پاورپوینت فصل دهم 10 ( مدل رگرسیون خطی تعمیم یافته (GLS) ) اقتصاد سنجی (ویژه رشته اقتصاد) مدرسان شریف دکتری مؤلفين یوسف محمدزاده - احمد رسولی ,

پاورپوینت فصل دهم 10 ( مدل رگرسیون خطی تعمیم یافته (GLS) ) اقتصاد سنجی (ویژه رشته اقتصاد) مدرسان شریف دکتری مؤلفين یوسف محمدزاده - احمد رسولی

در قالب ppt و در 29 اسلاید و قابل ویرایش

فهرست مطالب
10-1- مقدمه
10-2- روش حداقل مربعات تعمیم یافته در حالت خود همبستگی
10-3-روش حداقل مربعات تعمیم یافته Generalised Least Squares) در حالت واریانس ناهمسانی
10-3-1-چگونگی برآورد مدل رگرسیونی در حالت واریانس ناهمسانی

۱-۱۰ مقدمه

مدل رگرسیون کلاسیک مبتنی بر فروض بسیار محدود کننده ای در مورد رفتار اجزاء اخلال رگرسیون است مدل دیگری که به «مدل رگرسیون خطی تعمیم یافته» معروف است از این نظر محدودیت کمتری نسبت به مدل رگرسیون کلاسیک دارد.
GLS راه حلی برای برآورد پارامترهای یک معادله خطی با جمله های اخلالی است که خوش رفتار نباشند، به عبارتی، چنانچه جمله اخلال دچار خود همبستگی یا واریانس ناهمسانی باشد از این روش استفاده می‌شود.
قبل از ورود به بحث لازم است به این سوال که تفاوتهای روش GLS با OLS در چیست را پاسخ دهیم؟

مثال ۱: از بین روشهای GLS و OLS کدامیک کاراتر است؟
پاسخ: همانگونه که از نام GLS مشخص است این روش حداقل مربعات عمومی را برآورد می‌نماید و زمانی کاربرد دارد که جمله اخلال دچار خودهمبستگی یا واریانس ناهمسانی و یا ترکیبی از این دو مشکل باشد؛ در صورتی که این مشکلات در جمله اخلال بروز نماید GLS تخمین هایی کاراتر از OLS خواهد داد اما در صورتی که جمله اخلال دارای این مشکلات نباشد و از GLS استفاده شود تخمین ها ناکاراتر می‌گردند در نتیجه در هنگام استفاده از GLS باید از قبل اطمینان حاصل شده باشد که جملات اخلال مشکل خودهمبستگی یا واریانس همسانی دارند. به عبارتی روش GLS حالت کلیتری از OLS است و تنها زمانی کاربرد دارد که جملات خطا خوش رفتار نباشند. پس اینکه کدام روش کاراتر است بستگی به این دارد که آیا جملات خطا دارای مشکل خودهمبستگی یا واریانس ناهمسانی هستند یا خیر؟