Zusammenfassung
Betrachtet wird ein lineares Einzelgleichungsmodell y = Xβ + u, für das alle der genannten idealen Voraussetzungen erfüllt sein sollen, bis auf die Annahme, dass X nicht stochastisch ist. Es wird nun zugelassen, dass X auch stochastische Elemente enthält. Im einfachsten der denkbaren Fälle sind die Zufallsvariablen X und u stochastisch unabhängig. Aber selbst wenn wiederum eine T-dimensionale Normalverteilung der Störvariablen u unterstellt wird, sind Inferenzaussagen bezüglich \( \hat \beta \ \) und \( \hat \sigma _u^2 \) nur möglich, falls die Verteilung von X bekannt ist. Insbesondere sind die gebräuchlichen Signifikanztests nicht anwendbar. Es ist auch nicht möglich, ohne weitere Kenntnisse über die Verteilung von X die Konsistenz der OLS-Schätzfunktionen \( \hat \beta \ \) nachzuweisen. Die Hypothesentests für die Koeffizienten β sind daher in der Regel auch nicht einmal asymptotisch gültig. Sind X und u korreliert, wird die Situation noch problematischer. Es gilt dann [mathtype] und die OLS-Schätzfunktionen
sind verzerrt und nicht mehr konsistent.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1990 Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden
About this chapter
Cite this chapter
Schips, B. (1990). Stochastische erklärende Variablen. In: Empirische Wirtschaftsforschung. Beiträge zur psychologischen Forschung, vol 6. Gabler Verlag. https://doi.org/10.1007/978-3-322-89329-1_12
Download citation
DOI: https://doi.org/10.1007/978-3-322-89329-1_12
Publisher Name: Gabler Verlag
Print ISBN: 978-3-409-16005-6
Online ISBN: 978-3-322-89329-1
eBook Packages: Springer Book Archive