Fundamentos de Mínimos Cuadrados Generalizados (MCG): Solución a Heterocedasticidad y Autocorrelación
Enviado por Programa Chuletas y clasificado en Matemáticas
Escrito el en
español con un tamaño de 3,92 KB
Teoría MCG
Autocorr y hetereced: Problema para estimar y analizar modelos por MCO (se introduce un sesgo en la estimación de la varianza). => MCG (requisito de esperanza residuales iguales a cero se mantiene, pero homoced. Se levanta)
En presencia de hetero, matriz var/cov, es cuadrada, simétrica y definida positiva.
Var(ei)=O^2*G
3 casos: G=I (homo), G diag.Gral=>res. Incorr hetero. ,G simétrica gral=>res corr hetero.
Para estimar por mcg, se debe cumplir normalidad de res y conocer matriz G.
Por MV se llega a obtener un estimador Bmcg=(x’*g^-1*x) ^-1*x’*g^-1*y
Otra forma: obtener matriz V, por descomposición de jordán (cuadrada, no singular), dividir modelo Y=xb+e y luego estimar por MCO (al dividir, se elimina hetero).
catalán con un tamaño de 437 bytes
vasco con un tamaño de 6,14 KB