Examkin

Question

Difficulty: MediumÇoklu Doğrusal Regresyon Modeli ve Varsayımları

Çoklu doğrusal regresyon modelinde (Y=Xβ+uY = X\beta + u), klasik varsayımlar altında En Küçük Kareler (EKK) tahmin edicilerinin "En İyi Doğrusal Sapmasız Tahmin Edici" (BLUE) olma özellikleri ve bu özelliklerin dayandığı varsayımlar ile ilgili aşağıdakilerden hangisi doğrudur?

  1. A
    EKK tahmin edicilerinin sapmasızlık (unbiasedness) özelliği, hata terimlerinin varyansının tüm gözlemler için sabit olması (Var(ui)=σ2Var(u_i) = \sigma^2) varsayımına dayanır.
  2. B
    "En iyi" (best) sıfatı, EKK tahmin edicisinin varyansının, doğrusal olup olmadığına bakılmaksızın tüm sapmasız tahmin ediciler arasında en düşük varyansa sahip olduğunu ifade eder.
  3. Tahmin edicilerin "doğrusal" (linear) olması, katsayı tahmin edicilerinin (β^\hat{\beta}) bağımlı değişken YY'ye ait gözlemlerin doğrusal bir fonksiyonu olarak yazılabileceğini ifade eder.Answer
  4. D
    Bağımsız değişkenler arasında yüksek dereceli ancak tam olmayan çoklu doğrusal bağlantı (multicollinearity) bulunması, EKK tahmin edicilerinin sapmasızlık özelliğini ortadan kaldırır.
  5. E
    Hata terimlerinin normal dağılım göstermesi (u∼N(0,σ2)u \sim N(0, \sigma^2)), EKK tahmin edicilerinin BLUE özelliğine sahip olması için gereken zorunlu bir Gauss-Markov varsayımıdır.

Answer

Tahmin edicilerin doğrusal (linear) olması, katsayı tahmin edicilerinin bağımlı değişkenin gözlemlerinin doğrusal bir fonksiyonu olarak ifade edilebilmesidir.
BLUE kısaltmasındaki "Doğrusal" (Linear) ifadesi, katsayı tahmin edicisi olan β^\hat{\beta}'nın, bağımlı değişken YY'nin gözlemlerinin doğrusal bir fonksiyonu (∑wiYi\sum w_i Y_i) şeklinde yazılabileceğini ifade eder. Bu, EKK yönteminin cebirsel bir sonucudur.

Step-by-Step Solution

1
BLUE kavramını bileşenlerine ayırın.
B (Best - En İyi), L (Linear - Doğrusal), U (Unbiased - Sapmasız/Tarafsız), E (Estimator - Tahmin Edici).
Her bir harf, Gauss-Markov varsayımları altında EKK tahmin edicisinin sahip olduğu farklı bir istatistiksel özelliği temsil eder.
2
Doğrusallık (Linearity) özelliğini analiz edin.
β^=(X′X)−1X′Y\hat{\beta} = (X'X)^{-1}X'Y matrisel ifadesinde görüldüğü üzere, katsayı tahminleri bağımlı değişken YY'nin gözlemlerinin doğrusal bir kombinasyonudur.
BLUE terimindeki "L", modelin parametrelerde doğrusal olmasından ziyade, tahmin edicinin kendisinin matematiksel formuna atıfta bulunur.
3
Varsayımlar ile özellikler arasındaki bağlantıyı kurun.
Sapmasızlık için E(u∣X)=0E(u|X)=0 yeterlidir; ancak "En İyi" (minimum varyans) olmak için sabit varyans ve otokorelasyonun olmaması varsayımları gereklidir.
Her varsayımın ihlali farklı bir özelliğin kaybına yol açar; normal dağılım ise sadece çıkarımsal (test) süreçleri etkiler.

Key Concept

BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) Özellikleri

Hints

1
BLUE terimindeki her harfin neyi temsil ettiğini ve hangi varsayıma dayandığını hatırlayın.
2
"Doğrusallık" kavramının hem model için hem de tahmin edicinin kendisi için farklı anlamlar taşıyabileceğini düşünün.
3
Gauss-Markov teoreminin ispatında normal dağılım varsayımının kullanılıp kullanılmadığını sorgulayın.

Practice More

Gauss-Markov varsayımlarından birinin ihlal edilmesi (örneğin değişen varyans) durumunda tahmin edicinin BLUE özelliğinden hangisini kaybettiğini inceleyen soruları çözün.
Estimated Time:1m 30s
Rate this question

Topics

Çoklu Doğrusal Regresyon Modeli ve Varsayımları

More questions from this topic