Klasik Doğrusal Regresyon Modeli'nde (KDRM) En Küçük Kareler (EKK) tahmin edicilerinin "En… — KPSS İstatistik

Klasik Doğrusal Regresyon Modeli'nde (KDRM) En Küçük Kareler (EKK) tahmin edicilerinin "En İyi Doğrusal Sapmasız Tahmin Edici" (BLUE) özelliklerini taşıması için Gauss-Markov varsayımlarının sağlanması gerekir.

Buna göre, aşağıdakilerden hangisi EKK tahmin edicilerinin BLUE özelliğine sahip olması için sağlanması gereken zorunlu varsayımlardan biri değildir?

A
Hata terimlerinin beklenen değerinin sıfır olması ( $E[\epsilon_i] = 0$ )
B
Hata terimlerinin varyansının tüm gözlemler için sabit olması ( $Var(\epsilon_i) = \sigma^2$ )
C
Farklı gözlemlere ait hata terimleri arasında otokorelasyon bulunmaması ( $Cov(\epsilon_i, \epsilon_j) = 0$ )
Hata terimlerinin normal dağılım göstermesi ( $\epsilon_i \sim N$ )Answer
E
Bağımsız değişken ( $X$ ) ile hata terimleri arasında ilişki olmaması ( $Cov(X_i, \epsilon_i) = 0$ )

Answer

Hata terimlerinin normal dağılım göstermesi, EKK tahmin edicilerinin BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) olması için zorunlu bir varsayım değildir.

Gauss-Markov Teoremi'ne göre bir tahmin edicinin En İyi Doğrusal Sapmasız Tahmin Edici (BLUE) olabilmesi için doğrusal olması, sapmasız olması ve minimum varyansa sahip olması gerekir. Bu özelliklerin sağlanması için hata terimlerinin beklenen değerinin sıfır olması, varyansının sabit olması ve gözlemler arası ilişkinin (otokorelasyon) olmaması yeterlidir. Hata terimlerinin normal dağılması varsayımı ise BLUE özelliği için değil, katsayılar üzerinde hipotez testleri (t-testi) ve güven aralıkları oluşturabilmek için gereklidir.

Step-by-Step Solution

Gauss-Markov Teoremi'nin kapsamını belirlemek.

BLUE özelliği; doğrusallık, sapmasızlık ve minimum varyanslılık (etkinlik) şartlarının bileşimidir.

Teorem, belirli varsayımlar altında EKK'nın tüm doğrusal sapmasız tahmin ediciler içinde en küçük varyansa sahip olduğunu kanıtlar.

BLUE için gereken temel varsayımları sınıflandırmak.

Hata terimlerinin sıfır ortalamalı olması, sabit varyanslı olması, otokorelasyonsuz olması ve X değişkeni ile ilişkisiz olması zorunludur.

Bu varsayımlar tahmin edicilerin sapmasız kalmasını ve varyansının minimuma indirilmesini sağlar.

Normallik varsayımının regresyon analizindeki spesifik amacını tanımlamak.

Normallik varsayımı, katsayı tahmin edicilerinin örneklem dağılımının t ve F dağılımlarına uyması için gereklidir.

BLUE özelliği sadece ilk iki momentin (ortalama ve varyans) özellikleri ile ilgilidir, dağılımın olasılık yoğunluk fonksiyonunun şekli bu özelliği etkilemez.

Key Concept

Gauss-Markov Teoremi ve Normallik Varsayımı Ayrımı

Estimated Time:1m 30s

Question

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Topics

More questions from this topic