Asumsi 1 Asumsi 3
Model regresi linier. Model regresi linier dalam Rata-rata nilai gangguan nol ui. Mengingat nilai
parameter X, nilai rata-rata, atau yang diharapkan, dari
Yi = 1 + 2Xi + ui istilah gangguan acak ui adalah nol. Secara teknis,
nilai rata-rata bersyarat dari ui adalah nol. Secara
Asumsi 2 simbolis, kami memiliki
Nilai X tetap dalam pengambilan sampel E (ui |Xi) = 0
berulang. Nilai yang diambil oleh regressor X Asumsi 4
dianggap tetap dalam sampel berulang. Secara
lebih teknis, X diasumsikan nonstochastic Homoskedastisitas atau Varians Konstan ui:
Varians galat, atau gangguan, istilah adalah sama
terlepas dari nilai X.
Homoscedasticity dan Heteroscedasticity
Asumsi The Gaussian, standard, or classical linear regression
model (CLRM)
Degree of freedom
Estimator OLS untuk unknown α2
1.
Standard error of estimate (Standard error of regression) merupakan deviasi nilai Y terhadap garis
regresi dan seringkali digunakan sebagai ringkasan pengukuran “goodness of fit” dari garis regresi yang
diestimasi. Diperoleh dengan rumus :
1. Varian β2 secara langsung proporsional terhadap α2(regresi) namun secara terbalik proporsional terhadap
2. Varian β1 secara langsung proporsional terhadap α2 dan namun secara terbalik proporsional terhadap dan jumlah
sampel.
3. Karena β1 dan β2 adalah estimator, mereka tidak hanya bervariasi dari percobaan repeated sampling, namun pada
salah satu sampel yang digunakan, mereka juga saling dependen satu sama lain.
Properties of Least-Squares Estimators: The
Gauss–Markov Theorem
OLS Estimator β2, dikatakan sebagai The Best Linear Unbiased and Efficient Estimator (BLUE) jika memenuhi kondisi sebagai
berikut:
1. Linear
2. Unbiased
3. Efficient estimator
Properties of Least-Squares Estimators: The
Gauss–Markov Theorem
The Coefficient of Determination r2: A Measure
of
“Goodness of Fit”
Total Sum of Square Explained Sum of Residual Sum of
(TSS) Square (ESS) Square (RSS)
The Coefficient of Determination r2: A Measure
of “Goodness of Fit”
A Numerical
Example
Perkiraan garis regresi untuk data pendidikan-upah
A Note on Monte Carlo Experiments
Untuk memperkenalkan ide-ide dasar, pertimbangkan PRF dua variabel ini:
Derivation of Least-Squares Estimates
1. 1 dan kami memperoleh
dengan
Linearity and Unbiasedness Properties
of Least-Squares Estimators
Dimana
Variances and Standard Errors
of Least-Squares Estimators
2
σ2 𝑢ො𝑖
𝜎ො=
𝑛−2
Nilai Variasi Minimum
dari Least-Squares Estimators
2
𝑥𝑖 2 1
𝑣𝑎𝑟ሺ𝛽2∗ሻ=𝜎2 ቆ𝑤𝑖 − 2ቇ +𝜎 ቆ 2ቇ
σ 𝑥𝑖 σ 𝑥𝑖
●
Persamaan tersebut dapat disederhanakan dengan , menjadi :
2
𝜎
𝑣𝑎𝑟ሺ𝛽2∗ሻ= 2
σ 𝑥𝑖
Tingkat Konsisten dari Least-Squares
Estimators
𝜎2/𝑛
𝑣𝑎𝑟൫𝛽መ2൯= 2
σ 𝑥𝑖 /𝑛
𝜎2/𝑛
lim መ2൯=𝑙𝑖𝑚 = 0
𝑣𝑎𝑟൫𝛽ᇧᇧᇥ
ᇣᇧᇧᇧᇤᇧ σ 𝑥𝑖2/𝑛
ᇣᇧᇧᇤᇧᇧᇥ
𝑛→∞
𝑛→∞