計量経済学#19
回帰分析の再構築 (2)
鹿野繁樹
大阪府立大学
2017 年 12 月更新
Outline
1 根源的仮定とOLS 推定
2 根源的仮定のもとでのOLS
テキスト:鹿野繁樹 [2015]、第 10.3 章・第 10.4 章。
前回の復習
1 条件付き期待値関数
2 母回帰
Section 1
根源的仮定と OLS 推定
回帰分析の根源的仮定
推定すべきモデルは、次の通り。
仮定 1 (線形回帰モデル)
Yi = α + βXi+ ui, i= 1, 2, . . . , n. (FA0)
古典的回帰モデルとの違い:Xiは確率変数。
標本(XiYi) がいかなる条件を満たせば、OLS 推定量 ˆ
α= ¯Y − ˆβ ¯X, βˆ= SXY SXX =
(Xi− ¯X)(Yi− ¯Y)
(Xi− ¯X)2 (1) が母回帰係数α、β の良い推定量となるか?
結論:OLS が α、β の不偏推定量・一致推定量となるための条件 は、回帰分析の根源的仮定(fundamental assumptions、FA)。
仮定 2 (根源的仮定)
外生性: E(ui|Xi) = 0, (FA1) 独立な標本: 異なる観測 (Xi, Yi) と (Xj, Yj) は互いに独立.
(FA2)
外生性条件(FA1) により、(FA0) 式が線形回帰となる: E(Yi|Xi) = α + βXi + E(ui|Xi)
=0
= α + βXi. (2)
(FA1) 式を満たす Xiを外生変数と呼ぶ。
誤差項は(Xi, Yi) の一次式 ui = Yi− α − βXi。⇒ 独立標本の (FA2) は,誤差項 u u
外生性と直交条件
外生性(FA1) 式の含意:誤差項 uiの期待値が、いかなるXiの値を
受けても常にゼロで一定であることを要求。
∴uiはXiと重複する情報を含んでおらず、Xi からuiの値は 予測できない。
誤差であるuiは、あくまで無情報のノイズでなければなら ない。
コレを数学的に示せば、次の公式を得る。
公式 1 (X
iと u
iの直交 )
説明変数Xiが外生変数ならば,
E(ui) = 0, E(uiXi) = 0. (3)
上式をXiとuiの直交条件と呼ぶ。
確率変数の積の期待値がゼロとなることを一般に、「直交す る」と言う。
証明:E(uiXi) = 0 について、(FA1) 式が成立すれば、繰り返し期 待値の法則(講義ノート#18)より
E(uiXi) = EXi[E(uiXi|Xi)] = EXi[XiE(ui|Xi)
=0
] = EXi(Xi· 0) = 0. (4) E(ui) = 0 は復習問題とする。
また、共分散の別表現Cov(ui, Xi) = E(uiXi) − E(ui)E(Xi) と直交 条件から、
Cov(ui, Xi) = E(uiXi)
=0
− E(ui)
=0
E(Xi) = 0 − 0 · E(Xi) = 0. (5)
∴Xiとuiは無相関。
公式 2 (X
iと u
iの無相関 )
説明変数Xiが外生変数ならば、
Cov(ui, Xi) = 0. (6) 証明:前段で証明済み。
外生性条件(FA1) は結局、Xiとuiが無相関であることを要求 していることになる。
ここまで得られた結果をまとめると…
Remark 1
外生性の仮定(FA1) の含意。 線形回帰モデルの整合性。
Yi = α + βXi+ ui
E(ui|Xi) = 0 ⇒ E(Yi|Xi) = α + βXi. (7)
説明変数と誤差項の直交および無相関。 E(ui|Xi) = 0 ⇒
E(ui) = 0
E(uiXi) = 0 ⇒ Cov(Xi, ui) = 0. (8)
互いに独立な標本
独立標本の仮定(FA2) の意味。
いま、ある観測(Xi, Yi) の関数 si = s(Xi, Yi) を定義し、siを 説明変数の全観測X1, X2, . . . , Xnで予測する。
独立標本⇒ Xi以外は、siに関し無情報。∴Xiだけを見たと きのsiの条件付き期待値と、X1, X2, . . . , Xnを見渡したとき のそれは合致するはず。
E [s(Xi, Yi)|Xi] = E[s(Xi, Yi)| X1, X2, . . . , Xn
全観測
]. (9)
特に関数をui = s(Xi, Yi) = Yi− α − βXiと置けば、
E (ui|Xi) = E(ui|X1, X2, . . . , Xn). (10)
さらに仮定(FA1) と (10) 式を合わせると、新たな条件式・強い外 生性(strong exogeneity)を得る。
公式 3 ( 強い外生性 )
(FA1) 式と (FA2) 式が成立するならば、
E(ui|X1, X2, . . . , Xn) = 0, i= 1, 2, . . . , n. (11) 証明:(FA2) 式より (10) 式が成立。(FA1) 式を (10) 式に代入す れば、
E (ui|Xi) = E(ui|X1, X2, . . . , Xn) = 0. (12)
Section 2
根源的仮定のもとでの OLS
OLS 推定量の不偏性と一致性
根源的仮定が成立するデータでOLS を使ったときの性能は? 準備:OLS 推定量は、OLS ウェイトを使えば
βˆ= β +wiui, wi = (Xi− ¯X)
(Xi− ¯X)2. (13) 注意:X1, X2, . . . , Xnは確率変数。⇒ wiはn 個の確率変数 X1, X2, . . . , Xnに依存する確率変数!
