In der Statistik sind Fehler-in-den-Variablen-Modelle, auch Messfehlermodelle genannt, Regressionsmodelle für Regression mit stochastischen Regressoren, in der entweder die Antwortvariable oder einige erklärende Variablen mit Fehlern gemessen werden.[1]

Darstellung einer Regressionsabschwächung durch eine Reihe von Regressionsschätzungen in Fehler-in-den-Variablen-Modellen. Zwei Regressionslinien (rot) begrenzten den Suchraum aus pontenziellen Regressionsfunktionen.

Klassisches Fehler-in-den-Variablen-Modell

Bearbeiten

Gegeben sei im einfachsten Fall ein einfaches lineares Regressionsmodell[2]:

 .

Im klassischen Fehler-in-den-Variablen-Modell wird angenommen, dass   nur mit zufälligem Fehler   beobachtet werden kann, d. h. man hat dann den stochastischen Regressor  . Für die Messfehler   wird angenommen, dass sie unabhängig und identisch verteilt mit Erwartungswert null und Varianz  , unkorreliert mit   und unkorreliert mit der Störgröße   sind.

Konsequenzen von Fehlern in den Variablen

Bearbeiten

Messfehler in den erklärenden Variablen führen dazu, dass die gewöhnliche Kleinste-Quadrate-Schätzung nicht konsistent ist. Intuitiv betrachtet kommt es während des Trainings des Modells zu einer Fehlerfortpflanzung, was ohne weitere Gegenmaßnahmen die Qualität des Modells beeinträchtigen kann.

Einzelnachweise

Bearbeiten
  1. Jeffrey Marc Wooldridge: Introductory econometrics: A modern approach. 4. Auflage. Nelson Education, 2015, S. 848.
  2. Schneeweiß, H.: Ökonometrie, Physica Verlag 1990 (4. Auflage) Kapitel 7 (3. Auflage 1978)