macierz symetryczna
Transkrypt
macierz symetryczna
Standardowy model liniowy i klasyczna metoda najmniejszych kwadratów W konstrukcji modelu ekonometrycznego wiele zależy od realizacji etapu związanego z estymacją parametrów strukturalnych. Szacowanie parametrów modelu ekonometrycznego sprowadza się do przypisywania nieokreślonym liczbowo parametrom konkretnych wartości liczbowych. Szacowanie to powinno być przeprowadzone w taki sposób, aby zapewniło najlepsze dopasowanie modelu do danych empirycznych. Powszechnie wykorzystywaną metodą szacowania parametrów liniowych modeli ekonometrycznych: Y=α0 + α1X1 + … + αkXk + ε jest klasyczna metoda najmniejszych kwadratów. Idea tej metody sprowadza się do takiego wyznaczenia wartości ocen a0, a1,…, ak parametrów strukturalnych α0, α1,…, αk, że suma kwadratów odchyleń zaobserwowanych wartości zmiennej objaśnianej od jej wartości teoretycznych obliczonych z modelu była najmniejsza. Warunek ten zapisuje się następująco: n n 2 t S e t 1 yt 1 X t1 0 ... 2 Xt2 t 1 k X tk 2 min gdzie et(ut) (t=1,2,…,n) – odchylenie empirycznych wartości zmiennej objaśniającej od jej wartości teoretycznych nazywane resztami modelu: et przy czym: yt a0 yt yt , a1 xt1 ... ak xtk . Zastosowanie klasycznej metody najmniejszych kwadratów wymaga przyjęcia następujących założeń: postać modelu jest liniowa względem parametrów (lub sprowadzalna do liniowej), zmienne objaśniające są wielkościami nielosowymi, zmienne są niezależne i wolne od współliniowości, czyli nie występuje między zmiennymi dokładna zależność liniowa, składnik losowy ε nie jest skorelowany ze zmiennymi objaśniającymi, E(ε)=0, czyli składniki losowe dla wszystkich obserwacji mają wartości oczekiwane równe zeru. Konsekwencją tego jest bardzo ważna interpretacja liczbowa parametru αi. Oszacowana wartość liczbowa parametru αi informuje o ile wzrośnie (lub zmniejszy się) przeciętna wartość zmiennej objaśnianej Y, gdy przy nie zmienionych wartościach innych zmiennych objaśniających wartość zmiennej objaśniającej Xi wzrośnie o jednostkę, E(εεT)=σ2I. Założenie to można podzielić na dwie części. Po pierwsze mówi ono, że E(εt2)=σ2 dla wszystkich t, co jest założeniem o jednorodności (stałości) wariancji składnika losowego (o homoscedastyczności składnika losowego). Jednorodna wariancja implikuje, że dyspersja (rozrzut) łącznego wpływu zmiennych nie uwzględnionych w modelu nie zmienia się w czasie. Po drugie oznacza, że E(εs,εt)=0 (kowariancja jest równa 0) dla wszystkich s≠t, co jest założeniem o nie skorelowaniu składników losowych. Konsekwencją tego założenia jest fakt, że rozkład składnika losowego jest dla wszystkich obserwacji, taki sam i nie zależy od zmiennych objaśniających, a zatem wielkość w dowolnym momencie (okresie) nie ma żadnej wartości informacyjnej z uwagi na rozkład w innych momentach (okresach), rz(X)=k+1≤n. Założenie to stanowi warunek konieczny dla jednoznacznego określenia estymatorów Klasyczną Metodą Najmniejszych Kwadratów. Liniowy model ekonometryczny z jedną zmienną objaśniającą ma ogólną postać: Wartości ocen a0 oraz a1 parametrów strukturalnych α0 oraz α1 otrzymuje się w tym wypadku z warunku: Wyznaczamy pochodne cząstkowe funkcji S i porównujemy je do zera, gdyż warunkiem koniecznym na to, aby funkcja dwóch zmiennych przyjęła wartość minimalną, są zerowe wartości