پاورپوینت فصل چهارم 4 ( خصوصیات مطلوب برآورد کننده ها ) اقتصاد سنجی (ویژه رشته اقتصاد) مدرسان شریف دکتری مؤلفين یوسف محمدزاده - احمد رسولی ,

پاورپوینت فصل چهارم 4 ( خصوصیات مطلوب برآورد کننده ها ) اقتصاد سنجی (ویژه رشته اقتصاد) مدرسان شریف دکتری مؤلفين یوسف محمدزاده - احمد رسولی

در قالب pptx و در 55 اسلاید و قابل ویرایش

فهرست مطالب
4-1- نااریبی .(𝑈𝑛𝑏𝑖𝑎𝑠𝑒𝑑)(𝐸(𝜃 ̂=𝜃)
4-1-1- نااریبی u
4-1-2- اثبات نااریبی 𝛽 ̂_1
4-1-3- نااریبی β2
۴-۱-۴ اثبات نااریبی𝑌 ̂
4-1-5- اثبات نااریبی تخمین واریانس .نمونه
4-2- کارایی
4-2-1- اثبات واریانس u
4-2-2-اثبات واریانس 𝛽 ̂_2
4-2-3- تفسیر واریانس (𝛽 ̂_2)
۴-۲-۴ اثبات واریانس 𝛽 ̂_1
تفسیر واریانس (𝛽 ̂_1)
4-2-5- تفسیر واریانس (𝑌 ̂_ )
4-2-6- اثبات کارا بودن بودن واریانس در برآوردگرهای OLS
4-3- کفایت (Sufficiency)
۴-۴ مجانباً ناريب (Asymptotically Unbiased).
4-5-سازگاری (Consistency)
4-6- پیش بینی در داده های جدید

سوالی که اکنون در ذهن ایجاد میشود آن است که آیا 𝛽 ̂_2 و 𝛽 ̂_1 به عنوان برآورد کننده های (Estimators) روش OLS بهترین حدس و گمان در مورد پارامترهای مجهول جامعه β1,β2 هستند یا خیر؟
برای آن که برآورد کنندههای روش OLS بهترین حدس و گمان را در مورد پارامترهای مجهول جامعه β1,β2 بزنند لازم است که برآورد کننده های فوق دارای خواص مطلوبی باشد این خواص مطلوب عبارتند از:
در نمونه های :کوچک 1- نااریب بودن 2- کارایی 3- سازگاری 4- کفایت
در نمونه های بزرگ 1- مجانباً نااریب 2- سازگاری

4-1 نا اریبی (𝐸(𝜃 ̂ )=𝜃) Unbiased))
برآورد کننده ای نا اریب است که به طور متوسط مقدار پارامتر جامعه را نشان دهد. اگر θ پارامتر جامعه ،باشد 𝜃 ̂و برآورد ،شده متوسط مقدار پارامتر جامعه را نشان دهد. اگر مقدار واقعی پارامتر (θ) دقیقاً برابر با 𝐸(𝜃 ̂) باشد میگوییم 𝜃 ̂ یک تخمین زننده نااریب از θ است. پس اگر n بار نمونه گیری بنماییم و هر بار میانگین نمونه ها را محاسبه نماییم و در انتها از n میانگین بدست آمده دوباره میانگین بگیریم میتوان بیان نمود میانگین این n میانگین با میانگین جامعه برابر است نااریبی خاصیت نمونه گیری تکراری است و خاص
روش حداقل مربعات معمولی نیست.