14 Econometrics (GLS )
📊 Generalized Least Squares (GLS): Complete Guide for UGC NET Economics
📊 त्वरित सारांश (Cheat Sheet)
| पहलू | एक लाइन में सारांश |
|---|---|
| GLS क्या है? | OLS को रूपांतरित (transformed) करने की विधि जहाँ त्रुटियाँ Homoscedastic और Uncorrelated हों |
| GLS की आवश्यकता क्यों? | OLS तब BLUE नहीं रहता जब Heteroscedasticity या Autocorrelation हो |
| GLS कैसे काम करता है? | मॉडल को रूपांतरित (transform) करता है → रूपांतरित मॉडल पर OLS लगाता है |
| OLS vs GLS | OLS → BLUE when CLRM assumptions hold; GLS → BLUE when Var(u) = σ²Ω |
| जब Ω ज्ञात हो | GLS (transformation known) |
| जब Ω अज्ञात हो | Feasible GLS (FGLS) या Estimated GLS (EGLS) |
| Heteroscedasticity | Weighted Least Squares (WLS) – GLS का एक विशेष मामला |
| Autocorrelation | GLS with AR(1) transformation – GLS को लागू करना |
📘 1. GLS: अर्थ और अवधारणा (Concept)
एक लाइन में परिभाषा
Generalized Least Squares (GLS) OLS का एक व्यापक रूप (generalization) है जिसका उपयोग तब किया जाता है जब Classical Linear Regression Model (CLRM) की Homoscedasticity या No Autocorrelation धारणाएँ टूट जाती हैं।
मूल अंतर्दृष्टि (Basic Insight)
GLS मूल डेटा को रूपांतरित (transforms) करके OLS को फिर से लागू करने की अनुमति देता है ताकि रूपांतरित चर शास्त्रीय धारणाओं को संतुष्ट (satisfy) करें:
- Homoscedasticity: त्रुटियों का स्थिर प्रसरण (constant variance)
- No Autocorrelation: त्रुटियाँ असंबद्ध (uncorrelated)
GLS तब BLUE (Best Linear Unbiased Estimator) उत्पन्न करता है जब त्रुटि सहप्रसरण मैट्रिक्स (error covariance matrix) Var(u) = \sigma^2 \Omega के रूप में हो, जहाँ \( \Omega \) ज्ञात हो।
📘 2. GLS की आवश्यकता क्यों? (Why GLS is Needed)
जब CLRM की धारणाएँ पूरी (satisfied) होती हैं, तो OLS BLUE होता है। लेकिन कब OLS BLUE नहीं रहता?
OLS कब विफल होता है?
| CLRM Assumption Violation (उल्लंघन) | OLS is BLUE? | Solution | |
|---|---|---|---|
| Homoscedasticity | Heteroscedasticity (असमान प्रसरण) | ❌ No – OLS inefficient | GLS (WLS) |
| No Autocorrelation | Autocorrelation (स्वसहसंबंध) | ❌ No – OLS inefficient | GLS with AR(1) |
| Both assumptions valid | No violation | ✅ Yes – OLS is BLUE | OLS is sufficient |
UGC NET के लिए महत्वपूर्ण: GLS का उपयोग Heteroscedasticity और Autocorrelation दोनों को ठीक करने (correct) के लिए किया जाता है!
📘 3. GLS Transformation – कैसे काम करता है?
🔹 A. Mathematical Derivation (गणितीय व्युत्पत्ति)
Step 1: मूल मॉडल से शुरू करें
जहाँ \( Var(u) = E(uu') = \sigma^2 \Omega \) और \( \Omega \) एक ज्ञात सकारात्मक निश्चित (positive definite) मैट्रिक्स है।
Step 2: मैट्रिक्स Ω को विघटित (decompose) करें
जहाँ P एक अव्युत्क्रमणीय (non-singular) मैट्रिक्स है।
Step 3: मॉडल को P⁻¹ से गुणा करें
Step 4: रूपांतरित चरों को परिभाषित करें
Step 5: रूपांतरित मॉडल
Step 6: रूपांतरित त्रुटि का प्रसरण जाँचें
➡️ रूपांतरित मॉडल Homoscedastic और Uncorrelated है!
