rdfs:comment
| - Le théorème de Frisch-Waugh ou théorème de Frisch-Waugh-Lovell est un théorème en économétrie nommé en référence à Ragnar Frisch, et Michael C. Lovell. (fr)
- In econometria, il teorema di Frisch, Waugh e Lovell afferma che la determinazione dei coefficienti di un modello di regressione lineare tramite il metodo dei minimi quadrati è equivalente alla loro determinazione tramite un metodo basato su matrici di proiezione. Il teorema prende il nome dagli econometrici Ragnar Frisch, F. Waugh, e M. Lovell. (it)
- In econometrics, the Frisch–Waugh–Lovell (FWL) theorem is named after the econometricians Ragnar Frisch, Frederick V. Waugh, and Michael C. Lovell. The Frisch–Waugh–Lovell theorem states that if the regression we are concerned with is: where and are and matrices respectively and where and are conformable, then the estimate of will be the same as the estimate of it from a modified regression of the form: where projects onto the orthogonal complement of the image of the projection matrix . Equivalently, MX1 projects onto the orthogonal complement of the column space of X1. Specifically, (en)
- Em Econometria, o teorema Frisch–Waugh–Lovell (FWL) recebeu este nome em homenagem aos econometristas Ragnar Frisch, e . Ele dá uma alternativa para estimação de coeficientes econométricos. Para entender este teorema, tome um modelo econométrico de mínimos quadrados ordinários (OLS, na conhecida sigla em inglês) do vetor y em relação a dois conjuntos de variáveis, e . O número de observações de cada uma das variáveis é "n": , ou, expandindo as matrizes, O que o teorema afirma é que a estimação de sub-vetor será a mesma daquela obtida pela regressão modificada dada por: , onde (pt)
|
has abstract
| - In econometrics, the Frisch–Waugh–Lovell (FWL) theorem is named after the econometricians Ragnar Frisch, Frederick V. Waugh, and Michael C. Lovell. The Frisch–Waugh–Lovell theorem states that if the regression we are concerned with is: where and are and matrices respectively and where and are conformable, then the estimate of will be the same as the estimate of it from a modified regression of the form: where projects onto the orthogonal complement of the image of the projection matrix . Equivalently, MX1 projects onto the orthogonal complement of the column space of X1. Specifically, and this particular orthogonal projection matrix is known as the residual maker matrix or annihilator matrix. The vector is the vector of residuals from regression of on the columns of . The most relevant consequence of the theorem is that the parameters in do not apply to but to , that is: the part of uncorrelated with . This is the basis for understanding the contribution of each single variable to a multivariate regression (see, for instance, Ch. 13 in ). The theorem also implies that the secondary regression used for obtaining is unnecessary when the predictor variables are uncorrelated (this never happens in practice): using projection matrices to make the explanatory variables orthogonal to each other will lead to the same results as running the regression with all non-orthogonal explanators included. It is not clear who did prove this theorem first. However, in the context of linear regression, it was known well before Frisch and Waugh paper. In fact, it can be found as section 9, pag.184, in the detailed analysis of partial regressions by George Udny Yule published in 1907. In this paper, Yule stresses the central role of the result in understanding the meaning of multiple and partial regression and correlation coefficients. See the first paragraph of section 10 on pag. 184 of Yule's 1907 paper. Yule's results were generally known by 1933 as Yule did include a detailed discussion of partial correlation, his novel notation introduced in 1907 to deal with it and the "Frisch, Waugh and Lovell" theorem, as chapter 10 of his, quite successful, Statistics textbook first issued in 1911 which, by 1932, had reached its tenth edition. Frisch did quote Yule's results on pag. 389 of a 1931 paper with Mudgett. In this paper Yule's formulas for partial regressions are quoted, and explicitly attributed to Yule, in order to correct misquotes of the same formulas by another Author. In fact, while Yule is not explicitly mentioned in their 1933 paper, Frisch and Waugh use, for the partial regression coefficients, the notation first introduced by Yule in his 1907 paper and in general use by 1933. (en)
- Le théorème de Frisch-Waugh ou théorème de Frisch-Waugh-Lovell est un théorème en économétrie nommé en référence à Ragnar Frisch, et Michael C. Lovell. (fr)
- In econometria, il teorema di Frisch, Waugh e Lovell afferma che la determinazione dei coefficienti di un modello di regressione lineare tramite il metodo dei minimi quadrati è equivalente alla loro determinazione tramite un metodo basato su matrici di proiezione. Il teorema prende il nome dagli econometrici Ragnar Frisch, F. Waugh, e M. Lovell. (it)
- Em Econometria, o teorema Frisch–Waugh–Lovell (FWL) recebeu este nome em homenagem aos econometristas Ragnar Frisch, e . Ele dá uma alternativa para estimação de coeficientes econométricos. Para entender este teorema, tome um modelo econométrico de mínimos quadrados ordinários (OLS, na conhecida sigla em inglês) do vetor y em relação a dois conjuntos de variáveis, e . O número de observações de cada uma das variáveis é "n": , ou, expandindo as matrizes, O que o teorema afirma é que a estimação de sub-vetor será a mesma daquela obtida pela regressão modificada dada por: , onde Este resultado implica que todas as regressões secundárias são desnecessárias: usando matrizes de projeção (como ) para tornar todas as variáveis ortogonais entre si resultará nos mesmos resultados que rodar a regressão com todos os não-ortogonais incluídos. (pt)
|