这可能被视为...作弊,但OLS估算器是MoM估算器。考虑一个标准的线性回归规范(具有随机回归器,因此量级取决于回归器矩阵)和大小为的样本。表示误差项方差的OLS估计值。这是无偏见的Ñ 小号2 σ 2ķñs2σ2
中号小号Ë(s2)=无功(s2)= 2 σ4n − K
现在考虑的MLE 。它是σ2
σ^2中号大号= n − Kñs2
是否有偏见。其MSE为
中号小号Ë(σ^2中号大号)=无功(σ^2中号大号)+ [ E(σ^2中号大号)- σ2]2
以OLS表示MLE,并使用该表达式表示OLS估计量方差
⇒中号小号ë( σ 2中号大号)=2(Ñ-ķ)+ķ2
MSE(σ^2ML)=(n−Kn)22σ4n−K+(Kn)2σ4
⇒MSE(σ^2ML)=2(n−K)+K2n2σ4
我们想要的条件(如果存在)
MSE(σ^2ML)>MSE(s2)⇒2(n−K)+K2n2>2n−K
2 Ñ 2 - 4 Ñ ķ + 2 ķ 2 + Ñ ķ 2 - ķ 3 > 2 Ñ 2 - 4 Ñ + 2 ķ + Ñ ķ - ķ 2 > 0 ⇒ ķ 2 - (
⇒2(n−K)2+K2(n−K)>2n2
2n2−4nK+2K2+nK2−K3>2n2
简化我们得到
对于这个二次方是否可以得到负值?我们需要它的判别是积极的。我们有
这是另一个二次方,这次是。此判别式为
所以
考虑到是整数这一事实。如果
ķ Δ ķ = (Ñ + 2 )2 - 16 Ñ = Ñ 2 + 4 Ñ + 4 - 16 ñ = ñ 2 - 12 Ñ + 4 Ñ Δ Ñ = 12 2 - 4 2 = 8 ⋅ 16 ñ 1,ñ 2 =−4n+2K+nK−K2>0⇒K2−(n+2)K+4n<0
KΔK=(n+2)2−16n=n2+4n+4−16n=n2−12n+4
nΔn=122−42=8⋅16
n1,n2=12±8⋅16−−−−√2=6±42–√⇒n1,n2={1,12}
nn在此间隔内,我们有 并且的平方始终取正值,因此我们无法获得所需的不等式。因此:
我们需要的样本数量大于12。ΔK<0K
鉴于此,二次方的根是K
K1,K2=(n+2)±n2−12n+4−−−−−−−−−−√2=n2+1±(n2)2+1−3n−−−−−−−−−−−−√
总体:对于样本大小和回归量的数目使得
我们有
对于例如,如果则发现要保持不等式,回归数必须为。有趣的是,对于少量回归变量,MLE在MSE方面更好。n>12K⌈K1⌉<K<⌊K2⌋
MSE(σ^2ML)>MSE(s2)
n=505<K<47
附录
二次方程的根方程可以写成K
K1,K2=(n2+1)±(n2+1)2−4n−−−−−−−−−−−−√
通过快速浏览,我
认为这意味着较低的根将始终为(考虑到“整数值”限制)-因此,对于任何(有限)样本量,当回归变量最多为时,MLE将具有MSE效率。
55