¿No sólo las hipótesis de autocorrelación, insesgadez y homoscedasicty que son relevantes para probar la eficacia y la insesgadez de los estimadores MCO de?
¿Cómo la normalidad en la distribución de los residuales desempeña en aquí?
Esta pregunta ya tiene respuestas:
- ¿Cómo utiliza la regresión lineal la distribución normal? (4 respuestas )
Respuestas
¿Demasiados anuncios?
AdamSane
Puntos
1825
La inferencia de pequeño-muestra generalmente--intervalos de confianza, intervalos de predicción, pruebas de hipótesis se basan en normalidad. Por supuesto puede hacer diferentes supuestos paramétricos.
Mientras que Gauss-Markov le da azul, el problema es si eres lo suficientemente lejos de la normalidad, todos los estimadores lineales pueden estar malos, elegir el mejor entre ellos puede ser casi inútil.
indentation
Puntos
2178
Usted está en lo correcto de que la suposición de normalidad no está obligado a probar unbiasedness. Sin la suposición de normalidad también puede probar la eficacia en la clase de lineales, insesgados de los estimadores a través de la de Gauss-Markov teorema.
Si los errores están distribuidos normalmente, usted también puede establecer que el de mínimos cuadrados de los peritos coinciden con los estimadores de máxima verosimilitud. Esto le permite hablar de cosas como la forma asintótica de la eficiencia de la Emv en términos de Cramér-Rao límite inferior.
A partir de esto se puede establecer que los estimadores de MCO son asintóticamente mejor en la clase de regular los estimadores - estimadores cuyas distribuciones "no son afectados por los pequeños cambios en el parámetro", según Larry Wasserman.
Así, el supuesto de normalidad no es necesario, pero las redes que algunos de los mejores resultados.
