Докажите свойства 1).- 3)., используя правила преобразования условных математических ожиданий. Таким образом, при выполнении условий 1) - 3) Гаусса - Маркова в модели со стохастическими регрессорами МНК - оценки являются несмещенными. Для таких моделей имеет место условный вариант теоремы Гаусса-Маркова. Условный вариант теоремы Гаусса-Маркова. среди всех линейных условно
несмещенных оценок вектора
коэффициентов Задание. Докажите условный вариант теоремы Гаусса - Маркова. Таким образом, при выполнении условий Гаусса - Маркова, МНК - оценки в модели со стохастическими регрессорами имеют свойства (относительно условных математических ожиданий), аналогичные свойствам классической модели. Однако если случайные величины X и u коррелированы, то в общем случае МНК - оценки будут смещенными и несостоятельными.
|