Step 7: रूपांतरित मॉडल पर OLS लगाएँ
यही GLS अनुमानक का सूत्र है!
📘 4. OLS vs GLS – तुलना (Comparison)
| पहलू | OLS (साधारण न्यूनतम वर्ग) | GLS (सामान्यीकृत न्यूनतम वर्ग) |
|---|---|---|
| सूत्र | \((X'X)^{-1}X'Y\) | \((X'\Omega^{-1}X)^{-1}X'\Omega^{-1}Y\) |
| जब Ω = I | Special case of GLS | General case |
| धारणाएँ (Assumptions) | Homoscedastic + No autocorrelation | Var(u) = σ²Ω |
| विचरण (Variance) | σ² (X'X)⁻¹ | σ² (X'Ω⁻¹X)⁻¹ |
| निष्पक्षता (Unbiasedness) | ✅ Yes (जब E(u|X) = 0) | ✅ Yes |
| संगतता (Consistency) | ✅ Yes (जब धारणाएँ पूरी हों) | ✅ Yes |
| दक्षता (Efficiency) | ✅ BLUE (जब CLRM धारणाएँ पूरी हों) | ✅ BLUE (जब Var(u) = σ²Ω) |
| उपयोग कब करें | जब कोई Heteroscedasticity/Autocorrelation न हो | जब Heteroscedasticity या Autocorrelation हो |
UGC NET के लिए महत्वपूर्ण बिंदु:
- यदि OLS assumptions hold → OLS is BLUE (GLS उतना ही कुशल है)
- यदि Heteroscedasticity/Autocorrelation present → GLS is BLUE (जब Ω ज्ञात हो)
- यदि Ω अज्ञात है → FGLS (Feasible GLS) उपयोग करें
UGC NET PYQ – GLS vs OLS (2019) ✅
परीक्षा/वर्ष/शिफ्ट: UGC NET Paper 2: Economics, 3 December 2019, Shift 1
प्रश्न (Question): "Three statements are given: (a) Generalised Least Square (GLS) method is capable of providing BLUE in situations where OLS fails, (b) GLS is OLS on the transformed variables that satisfy the standard least squares assumptions, (c) GLS method is suitable for dealing with multicollinearity problem"
सही उत्तर (Correct Answer): (a) and (b) are correct but (c) is not correct
व्याख्या: (a) सही: GLS Heteroscedasticity/Autocorrelation में BLUE देता है जहाँ OLS fails. (b) सही: GLS = रूपांतरित चरों पर OLS. (c) गलत: GLS Multicollinearity को ठीक नहीं कर सकता.
📘 5. Applications (अनुप्रयोग)
🔹 A. Heteroscedasticity Correction – Weighted Least Squares (WLS)
जब Heteroscedasticity होती है, तो \( \Omega = diag(w_1, w_2, ..., w_n) \) एक विकर्ण मैट्रिक्स होता है। इसका अर्थ है:
| अवलोकन | प्रसरण (Variance) |
|---|---|
| u₁ | σ²w₁ |
| u₂ | σ²w₂ |
| ... | ... |
| uₙ | σ²wₙ |
WLS (Weighted Least Squares) प्रक्रिया:
- प्रत्येक अवलोकन को \( \sqrt{w_i} \) से विभाजित करें
- रूपांतरित चरों पर OLS लगाएँ
Weighting Scheme: प्रत्येक अवलोकन को \( 1/\sqrt{w_i} \) से भारित (weigh) करना
UGC NET Question: "The generalized least square estimators for correcting heteroskedasticity are called:"
Answer: Weighted Least Squares (WLS) estimators
🔹 B. Autocorrelation Correction – AR(1) Process
जब प्रथम-कोटि Autocorrelation (AR(1)) होती है:
AR(1) GLS Transformation (Prais-Winsten):
- पहला अवलोकन: \( Y_1^* = \sqrt{1-\rho^2}Y_1 \), \( X_1^* = \sqrt{1-\rho^2}X_1 \)
- शेष अवलोकन (t = 2..n): \( Y_t^* = Y_t - \rho Y_{t-1} \), \( X_t^* = X_t - \rho X_{t-1} \)
यह GLS का AR(1) autocorrelation के लिए एक विशेष मामला है!
