OLS Regressiecoëfficiënten en Aannames
Begrijp de minst-kwadraten objectieve, voorwaardelijke coëfficiënt interpretatie, reststoffen, exogeneiteit, multicollineairheid, homoskedasticity, en verantwoorde financiële regressie analyse.
Direct antwoord
De normale kleinste vierkanten selecteert coëfficiënten die de som van de kwadraatverschillen tussen waargenomen resultaten en lineaire ingerichte waarden minimaliseren. Een coëfficiënt beschrijft het gemiddelde lineaire verschil in de uitkomst in verband met een verschil van één eenheid in zijn regressief, waarbij de andere inbegrepen represtors vast staan. Om die beschrijvende projectie in een causaal effect te veranderen, zijn extra aannames nodig zoals een voorwaardelijke gemiddelde fout van nul; een hoge R2 of kleine restjes kunnen ze niet vaststellen.
OLS minimaliseert kwadraatresten
In het model y=Xβ+u kiest OLS β om de som van kwadraatverschillen tussen waarnemingen en aangebrachte waarden Xβ zo klein mogelijk te maken.
Wanneer de kolommen van de ontwerpmatrix een volledige rang hebben, wordt de oplossing vaak geschreven β
Squaring creëert een haalbare doelstelling en straft grote missers zwaar, zodat datafouten en invloedrijke uitschieters een aanzienlijke hefboomwerking kunnen hebben.
Een coëfficiënt is een voorwaardelijke lineaire vergelijking
De coëfficiënt βj is het in y aangebrachte verschil voor een verschil in xj van één eenheid wanneer de andere inbegrepen variabelen op dezelfde waarden worden gehouden.
Het Frisch
De betekenis ervan hangt dus af van de controle, functionele vorm, eenheden en steekproef; het is niet alleen de correlatie tussen twee ruwe variabelen.
Lineariteit betreft de parameters
Een lineaire regressie moet lineair zijn in zijn coëfficiënten, maar de represors kunnen logaritmen, vierkanten, splines, indicatoren en interacties omvatten.
Bij een interactie verandert de marginale relatie voor de ene variabele met de waarde van de andere, zodat een hoofdcoëfficiënt niet afzonderlijk kan worden gelezen.
Extrapolatie breidt de gekozen functionele vorm uit buiten de waargenomen ondersteuning en is een veel sterkere claim dan het goed passen van het monster.
Verschillende aannames bieden verschillende garanties
Een nul voorwaardelijke gemiddelde zegt weggelaten componenten van de uitkomst zijn niet systematisch voorspelbaar van de opgenomen represtors en is centraal voor consistentie of structurele interpretatie.
Homoskedasticity vereist gelijke voorwaardelijke foutvariaties tussen de regressiewaarden; het betreft de klassieke variantieformule en efficiëntie meer dan coëfficiënt onbevooroordeeldheid.
Normale fouten zijn niet nodig voor het berekenen van OLS, hoewel normaliteit exacte kleine sample t en F-inferentie onder het klassieke model kan ondersteunen.
Een restant is niet de ongeziene populatiefout
Een restwaarde e=y−Xβ
Met een onderschepping construeren OLS restresten orthogonaal aan de monsterregressieurs, dus nul monster correlatie tussen hen is geen onafhankelijk bewijs van exogeniteit.
Resterende percelen kunnen niet-lineairheid onthullen, veranderend variantie, clustering, seriële afhankelijkheid, en uitschieters, maar ze kunnen niet het juiste model certificeren.
Financiële gegevensdruk de aannamen van het leerboek
Returns vertonen volatiliteit clustering en staart gebeurtenissen, terwijl overlappende holding-periode rendementen maken seriële correlatie door constructie.
Bedrijfspanelen kunnen persistentie binnen elke onderneming en gemeenschappelijke schokken in bedrijven op dezelfde datum bevatten, waardoor de eenvoudige onafhankelijkheid van observaties wordt geschonden.
Trends in niveau serie, overleving, gelijktijdige prijs ontdekking, en meetfout kan een significante coëfficiënt meer structureel dan het is.
Rapporteer de raming en de onzekerheid samen
Vermeld de estimand, steekproef, eenheden, transformaties, controles, vaste effecten, ontbrekende gegevens regels, en covourace schatter voordat het getal te interpreteren.
Paar coëfficiënten met standaardfouten of intervallen, vertaal ze in realistische veranderingen, en test gevoeligheid voor invloedrijke waarnemingen en verdedigbare specificaties.
Beoordeel identificatie en stabiliteit in de tijd of uit monster gescheiden van R2, teken, en statistische betekenis.
Veelgestelde vragen
Wat betekent een OLS regressiecoëfficiënt?
Het is het gemiddelde ingerichte lineaire verschil in het resultaat in verband met een eenheid van een weerjager, waarbij andere inbegrepen regressieurs vast staan.
Kan een lineaire regressie een gebogen relatie voorstellen?
Ja, het kan logaritmen, krachten, splines en interacties gebruiken, zolang het model lineair blijft in de coëfficiënten.
Bevooroordeelt multicollineairheid de coëfficiënten?
Onvoldoende multicollineairheid creëert op zichzelf geen vooringenomenheid, maar het kan standaardfouten vergroten en coëfficiënten zeer monstergevoelig maken.
Doen robuuste standaardfouten oplossen geschonden OLS aannames?
Nee. Ze ontspannen geselecteerde covourikelen maar herstellen geen endogeneïteit, een onjuiste functionele vorm, of selectievooroordeel in de coëfficiënt.
Bronnen en verder lezen
Snelle check
De gids gelezen? Test jezelf met 3 vragen
Vraag 01
Welke verklaring past het beste bij deze gids . . OLS minimaliseert kwadraatresten?
Kies een antwoord om de uitleg te zien
Optiewoordenlijst
A relationship describing how an outcome would differ under a specified intervention or counterfactual change; observed association alone does not identify it.
Lees de uitgebreide gidsAt the moneyA call or put whose strike is near the underlying price; it has little intrinsic value and often substantial sensitivity to time and volatility.
Lees de uitgebreide gidsCall optionA contract that gives its holder the right, but not the obligation, to buy the underlying at the strike before or at expiration under the contract terms.
Lees de uitgebreide gids