Noter og Formler.pdf - sociologisk-notesblok
Noter og Formler.pdf - sociologisk-notesblok
Noter og Formler.pdf - sociologisk-notesblok
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Flere restriktioner (Wald test):<br />
Hypotese: :<br />
hvor er en (k+1)x1 vektor af parametre, er en q x(k+1) matrix <strong>og</strong> er en q x1 vektor<br />
Heterosk. robust F-test kan beregnes ud fra robust kovariansmatrix<br />
Heterosk. robust Wald test: Wald-teststørrelsen<br />
Wald testet er altså -fordelt.<br />
NB’er:<br />
- Antagelserne MLR.1- MLR.4, som sikrer at OLS middelret <strong>og</strong> konsistent, vedrører ikke variansen på<br />
fejlleddet.<br />
- Heteroskedasticitet betyder systematik i variansen på fejlleddet, ikke i middelværdien (givet at<br />
MLR.4 holder).<br />
Inferens uden MLR.5:<br />
Whites standardfejl som er robuste overfor heteroskedasticitet. Robust Wald-test.<br />
Weighted Least Squares (WLS):<br />
Estimatoren som korrigerer for heteroskedasticitet kaldes for Weigted Least squares (WLS).<br />
Navnet hentyder til at estimaterne opnås ved at minimere de vægtede kvadrerede residualer.<br />
Heteroskedasticitet af en kendt form (op til en multiplikativ faktor)<br />
antages at være en kendt funktion af de forklarende variable.<br />
for alle mulige værdier af x’erne (varianser er altid positive).<br />
er en ukendt parameter.<br />
Ved at bruge informationen om formen for heterosk. kan modellen transformeres til en ”ny” model, som<br />
ikke indeholder heteroskedasticitet: OLS på den vægtede regression er efficient: Weighted Least Squares<br />
(WLS)<br />
Generelt: Antag følgende multiple regressionsmodel (som opfylder antagelserne MLR.1- MLR.4)<br />
Givet at h er en kendt funktion kan dens værdi beregnes for hver enkelt observation:<br />
Hvis man transformerer modellen så fejlleddet bliver vil den betingede middelværdi stadig være<br />
nul (MLR.4 holder) <strong>og</strong> den betingede varians vil være konstant (MLR.5 opfyldt).<br />
OLS estimatoren i den transformerede model vil være BLUE<br />
F- <strong>og</strong> t-test er gyldige for den transformerede model<br />
er sjældent meningsfuld (ny venstresidesvariabel!)<br />
18