Zusammenfassung
In den Anwendungen linearer Modelle in Ökonomie, Sozialwissenschaften oder Medizin lässt sich häufig die Annahme unabhängiger und identisch verteilter Fehler nicht rechtfertigen. Wenn die Annahme \( E \in _t^2 = {\sigma ^2} \) (für alle t) verletzt ist, spricht man von Heteroskedastie. Bei Verletzung der Annahme \( E\left( {{ \in _8}{ \in _t}} \right) = 0 \) (für alle s ≠ t) heißen die Fehler abhängig. Wenn also die Annahme \(E\left( {\epsilon \epsilon '} \right) = {{\sigma }^{2}}I \) des klassischen Modells in einer dieser beiden Möglichkeiten verletzt ist, muss sie durch eine allgemeine Annahme, nämlich \( E\left( { \in \in '} \right) = {{\sigma }^{2}}W \) ersetzt werden. Damit kommen wir zum verallgemeinerten linearen Regressionsmodell in der Gestalt
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2003 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Toutenburg, H. (2003). Das verallgemeinerte lineare Regressionsmodell. In: Lineare Modelle. Physica, Heidelberg. https://doi.org/10.1007/978-3-642-57348-4_7
Download citation
DOI: https://doi.org/10.1007/978-3-642-57348-4_7
Publisher Name: Physica, Heidelberg
Print ISBN: 978-3-7908-1519-1
Online ISBN: 978-3-642-57348-4
eBook Packages: Springer Book Archive