Handout
Handout
Handout
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
3 Fehlermodelle und ihre Wirkung in der Linearen<br />
Regression<br />
3.1 Lineare Regression mit klassischem additiven Fehler<br />
Wir betrachten nun folgendes Modell:<br />
Y = β 0 + β X · X + ɛ<br />
X ∗ = X + U<br />
U ∼ N(0, σ 2 ) ɛ ∼ N(0, σ 2 )<br />
Abbildung 2: Abbildung eines additiven Messfehler-Modells. Die durchgezogene<br />
Linie zeigt zusammen mit den schwarzen Punkten die wahren Werte<br />
und deren Schätzung, so wie die gestrichelte Linie und die weißen Punkte<br />
für die beobachteten Werte.<br />
Zum einen ist hier der Verlust von Power zu sehen. Die Daten mit Fehler<br />
streuen viel mehr um die ihre KQ Gerade als die messfehlerfreien und zum<br />
anderen die Verzerrung in der KQ Schätzung.<br />
Die KQ- Schätzung von X ∗ auf Y ergibt keinen konsitenten Schätzer von β X<br />
sondern eine Schätzer von β X ∗ = λ·β X mit λ =<br />
σ2 X<br />
< 1. Dies bedeutet also<br />
σx+σ 2 U<br />
2<br />
eine Abschwächung des Schätzers. (λ wird als Reliability Ratio bezeichnet.)<br />
6