poszczególnych pochodnych cząstkowych względem obu zmiennych. Ostatecznie otrzymujemy układ równań: Przekształcając drugie równanie mamy: Podstawiając jednocześnie do pierwszego równania w miejsce a0 otrzymujemy: W wyniku rozwiązania układu równań normalnych otrzymujemy ostatecznie następujące wzory na a0 i a1: gdzie oraz oznaczają średnie arytmetyczne zmiennych Y i X. Wzór na ocenę a ma jeszcze inną postać. Rozpatrzmy osobno mianownik i licznik: Licznik: Mianownik: Stąd: Wartość oceny a parametru α informuje, o ile jednostek zmieni się wartość zmiennej objaśnianej Y, jeśli wartość zmiennej objaśniającej X zmieni się o jednostkę. Specyficznym modelem liniowym z jedną zmienną objaśniającą jest liniowy model tendencji rozwojowej (trend liniowy) o postaci: gdzie t oznacza zmienną czasową. Wzory na oceny parametrów strukturalnych trendu liniowego są podobne do poprzednich, z tym, że zamiast zmiennej X występuje zmienna czasowa t tzn.: W przypadku modelu liniowego z jedną zmienną objaśniającą oprócz zapisu algebraicznego możemy również stosować zapis macierzowy wartości oszacowań parametrów strukturalnych tzn. Zwróćmy uwagę, że: Teraz odwróćmy macierz XTX: Warto zauważyć, że w przypadku macierzy symetrycznej macierz dopełnień równa jest transponowanej macierzy dopełnień. Parametry liniowego modelu ekonometrycznego szacujemy analogicznie jak w przypadku modelu z jedną zmienną objaśniającą, wyznaczając minimum: n n 2 t S e t 1 yt a0 a1 xt1 a2 xt 2 ... ak xtk 2 min . t 1 Dalsze obliczenia wygodniej jest prowadzić w zapisie macierzowym. Liniowy model ekonometryczny można wtedy przedstawić w postaci: Y = Xα + ε, gdzie: y1 y2 y X yi yn 1 1 1 1 - wektor obserwacji zmiennej objaśniającej, x11 x21 xi1 xn1 x12 x22 xi 2 xn 2 x1 j x2 j xij xnj x1k x2 k xik xnk - macierz obserwacji zmiennych objaśniających, 0 1 1 2 - wektor parametrów, j k i k - wektor składników losowych. Ocenę a wektora parametrów α znajduje się przez zminimalizowanie funkcji ƒ(a)=(y-Xa)T(y-Xa) Po zróżniczkowaniu względem wektora a i po rozwiązaniu równania okazuje się, że funkcja ƒ osiąga minimum w punkcie a=(XTX) -1XTy przy założeniu, że det(XTX)≠0 Wektora a jest nazywany wektorem ocen parametrów α. Po oszacowaniu model zapisuje się zwykle w postaci yt a0 a1 xt1 ... a j xtj ... ak xtk , gdzie y - wartości teoretyczne zmiennej objaśnianej Y. Po oszacowaniu otrzymujemy – wspomniane już wcześniej - tzw. reszty modelu, czyli różnice między rzeczywistymi a teoretycznymi wartościami zmiennej objaśnianej. Reszta odpowiadająca i-tej obserwacji wyraża się więc wzorem et yt yt , (t 1,2,...,n). Ocena wariancji składnika losowego wyraża się wzorem n et2 2 e s t 1 n k 1 1 y T y y T Xa n k 1 gdzie k – oznacza liczbę zmiennych objaśniających. Wielkość ta określa się często jako wariancję resztową, a jej pierwiastek kwadratowy mówi, o ile przeciętnie odchylają się poszczególne obserwacje zmiennej objaśnianej od ich wartości teoretycznych oszacowanych na podstawie modelu. Macierz wariancji i kowariancji ocen parametrów szacuje się na podstawie wzoru 2 D a 2 e T s X X 1 . W macierzy tej na głównej przekątnej są wariancje ocen parametrów V(aj) dla j=1, 2, …, n. Wielkości S aj V (a j ) są standardowymi błędami szacunku parametrów. S(aj) informuje, o ile jednostek wartość oceny aj różni się od rzeczywistej wartości parametru αj.