Estimação econométrica e os pressupostos clrm
técnicas econométricas são utilizados para estimar modelos econômicos, o que acaba lhe permitem explicar como vários fatores afetam algum resultado de interesse ou de prever eventos futuros. A técnica de mínimos quadrados ordinários (OLS) é o método mais popular de realizar análise de regressão e estimar modelos econométricos, porque em situações normais (ou seja, o modelo satisfaz uma série de suposições estatísticas) que produz (o melhor possível) os melhores resultados.
A prova de que OLS gera os melhores resultados é conhecido como o Gauss-Markov teorema, mas a prova exige várias suposições. Estes pressupostos, conhecidos como o modelo de regressão linear clássico (CLRM) premissas, são as seguintes:
Os parâmetros do modelo são lineares, ou seja, os coeficientes de regressão não entram na função que está sendo estimado como expoentes (embora as variáveis podem ter expoentes).
Os valores para as variáveis independentes são derivados a partir de uma amostra aleatória de população, e eles contêm variabilidade.
As variáveis explicativas não tem colinearidade perfeita (isto é, nenhuma variável independente pode ser expresso como uma função linear de quaisquer outras variáveis independentes).
O termo de erro tem média zero condicional, o que significa que o erro médio é zero a qualquer valor específico da variável independente (s).
O modelo não tem heteroskedasticity (ou seja, a variância do erro é o mesmo, independentemente do valor da variável independente).
O modelo não tem autocorrelação (o termo de erro não apresentam uma relação sistemática ao longo do tempo).
Se um (ou mais) dos pressupostos CLRM não for cumprida (que econometristas chamar falta), Então OLS pode não ser a melhor técnica de estimativa. Felizmente, ferramentas econométricas permitem modificar a técnica de OLS ou usar um método de estimação completamente diferente se os pressupostos CLRM não possuem.