On Uncertainty Classes and Minimax Estimation in the Linear Regression Models with Heteroscedasticity and Correlated Errors

• Autorzy: Andrzej Grzybowski
• Języki publikacji: EN

Abstrakty

EN

The problem of minimax estimation in the linear regression model is considered under the assumption that a prior information about the regression parameter and the covariance matrix of random component (error) is available for the decision-maker. Two models of the uncertainty of the prior knowledge (so called uncertainty classes) are proposed. The first one may represent the problem of estimation for heteroscedastic model, the other may reflect the uncertainty connected with the presence of the correlation among errors. Minimax estimators for considered classes are obtained. Some numerical examples are discussed as well. (original abstract)

Problem minimaksowej estymacji w modelu regresji liniowej został rozpatrzony na podstawie wcześniejszych informacji o parametrze regresyjnym i macierzy kowariancji składowych błędu losowego, który jest dostępny dla osoby podejmującej decyzję. Zaproponowano dwa modele nieokreśloności (zwanej również klasami nieokreśloności). Pierwszy może reprezentować problem estymacji dla modelu heteroscedastycznego, drugi może odzwierciedlać nieokreśloność związaną z obecnością współzależności wśród błędów. Uzyskaliśmy estymatory minimaksowe dla rozpatrzonych klas. Omówiono również liczbowe przykłady. (AŁ)

Słowa kluczowe

EN

Linear regression; Estimators; Econometrics; Estimation

PL

Regresja liniowa; Estymatory; Ekonometria; Estymacja

• Czasopismo: Acta Universitatis Lodziensis. Folia Oeconomica
• Rocznik: 2000
• Tom: 152 Applications of Multivariate Statistical Analysis
• Strony: 47--55

Twórcy

autor

Andrzej Grzybowski