🔥 UGC NET परीक्षा के लिए Important Connections
| यदि समस्या है... | तो GLS का रूप... |
|---|---|
| Heteroscedasticity (ज्ञात स्वरूप) | Weighted Least Squares (WLS) |
| Heteroscedasticity (अज्ञात स्वरूप) | Feasible GLS (FGLS) |
| Autocorrelation AR(1) (ज्ञात ρ) | GLS with AR(1) transformation |
| Autocorrelation AR(1) (अज्ञात ρ) | Cochrane-Orcutt या Prais-Winsten |
UGC NET PYQ – GLS Applications (2016) ✅
परीक्षा/वर्ष/पेपर: UGC NET Economics, 2016 (Paper III)
प्रश्न (Question): "Generalized Least Squares Method is suitable for estimation of parameters in a General Linear Model for dealing with problem of ____."
विकल्प (Options): (i) Measurement Errors (ii) Autocorrelated Disturbances (iii) Multicollinearity (iv) Heteroscedasticity
सही उत्तर (Correct Answer): (ii) and (iv) – Autocorrelated Disturbances and Heteroscedasticity
व्याख्या: GLS का उपयोग Heteroscedasticity और Autocorrelation दोनों को ठीक करने के लिए किया जाता है. Multicollinearity को GLS ठीक नहीं कर सकता – यह लगातार परीक्षाओं में पूछा जाने वाला तथ्य है!
🎯 UGC NET परीक्षा के लिए Key Takeaways
| यदि प्रश्न पूछे... | तो सही उत्तर है... |
|---|---|
| "GLS method किन समस्याओं को ठीक करता है?" | Heteroscedasticity और Autocorrelation |
| "ज्ञात हेटरोस्केडास्टिक प्रसरण के लिए GLS का विशेष रूप क्या है?" | Weighted Least Squares (WLS) |
| "Autocorrelation (AR(1)) के लिए GLS का विशेष रूप क्या है?" | Cochrane-Orcutt or Prais-Winsten |
| "GLS क्या है?" | रूपांतरित चरों पर OLS |
| "GLS कब BLUE है?" | जब Var(u) = σ²Ω और Ω ज्ञात है |
| "जब Ω अज्ञात हो तो किस विधि का उपयोग किया जाता है?" | Feasible GLS (FGLS) |
| "GLS Multicollinearity ठीक कर सकता है?" | ❌ नहीं |
📊 Generalized Least Squares (GLS) – UGC NET Exam में पूछे गए अतिरिक्त प्रश्न (2019-2025)
📝 GLS से संबंधित UGC NET PYQs (पूर्ण विवरण के साथ)
✅ प्रश्न 1: GLS के बारे में सही कथन – सबसे महत्वपूर्ण (2019)
यह प्रश्न GLS की सबसे बुनियादी और सबसे महत्वपूर्ण विशेषताओं को परखता है.
