Examkin

Soru

Zorluk: OrtaBasit Doğrusal Regresyon Modelinin Varsayımları

Basit doğrusal regresyon analizinde, Gauss-Markov varsayımlarının (doğrusallık, sıfır hata ortalaması, sabit varyans ve otokorelasyon olmaması) tam olarak sağlandığı, ancak hata terimlerinin normal dağılım göstermediği bir durumda, elde edilen En Küçük Kareler (EKK) tahmin edicileri ve modelin anlamlılık testleri hakkında aşağıdakilerden hangisi söylenebilir?

  1. Tahmin ediciler En İyi Doğrusal Sapmasız Tahmin Edici (BLUE) olma özelliğini korur; ancak tt ve FF testleri gibi istatistiksel çıkarımlar küçük örneklemlerde geçersiz hale gelir.Cevap
  2. B
    Tahmin ediciler sapmasızlık özelliğini kaybeder ve bu durum modelin tüm katsayılarının yanlı tahmin edilmesine yol açar.
  3. C
    Hata terimlerinin normal dağılmaması doğrudan değişen varyans (heteroskedastisite) sorununa yol açtığı için tahmin ediciler etkinliğini kaybeder.
  4. D
    Gauss-Markov varsayımları normallik şartını da içerdiğinden, tahmin ediciler artık en küçük varyanslı doğrusal sapmasız tahmin edici (BLUE) değildir.
  5. E
    Normallik varsayımı sağlanmadığı takdirde Durbin-Watson istatistiği hesaplanamaz ve modelde otokorelasyon olup olmadığı test edilemez.

Cevap

EKK tahmin edicileri BLUE olma özelliğini korurken, normallik varsayımının ihlali nedeniyle küçük örneklemlerde t ve F testleri geçersiz kalır.
Gauss-Markov varsayımları (doğrusallık, sapmasızlık, sabit varyans, otokorelasyon yokluğu) sağlandığında, EKK tahmin edicileri normallik varsayımına ihtiyaç duymadan BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) olma özelliğini korur. Ancak, model katsayıları üzerinde yapılan tt ve FF testleri, hata terimlerinin normal dağıldığı varsayımı üzerine inşa edilmiştir. Bu nedenle normallik sağlanmadığında, özellikle küçük örneklemlerde bu testler ve güven aralıkları istatistiksel olarak geçerliliğini yitirir.

Adım Adım Çözüm

1
Gauss-Markov teoreminin kapsamını incelemek.
Teorem; doğrusallık, sıfır hata ortalaması, sabit varyans ve otokorelasyon olmaması durumunda EKK tahmin edicilerinin BLUE olduğunu kanıtlar.
BLUE özelliği için hata terimlerinin dağılım şeklinin (normal vb.) bilinmesi gerekmez.
2
Normallik varsayımının amacını belirlemek.
Normallik varsayımı, katsayı tahmin edicilerinin örnekleme dağılımının da normal olmasını sağlar.
İstatistiksel çıkarımlar (tt ve FF testleri), tahmin edicilerin belirli bir dağılıma (normal, t, F) uyduğu varsayımıyla yapılır.
3
Normallik ihlalinin sonucunu analiz etmek.
Tahmin ediciler hala en iyi ve sapmasızdır; ancak çıkarım süreci (hipotez testleri) küçük örneklemlerde hatalı sonuçlar verebilir.
Merkezi Limit Teoremi uyarınca çok büyük örneklemlerde bu sorun azalsa da, teorik olarak normallik varsayımı çıkarım için gereklidir.

Anahtar Kavram

Normallik Varsayımı vs. Gauss-Markov Teoremi

İpuçları

1
Gauss-Markov teoreminin BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) sonucuna ulaşmak için normallik varsayımını kullanıp kullanmadığını hatırlayın.
2
Regresyonda tt ve FF testlerinin hangi dağılım varsayımları altında türetildiğini düşünün.

Daha Fazla Pratik

Klasik Doğrusal Regresyon Modeli'nde normallik varsayımının Merkezi Limit Teoremi ile olan ilişkisini inceleyebilirsiniz.
Tahmini Süre:1m 30s
Bu soruyu puanla

Konular

Basit Doğrusal Regresyon Modelinin Varsayımları

Bu konudan daha fazla soru