X1, X2, . . . , Xnが与えられたもとで、上式β の条件付き期待値は、ˆ 公式(11) より
E( ˆβ|X1, X2, . . . , Xn) = β +E(wiui|X1, X2, . . . , Xn)
= β +wiE(ui|X1, X2, . . . , Xn)
=0
= β. (14)
さらに繰り返し期待値の法則により
E( ˆβ) = EE( ˆβ|X1, X2, . . . , Xn)= E(β) = β. (15)
∴ 根源的仮定(FA1) と (FA2) の成立するデータに適用すれば、 OLS 推定量 ˆβ は母回帰係数 β の不偏推定量。
公式 4 (OLS 推定量の不偏性 )
根源的仮定(FA1) と (FA2) のもとで,
E(ˆα) = α, E( ˆβ) = β. (16) 証明: ˆβ に関しては前段で証明済み。α に関しては復習問題とすˆ る。
OLS の一致性は?⇒(13) 式を次のように書き換え。 βˆ= β + (Xi− ¯X)(ui− ¯u)
(Xi− ¯X)2 = β +
1
n−1(Xi− ¯X)(ui− ¯u) 1
n−1(Xi− ¯X) 2
= β + sXu
s2X (17)
サンプル数n が多い場合のモーメントの収束(講義ノート
#17)により
plim sXu = Cov(Xi, ui), plim s2X = Var(Xi). (18)
∴(17) 式の確率極限をとれば
plim ˆβ = β + plim sXu
plim s2X = β +
=0
Cov(Xi, ui)
Var(Xi) = β (19)
公式 5 (OLS 推定量の一致性 )
根源的仮定(FA1) と (FA2) のもとで、
plim ˆα= α, plim ˆβ = β. (20) 証明: ˆβ に関しては前段で証明済み。α に関しては復習問題とすˆ る。
根源的仮定(FA1) 式と (FA2) 式を満たすデータならば、OLS 推定 量は小標本でも、漸近的(n→ ∞)にも最低限の性能を発揮。
Remark 2
標本の前提条件が古典的仮定から根源仮定に移行しても、OLS の 不偏性・一致性は保たれる。
不偏性(小標本):E( ˆβ) = β. 一致性(漸近理論):plim ˆβ = β.
これまで通り、OLS を軸とした回帰分析を行う。
今後の課題:根源的仮定のもとでの、OLS の分散と、OLS が 従う確率分布の導出。
モーメント法からのアプローチ
母回帰係数α、β を、OLS 以外の推定原理・モーメント法で推定: いまui = Yi− α − βXiと置いて公式4に代入すれば
E(Yi− α − βXi) = 0, E [(Yi− α − βXi)Xi] = 0. (21) 上式は回帰モデルの母集団モーメント条件と呼ばれる。
∴ 外生性の条件が正しいならば、未知のα、β は、連立方程式 (21) の解。
実際に解いてみると、どこかで見たことのある表現を得る。
公式 6 ( 母回帰係数 )
外生性の条件を満たすとき,母回帰係数は
α= E(Yi) − βE(Xi), β = Cov(Xi, Yi)
Var(Xi) . (22) 証明:復習問題とする。
母集団モーメント(21) は母集団上・理論上の関係、実際には得ら れない。⇒ 期待値を平均値で推定した標本モーメント条件
1 n
(Yi− ˆα− ˆβXi) = 0, 1 n
(Yi− ˆα− ˆβXi)Xi = 0 (23)
を代わりに考える。
標本モーメントを満たすα、 ˆˆ β を母回帰係数 α、β の推定量と する推定法を、モーメント法(method of moments、MM)と 呼ぶ。
MM 推定は,「母集団で成立する関係式は、サンプル数n が十分大 きければ標本においても成立するだろう」というアイディア、類 推原理(analogy principle)に基づく推定法。
大数の法則あるいはモーメントの収束により、n → ∞ のとき (23) 式は (21) 式に確率収束。
∴(23) 式の解 ˆα、 ˆβ は、(21) 式の解 α、β の良い近似となって いるはず。
(23) 式両辺に n をかければ
(Yi− ˆα− ˆβXi) = 0, (Yi− ˆα− ˆβXi)Xi = 0. (24) ... 残差 2 乗和最小化の一階条件そのもの!
上式をα、 ˆˆ β について解けば、OLS 推定量 ˆ
α = ¯X− ˆβ ¯Y , βˆ= (Xi− ¯X)(Yi− ¯Y)
(Xi− ¯X)2 (25) を得る。
回帰モデルの係数をMM 推定しようとすると、結局 OLS と同 じ公式に帰着。
今回の復習問題
次の設問に答えよ。各自用意した紙に解答し、退出時に提出せよ。 講義名、日付、学籍番号、氏名を明記すること。
1 テキスト第10 章復習問 10.3。
References
鹿野繁樹. 新しい計量経済学. 日本評論社, 2015.