Next: Beste lineare erwartungstreue Schätzer;
Up: Schätzung der Modellparameter
Previous: Methode der kleinsten Quadrate;
  Contents
Schätzbare Funktionen
- In Abschnitt 4.2.1 hatten wir gezeigt, daß es im
linearen Modell ohne Nebenbedingungen keinen MKQ-Schätzer für
gibt, der gleichzeitig erwartungstreu ist, falls die
Designmatrix
keinen vollen Rang besitzt,
- Anstelle des Vektors
betrachtet man deshalb eine Klasse
von (reellwertigen) linearen Funktionen
des
Parametervektors
, für die erwartungstreue MKQ-Schätzer
konstruiert werden können.
- Mit anderen Worten: Anstelle der (vektoriellen)
Lineartransformation
der
Zufallsstichprobe
betrachtet man eine
Klasse von (reellwertigen) linearen Funktionen
von
, die als Schätzer von
aufgefaßt
werden.
- Dies führt zu der folgenden Begriffsbildung.
- Definition
-
- Beispiel
(einfaktorielle Varianzanalyse)
- Beispiel
(zweifaktorielle Varianzanalyse mit balancierten Teilstichproben)
- Für das in Abschnitt 4.1.2 eingeführte Modell der
zweifaktoriellen Varianzanalyse mit balancierten Teilstichproben
besitzen die Normalengleichungen (19) die folgende
Gestalt, vgl. Übungsaufgabe 11.2:
- Unter Berücksichtigung der Nebenbedingungen (11)
ist dieses Gleichungssystem eindeutig lösbar. Mit anderen Worten:
Wenn nur Parametervektoren
aus dem eingeschränkten Parameterraum
betrachten werden, dann ergibt sich die eindeutig bestimmte Lösung
der Normalengleichungen, wobei
 |
(36) |
für beliebige
.
- Man kann zeigen (vgl. Übungsaufgabe 11.2), daß die in
(36) gegebene Lösung
der
Normalengleichungen die Gestalt
hat, wobei
eine verallgemeinerte Inverse von
ist und
die Designmatrix des
zweifaktoriellen Varianzanalyse-Modells mit balancierten
Teilstichproben ist.
- Beachte: Die Stichprobenfunktion
wurde
bereits in Theorem 4.1 diskutiert, wobei gezeigt
wurde, daß
ein erwartungstreuer Schätzer für
bezüglich des eingeschränkten Parameterraumes
ist.
- Außerdem kann man zeigen, daß die linearen Funktionen
des
Parametervektors
für beliebige
im Sinne der Definitionsgleichung
(35) (d.h. ohne Berücksichtigung der
Nebenbedingungen (11)) erwartungstreu schätzbar
sind.
- Im Modell der zweifaktoriellen Varianzanalyse ohne
Wechselwirkungen, d.h.
für beliebige
, sind auch
für beliebige
mit
bzw.
für beliebige
mit
erwartungstreu schätzbar.
Wir leiten nun zwei allgemeine Kriterien für die
erwartungstreue Schätzbarkeit von linearen Funktionen
des Parametervektors
her.
Theorem 4.6
Die lineare Funktion

des Parametervektors

ist genau dann erwartungstreu schätzbar, wenn eine der
folgenden beiden Bedingungen erfüllt ist:
- 1.
- Es gibt einen
-dimensionalen Vektor
, so daß
 |
(37) |
- 2.
- Der Vektor
genügt dem folgenden Gleichungssystem:
 |
(38) |
- Beweis
-
- Beachte
-
- Beweis
-
- Beachte
-
- Der in (41) eingeführte Begriff des projizierten
Parametervektors
hängt
mit dem Begriff der (nichtnotwendig orthogonalen) Projektion von
Vektorräumen auf Unterräume zusammen, vgl. auch
Abschnitt 3.1.2, wo der Spezialfall der
Orthogonalprojektion diskutiert wurde.
- Und zwar seien
lineare Unterräume
des
, so daß sich
-
als direkte Summe
ausdrücken und
- jedes
auf eindeutige Weise in
mit
und
zerlegen läßt.
- Die Abbildung
mit
heißt dann Projektion von
auf den linearen Unterraum
entlang des linearen Unterraumes
.
- In Verallgemeinerung von Lemma 3.5 gilt die folgende
Charakterisierung von Projektionsoperatoren, die wir hier ohne
Beweis erwähnen.
Lemma 4.5

Die

Matrix

ist genau dann eine Projektion des

auf den linearen Unterraum

, wenn

und

idempotent ist.
- Beachte
-
- Die Matrix
, die in der
Definitionsgleichung (41) des projizierten
Parametervektors
betrachtet wird, ist offenbar idempotent.
- Aus Lemma 4.5 ergibt sich somit, daß
ein (nichtnotwendig
orthogonaler) Projektionsoperator des
auf den linearen
Unterraum
ist.
Next: Beste lineare erwartungstreue Schätzer;
Up: Schätzung der Modellparameter
Previous: Methode der kleinsten Quadrate;
  Contents
Ursa Pantle
2003-03-10