Estou tentando entender por que o OLS fornece um estimador tendencioso de um processo AR (1). Considere Nesse modelo, a exogeneidade estrita é violada, ou seja, e estão correlacionados, mas e não são correlacionados. Mas se isso for verdade, por que a derivação simples a seguir não se aplica? ytεtyt-1εtPlim β
time-series
least-squares
bias
autoregressive
estimators
Florestan
fonte
fonte
Respostas:
Como discutido essencialmente nos comentários, a imparcialidade é uma propriedade de amostra finita e, se mantida, seria expressa como
(onde o valor esperado é o primeiro momento da distribuição de amostra finita)
enquanto consistência é uma propriedade assintótica expressa como
O OP mostra que, embora o OLS nesse contexto seja tendencioso, ele ainda é consistente.
Aqui não há contradição.
fonte
@Alecos explica bem por que uma plim correta e imparcial não são as mesmas. Quanto à razão subjacente pela qual o estimador não é imparcial, lembre-se de que a imparcialidade de um estimador exige que todos os termos de erro sejam médios independentemente de todos os valores do regressor, .E(ϵ|X)=0
No presente caso, a matriz regressora consiste nos valores , de modo que - veja o comentário de mpiktas - a condição se traduz em para todos .y1,…,yT−1 E(ϵs|y1,…,yT−1)=0 s=2,…,T
Aqui temos
fonte
Expandindo em duas boas respostas. Anote o estimador OLS:
Para imparcialidade precisamos
Mas para isso precisamos que para cada . Para o modelo AR (1), isso claramente falha, pois está relacionado aos valores futuros .E(εt|y1,...,yT−1)=0, t εt yt,yt+1,...,yT
fonte