Giả Thuyết Gauss-Markov – Wikipedia Tiếng Việt

Bài viết này cần thêm chú thích nguồn gốc để kiểm chứng thông tin. Mời bạn giúp hoàn thiện bài viết này bằng cách bổ sung chú thích tới các nguồn đáng tin cậy. Các nội dung không có nguồn có thể bị nghi ngờ và xóa bỏ. (Tìm hiểu cách thức và thời điểm xóa thông báo này)
Bài viết hoặc đoạn này cần người am hiểu về chủ đề này trợ giúp biên tập mở rộng hoặc cải thiện. Bạn có thể giúp cải thiện trang này nếu có thể. Xem trang thảo luận để biết thêm chi tiết.

Giả thuyết Gauss-Markov bao gồm bốn giả thuyết về lỗi (hay phần dư) (tiếng Anh: errors) để đảm bảo một phương pháp ước lượng (estimator) cho ra các tham số không bị biased:

Giả thuyết 1: các errors (Ui) là đại lượng ngẫu nhiên có giá trị trung bình bằng 0

E(Ui|Xi)= 0 i:= 1,n, Xi: là biến giải thích

Giả thuyết 2: Các errors (Ui) ở các thời điểm khác nhau là không tương quan với nhau.

Cov(Ui,Uj|Xi,Xj)= 0,i≠j

Giả thuyết 3: Các error(Ui) có phương sai (variance) bất biến.

Var(Ui|Xi)= σ2

Giả thuyết 4: Error(Ui) và các biến giải thích (Xi) không tương quan với nhau.

Cov(Ui,Xi)= 0

Nếu các yêu cầu này được thỏa mãn, ta gọi phương pháp ước lượng là BLUE.

Khi một trong 4 giả thuyết kia bị vi phạm, ta phải sử dụng các phương pháp khác nhau để khắc phục, làm sao có thể ra được một estimator không bị biased.

Tự hồi quy

[sửa | sửa mã nguồn]

Khi giả thuyết 2 bị xâm phạm, nghĩa là các error tự hồi quy (thỏa mãn một hàm ARMA nào đó) thì không thể sử dụng t test để kiểm định xem các tham số được ước lượng có khác 0 thực sự không.

Để xác định vấn đề tự hồi quy, có thể sử dụng Kiểm định Durbin-Watson.

Phương sai của lỗi khả biến

[sửa | sửa mã nguồn]

Lỗi và biến giải thích tương quan với nhau

[sửa | sửa mã nguồn]
Bài viết này vẫn còn sơ khai. Bạn có thể giúp Wikipedia mở rộng nội dung để bài được hoàn chỉnh hơn.
  • x
  • t
  • s

Từ khóa » định Lý Gauss Markov