En Küçük Kareler Kestiricilerinin Özellikleri ve Uydurulan Regresyon Modeli
Denklem (1.6) ve (1.7)'den ˆ
0ve ˆ
1'nın y gözlemlerinin doğrusal birleşimleri olduğu
igörülmektedir.
1
1
ˆ
xy ni i
xx i
S c y
S
, i 1, 2,..., n , c i ( x x
i ) S
xxolarak yazılabilir.
ˆ
0ve ˆ
1, en küçük kareler kestiricileri,
0ve
1model parametrelerinin yansız kestiricileridir.
( ) 0 E
i olarak varsayıldığından,
1
1 1
( ) ˆ (
n i i)
n i( )
ii i
E E c y c E y
0 1 0 1
1 1 1
( )
n n n
i i i i i
i i i
c x c c x
Burada,
1 1
( )
n n
0
i i
i i xx
x x
c S
ve
1 1
( )
n n
1
i i
i i
i i xx
x x x
c x S
olduğundan ;
1 1
( ) ˆ E
olur. Diğer bir deyişle, eğer modelin doğru olduğu ( E y ( )
i
0
1x
i) kabul edilirse o zaman ˆ
1,
1'in yansız kestiricisidir.
0
1 1
( ) ˆ (
n i i)
n i( )
ii i
E E d y d E y
0 1 0 1
1 1 1
( )
n n n
i i i i i
i i i
d x d d x
Burada
1 1
( )
1 1
n n
i i
xx
i i
x x x
d n S
ve
1 1
( )
1 0
n n
i i i i
xx
i i
x x x
d x x
n S
olduğundan;
E ( ) ˆ
0
0olur.
Eğer modelin doğru olduğu ( E y ( )
i
0
1x
i) kabul edilirse bu durumda ˆ
0,
0'in yansız kestiricisidir.
ˆ
1'nın varyansı,
1 2
1 1
( ) ˆ
n i i n i( )
iİ i
Var Var c y c Var y
(1.13)
y gözlemleri ilişkisiz olduğundan toplamın varyansı, sadece varyansların toplamıdır.
i( )
i 2Var y olup,
2 2
2 2 1 2
1 2
1
( )
( ) ˆ
n n i
i i
xx
i xx
x x
Var c
S S
(1.14) ˆ0
'nın varyansı,
0 1
ˆ ˆ
( ) ( )
Var Var y x
Var y ( ) x Var
2( ) 2 ˆ
1 x Cov y ( , ) ˆ
12
( ) Var y
n
ve Cov y ( , ) 0 ˆ
1 olup,
2 2 2
0 1
ˆ ˆ 1
( ) ( ) ( )
xx
Var Var y x Var x
n S (1.15)
olur.
GAUSS-MARKOV TEOREMİ
( ) 0
E , Var ( )
2varsayımına ve ilişkisiz hatalara sahip (1.1) denklemindeki
regresyon modeli için en küçük kareler kestiricilerinin, y 'nin doğrusal birleşimleri olan
idiğer bütün yansız kestiricilerle karşılaştırıldığında yansız olduklarını ve minimum varyansa sahip olduklarını belirten bir teoremdir.
Bu teorem, en küçük kareler kestiricilerinin "en iyi doğrusal yansız kestiriciler (Best Linear Unbiased Estimator, BLUE)" olduğunu kanıtlamaktadır.
En küçük kareler uyumunun daha başka yararlı özellikleri de vardır :
1)
0kesim noktasını içeren herhangi bir regresyon modelindeki artıkların toplamı her zaman sıfırdır. (Yuvarlama hataları toplamı etkileyebilir.)
1 1
( ˆ ) 0
n n
i i i
i i
y y e
2) y gözlenen değerlerinin toplamı, ˆ
iy değerlerinin toplamına eşittir :
i1 1
ˆ
n n
i i
i i
y y
3) En küçük kareler regresyon doğrusu her zaman verilerin merkezinden
( , ) y x noktası geçer.
4) Bağımsız değişkenin karşılık gelen değeriyle ağırlıklandırılmış artıkların toplamı her zaman sıfırdır :
1
0
n i i i
x e
5) ˆ y kestirim değerleri ile ağırlıklandırılmış artıkların toplamı her zaman sıfırdır.
i1
ˆ 0
n i i i
y e