Next: Schätzbare Funktionen
Up: Schätzung der Modellparameter
Previous: Schätzung der Modellparameter
  Contents
Methode der kleinsten Quadrate; verallgemeinerte Inverse
- Um einen MKQ-Schätzer für den Parametervektor
zu konstruieren,
bestimmen wir ähnlich wie in Abschnitt 3.1.2 einen
Vektor
,
so daß der mittlere quadratische Fehler
 |
(17) |
für
minimal wird.
- Aus (17) folgt, daß jedes solche Extremum
der Vektorgleichung
 |
(18) |
genügen muß.
- Die Berechnung der partiellen Ableitungen in (18)
ergibt somit, daß jeder Vektor
, für den der in
(17) gegebene mittlere quadratische Fehler
minimal ist, eine Lösung des folgenden
Gleichungssystems sein muß:
- Mit anderen Worten: Jedes solche Extremum
genügt den
sogenannten Normalengleichungen
 |
(19) |
- Beachte
-
- Weil wir in diesem Abschnitt annehmen, daß die Designmatrix
keinen vollen Rang besitzt, ist die
Matrix
nicht invertierbar, denn es gilt
.
- Die Normalengleichungen (19) besitzen deshalb keine
eindeutig bestimmte Lösung.
- Um die Lösungsmenge des Gleichungssystems (19) zu
beschreiben, betrachten wir den Begriff der verallgemeinerten
inversen Matrix.
- Definition
Eine
Matrix
heißt
verallgemeinerte Inverse der
Matrix
,
falls
 |
(20) |
Um zu zeigen, daß es immer eine Lösung
der
Definitionsgleichung (20) gibt, benutzen wir die
folgende allgemeine Matrix-Darstellungsformel, die wir hier ohne
Beweis angeben.
Mit Hilfe von Lemma 4.1 kann man nun zeigen, wie man
zu Lösungen
von (20) gelangen kann.
Lemma 4.2
Sei

eine

Matrix mit

und

. Dann gibt es für jedes

eine

Matrix

mit

, die der
Gleichung

genügt.
- Beweis
-
Außerdem sind die folgenden Eigenschaften der verallgemeinerten
Inversen nützlich.
- Beweis
-
- Definitionsgemäß gilt für die verallgemeinerte Inverse, daß
- Hieraus und aus der Symmetrie der Matrix
ergibt
sich, daß
d.h. die transponierte Matrix
ist ebenfalls
eine verallgemeinerte Inverse von
.
- Um die zweite Teilaussage (23) zu beweisen,
betrachten wir die Matrix
- Dann gilt
- Hieraus folgt, daß
.
In der Theorie linearer algebraischer Gleichungssysteme wird
gezeigt, daß die Lösungsmenge der Normalengleichungen
(19) die folgende Gestalt besitzt.
Theorem 4.3
Die allgemeine Lösung

der Normalengleichungen

hat die Form
 |
(24) |
wobei

eine beliebige Lösung der Gleichung
 |
(25) |
und

ein beliebiger

-dimensionaler Vektor ist.
- Beweis
-
- Durch Einsetzen von (24) in die linke Seite der
Normalengleichungen (19) erkennt man mühelos, daß
durch (24) eine Lösung von (19)
gegeben ist, denn es gilt
wobei sich die letzte Gleichheit aus Lemma 4.3
ergibt.
- Der Beweis, daß durch den Ansatz (24) sämtliche Lösungen von (19) gegeben sind, wird in
den Übungen diskutiert, vgl. Übungsaufgabe 10.3.
- Beachte
-
- Aus (24) ergibt sich insbesondere, daß
die
eindeutig bestimmte Lösung von (19) ist, falls
.
- Denn dann gilt auch
, und
ist die
(eindeutig bestimmte) Inverse von
.
- Beispiel
(einfaktorielle Varianzanalyse)
- Zur Erinnerung: Im reparametrisierten Modell der
einfaktoriellen Varianzanalyse (vgl. Fall
des in
Abschnitt 4.1.1 betrachteten Beispiels) ist die
Designmatrix gegeben durch die
Matrix
 |
(26) |
und der Parametervektor
ist gegeben durch
.
- Man kann sich leicht überlegen (vgl. Übungsaufgabe 11.1), daß
 |
(27) |
und daß eine verallgemeinerte Inverse von
gegeben ist durch
 |
(28) |
- Die Normalengleichungen (19), d.h.
, besitzen somit die
folgende Gestalt:
- Wenn wir die Lösungen dieses Gleichungssystems lediglich in dem
eingeschränkten Parameterraum
suchen,
wobei
 |
(29) |
dann ergibt sich die (eindeutig bestimmte) Lösung
mit
 |
(30) |
- Man kann sich leicht überlegen (vgl. Übungsaufgabe 11.1), daß die
in (30) gegebene Lösung
der
Normalengleichungen
- die Gestalt
hat, wobei die verallgemeinerte Inverse
durch (28) gegeben ist, und
- ein erwartungstreuer Schätzer für
bezüglich des
eingeschränkten Parameterraumes
ist, der in
(29) gegeben ist.
- Ohne die in (29) betrachtete Nebenbedingung gibt es
jedoch keinen MKQ-Schätzer für
, der gleichzeitig
erwartungstreu ist, vgl. die Diskussion am Ende von
Abschnitt 4.2.1.
Für das in (1) - (3) gegebene
lineare Modell mit allgemeiner Designmatrix
betrachten wir
nun eine beliebige verallgemeinerte Inverse
der
Matrix
und konstruieren eine
Klasse von MKQ-Schätzern für den Parametervektor
.
Theorem 4.4

Sei

eine beliebige Lösung der Gleichung

. Dann minimiert die Stichprobenfunktion
 |
(31) |
den in

gegebenen mittleren quadratischen
Fehler

, d.h.,

ist ein
MKQ-Schätzer für

.
- Beweis
-
- Für jeden
-dimensionalen Vektor
gilt
weil
und
wobei sich die letzte Gleichheit aus Lemma 4.3
ergibt.
Aus den Modellannahmen (3) über die Störgrößen
und aus den allgemeinen Rechenregeln für den
Erwartungswert bzw. die Kovarianz von reellwertigen
Zufallsvariablen (vgl. die Abschnitte WR-4.1.3 bzw. WR-4.3.2)
ergibt sich, daß Erwartungswertvektor und Kovarianzmatrix des
MKQ-Schätzers
die
folgende Form haben.
- Beweis
-
- Aus
und
ergibt
sich, daß
- Außerdem gilt für beliebige
- Beachte
-
- Aus (32) ergibt sich insbesondere, daß der in
(31) gegebene MKQ-Schätzer
für
nicht erwartungstreu ist.
- Um dies zu zeigen, ist die folgende Eigenschaft des Ranges von
Matrixprodukten nützlich, die wir hier ohne Beweis erwähnen.
Lemma 4.4
Seien

beliebige natürliche Zahlen, und seien

beliebige

bzw.

Matrizen.
Dann gilt
 |
(34) |
Wir zeigen nun, daß es keinen MKQ-Schätzer für
gibt, der gleichzeitig erwartungstreu ist. Insbesondere ist der in
(31) gegebene MKQ-Schätzer
für
nicht erwartungstreu.
Next: Schätzbare Funktionen
Up: Schätzung der Modellparameter
Previous: Schätzung der Modellparameter
  Contents
Ursa Pantle
2003-03-10