Ökonometrischen Schätzung und die CLRM Annahmen
Ökonometrischer Methoden werden verwendet, Wirtschaftsmodelle zu schätzen, was Sie letztendlich erlauben, zu erklären, wie verschiedene Faktoren eine gewisse Ergebnis von Interesse beeinflussen oder zukünftiger Ereignisse zu prognostizieren. Die gewöhnlichen kleinsten Quadrate (OLS) Technik ist die beliebteste Methode der Regressionsanalyse durchführen und ökonometrische Modelle schätzen, denn in Standardsituationen (was bedeutet, das Modell eine Reihe von statistischen Annahmen erfüllt) es erzeugt eine optimale (bestmögliche) ergibt.
Der Beweis, dass OLS die besten Ergebnisse erzeugt, ist bekannt als die Gauss-Markov-Theorem, aber der Beweis erfordert mehrere Annahmen. Diese Annahmen, bekannt als klassischen linearen Regressionsmodell (CLRM) Annahmen, sind die folgenden:
Die Modellparameter sind linear, dh die Regressionskoeffizienten geben die Funktion nicht als Exponenten geschätzt werden (obwohl die Variablen Exponenten haben kann).
Die Werte für die unabhängigen Variablen werden aus einer Stichprobe der Population abgeleitet, und sie enthalten Variabilität.
Die erklärenden Variablen haben keine perfekte Kollinearität (das heißt, keine unabhängige Variable kann als eine lineare Funktion von anderen unabhängigen Variablen ausgedrückt werden).
Der Fehlerterm hat null bedingten Mittelwert, was bedeutet, dass der durchschnittliche Fehler Null zu einem bestimmten Wert der unabhängigen Variable (n).
Das Modell hat keine Heteroskedastie (die Varianz der Fehler bedeutet das gleiche ist, unabhängig von der unabhängigen Variablenwert).
Das Modell hat keine Autokorrelation (der Fehlerterm keine systematische Beziehung im Laufe der Zeit zeigen).
Wenn eine (oder mehrere) der CLRM Annahmen nicht erfüllt ist (die Ökonometrikern nennen Versagen), Dann kann OLS nicht die beste Schätzung Technik sein. Glücklicherweise ökonometrischen-Tools können Sie die OLS-Technik zu ändern oder eine völlig andere Schätzmethode verwenden, wenn die CLRM Annahmen nicht halten.