通常の最小二乗法での効果
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/05/04 14:09 UTC 版)
「除外変数バイアス」の記事における「通常の最小二乗法での効果」の解説
ガウス-マルコフの定理は、古典的な線形回帰モデルの仮定を満たす回帰モデルが、最も効率的で線形で不偏な推定量を提供すると述べている。通常の最小二乗法では、古典的な線形回帰モデルの関連する仮定は、誤差項が回帰子と無相関であるということである。 除外変数バイアスの存在は、この仮定に反するので、通常の最小二乗法による推定値にバイアスがかかり、一貫性が失われる。バイアスの方向は、推定量や、回帰子と除外された変数の間の共分散に依存する。除外変数が回帰変数や従属変数と共分散が正の時、係数の推定値は真の値よりも大きくなる。
※この「通常の最小二乗法での効果」の解説は、「除外変数バイアス」の解説の一部です。
「通常の最小二乗法での効果」を含む「除外変数バイアス」の記事については、「除外変数バイアス」の概要を参照ください。
- 通常の最小二乗法での効果のページへのリンク