论文笔记-The Gauss-Markov Theorem and Random Regressors
论文信息
文章名称:The Gauss-Markov Theorem and Random Regressors
文章作者:Shaffer, Juliet Popper
收录情况:The American Statistician, Nov, 1991, Vol. 45, No. 4, pp. 269-273
文章链接:https://doi.org/10.1080/00031305.1991.10475819
简要总结
1.论文目的
- 对传统高斯-马尔可夫理论中关于线性回归中自变量 X X X当作随机样本后的情况进行了讨论
2.论文方法
- 利用条件概率对估计系数 β \beta β进行了条件无偏、非条件无偏进行了讨论
3.论文结论
- 在非条件无偏下,传统的线性回归理论中得到的估计系数 β ^ \hat{\beta} β^可能并不满足UMVUE的性质。
论文讲解
1.1 传统线性回归的结论和假设
在高斯-马尔可夫定理中,关于变量 X X X的假设是非随机的,只有在这样的前提下,才能得到 β ^ \hat{\beta} β^是最优线性无偏估计量(BLUE)。
1.2 当将 X X X作为随机样本分析时,之前的假设会发生改变
如果 X X X为随机样本时,之前关于 Y Y Y的假设统统变成了条件假设
变量 X X X除了其为连续性的(因为是从样本中采样得到的 X X X,你无法说明 X X X一定就是连续的),和 X X X为一个非退化的矩阵(防止其为奇异阵而无法进行求逆等运算)的假设,其是任意的。
变量 Y Y Y只有关于等式(2)的限制,其也为任意的。
此时我们要寻找关于 y y