全球专业中文经管百科,由121,994位网友共同编写而成,共计436,017个条目

高斯-马尔可夫定理

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

高斯-马尔可夫定理(Gauss-Markov Assumptions)

目录

什么是高斯-马尔可夫定理

  在统计学中,高斯-马尔可夫定理是指在误差零均值,同方差,且相关线性回归模型中,回归系数的最佳线性无偏估计就是最小方差估计。一般而言,任何回归系数的线性组合之BLUE(Best Linear Unbiased Estimators)就是它的最小方差估计。在这个线性回归模型中,其误差不需要假定为正态分布或独立同分布(而仅需要满足相关和方差这两个稍弱的条件)。

  指在给定经典线性回归的假定下,最小二乘估计量是具有最小方差的线性无偏估计量的这一定理。

  高斯--马尔可夫定理的意义在于,当经典假定成立时,我们不需要再去寻找其它无偏估计量,没有一个会优于普通最小二乘估计量。也就是说,如果存在一个好的线性无偏估计量,这个估计量的方差最多与普通最小二乘估计量的方差一样小,不会小于普通最小二乘估计量的方差。

高斯-马尔可夫定理的内容

  具体而言,假设

  Y_i=\beta_0+\beta_1 x_i+\varepsilon_i。(i = 1……n)

  其中β0和β1是非随机且未观测到的参数,xi 是观测到的变量,εi随机误差,Yi随机变量(x小写:因x非为随机变量,Y大写:因Y为随机变量)。

  高斯-马尔可夫定理的条件是:

  {\rm E}\left(\varepsilon_i\right)=0,

  {\rm var}\left(\varepsilon_i\right)=\sigma^2<\infty,

  {\rm cov}\left(\varepsilon_i,\varepsilon_j\right)=0i\not=j,也就是“不相关性”。

  βi的线性无偏估计指的是E{x'e}=0使得E{b}=β

本条目对我有帮助23
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您认为本条目还有待完善,需要补充新内容或修改错误内容,请编辑条目投诉举报

本条目由以下用户参与贡献

Tracy,精英学生会,Skyer0527,LuyinT.

评论(共2条)

提示:评论内容为网友针对条目"高斯-马尔可夫定理"展开的讨论,与本站观点立场无关。
Niniel (Talk | 贡献) 在 2017年12月1日 10:28 发表

第一句错了吧,误差不相关

回复评论
120.42.90.* 在 2017年12月1日 12:01 发表

Niniel (Talk | 贡献) 在 2017年12月1日 10:28 发表

第一句错了吧,误差不相关

我添加了一点内容,这个零误差是指在最小方差的线性无偏估计量的前提下,或是如果你有更准确的信息,你也能编辑一起分享~

回复评论

发表评论请文明上网,理性发言并遵守有关规定。

打开APP

以上内容根据网友推荐自动排序生成

下载APP

闽公网安备 35020302032707号