Handout
Handout
Handout
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Das liegt daran, das der Erwartungswert E(X|X ∗ ) = X ∗ ist und somit<br />
ist E(Y |X ∗ ) = β 0 + β x X ∗ .<br />
Daraus folgt dann, das der Schätzer von Y unverzerrt für β 0 und β x ist.<br />
3.3 Regression mit komplexerer Fehlerstruktur<br />
Wenn man nun neue Annahmen hinzunimmt, z.B.:<br />
• X* ist nun nicht mehr unbedingt unverzerrt für X.<br />
• Fehler im Regressionsmodell dürfen mit Fehlern in den Prädiktoren<br />
korrellieren, d.h. differentieller Fehler sind nun erlaubt.<br />
Die Möglichkeit der Verzerrung in X ∗ , wird durch X ∗ = γ 0 +γ x X +U ausgedrückt.<br />
U ist unabhängig von X, hat einen Mittelwert von 0 und eine Varianz<br />
von σ 2 u. Die Korrelation zwischen Messfehler (ɛ) und Regressionsfehler(U)<br />
bezeichnet man als ρ ɛU .<br />
Die KQ-Schätzer ergeben sich dann mit<br />
β 0 ∗ = β 0 + β X µ X − β X ∗(γ 0 + γ X µ X )<br />
β X ∗ = β Xγ 1 σX 2 + ρ √<br />
ɛU σ<br />
2<br />
ɛ σU<br />
2<br />
γ1σ 2 X 2 + σ2 U<br />
Bei genauerer Betrachtung von β X ∗ erkennt man, das falls X ∗ verzerrt<br />
ist (γ − 1 ≠ 1)oder (ρ eU ¬0), ist es möglich dass es keine Abschwächung der<br />
Schätzer gibt, sondern genau das Gegenteil eintritt!<br />
3.4 Zusammenfassung der linearen Einfachregressionsmodelle<br />
Diese Tabelle zeigt eine Zusammanfassung der behandelten linearen Modelle.<br />
Bei allen wird eine multivariate Normalverteilung angenommen. Das zugrundeliegend<br />
Modell ist Y = β 0 + β x X + ɛ mit X undɛ sind unabhängig und ɛ ist<br />
(0, σ 2 ) verteilt. Die Fehlermodelle sind geordnet, nach dem negativen Einfluss<br />
den der Meßfehler hat (von groß nach klein).<br />
8