परीक्षा/वर्ष/शिफ्ट: UGC NET Paper 2: Economics, 3 December 2019, Shift 1
प्रश्न (Question): "Three statements are given: (a) Generalised Least Square (GLS) method is capable of providing BLUE in situations where OLS fails (b) GLS is OLS on the transformed variables that satisfy the standard least squares assumptions (c) GLS method is suitable for dealing with multicollinearity problem"
विकल्प (Options): 1. (a) and (b) are correct but (c) is not correct ✅ 2. (a), (b) and (c) are correct 3. (a) and (c) are correct but (b) is not correct 4. (a) is correct but (b) and (c) are not correct
सही उत्तर (Correct Answer): Option 1 – (a) and (b) are correct but (c) is not correct
विस्तृत व्याख्या:
| कथन | सत्यता | कारण |
|---|---|---|
| (a) GLS provides BLUE where OLS fails | ✅ सही | OLS केवल Homoscedasticity और No Autocorrelation की स्थिति में BLUE है। Heteroscedasticity या Autocorrelation होने पर OLS inefficient हो जाता है, लेकिन GLS BLUE बना रहता है |
| (b) GLS is OLS on transformed variables | ✅ सही | GLS मूल चरों को इस प्रकार रूपांतरित (transform) करता है कि रूपांतरित चर CLRM की धारणाओं को संतुष्ट करें, फिर उन पर OLS लगाया जाता है |
| (c) GLS is suitable for multicollinearity | ❌ गलत | GLS का उपयोग Heteroscedasticity और Autocorrelation के लिए किया जाता है, Multicollinearity के लिए नहीं। Multicollinearity के लिए Ridge Regression या PCA उपयुक्त है |
✅ प्रश्न 2: GLS का उपयोग किन स्थितियों में किया जा सकता है? – बहुत महत्वपूर्ण
यह प्रश्न सीधे तौर पर पूछता है कि GLS का उपयोग कब किया जाता है। यह परीक्षा में बार-बार आने वाला अवधारणात्मक प्रश्न है.
प्रश्न (Question): "Generalised least square method of estimation can be used in which of the following cases: A. Autocorrelated disturbances B. Multicollinearity among explanatory variables C. Heteroscedastic disturbances D. Overfitted models E. Incorrect functional forms"
सही उत्तर (Correct Answer): A & C Only – Autocorrelated disturbances and Heteroscedastic disturbances
विस्तृत व्याख्या:
| स्थिति | GLS उपयुक्त है? | क्यों? |
|---|---|---|
| A. Autocorrelated disturbances | ✅ हाँ | GLS त्रुटियों के बीच सहसंबंध को ठीक करने के लिए रूपांतरण करता है |
| B. Multicollinearity among explanatory variables | ❌ नहीं | GLS बहुसंरेखता को ठीक नहीं कर सकता; इसके लिए Ridge Regression या PCA उपयुक्त है |
| C. Heteroscedastic disturbances | ✅ हाँ | GLS असमान प्रसरण को ठीक करने के लिए Weighted Least Squares (WLS) के रूप में काम करता है |
| D. Overfitted models | ❌ नहीं | GLS overfitting को ठीक नहीं करता; इसके लिए Cross-validation या Regularization उपयुक्त है |
| E. Incorrect functional forms | ❌ नहीं | GLS गलत फंक्शनल फॉर्म को ठीक नहीं करता; इसके लिए RESET test या अन्य specification tests उपयुक्त हैं |
🎯 GLS पर आधारित सभी PYQs का सारांश
| वर्ष/शिफ्ट | प्रश्न का प्रकार | सही उत्तर |
|---|---|---|
| 2019 (Shift 1) | GLS के बारे में सही कथन (Assertion-Reason type) | (a) and (b) are correct but (c) is not correct |
| — | GLS किन स्थितियों में उपयोगी है? (Conceptual) | Autocorrelated disturbances & Heteroscedastic disturbances (A & C Only) |
🔥 GLS के लिए परीक्षा टिप्स (Exam Tips) – PYQs के आधार पर
| यदि प्रश्न पूछे... | तो सही उत्तर है... |
|---|---|
| "GLS method किन समस्याओं को ठीक करता है?" | Heteroscedasticity और Autocorrelation (Multicollinearity नहीं) |
| "GLS is OLS on ______." | Transformed variables that satisfy CLRM assumptions |
| "GLS कब BLUE प्रदान करता है?" | जब OLS assumptions violated हों (Heteroscedasticity/Autocorrelation) |
| "GLS Multicollinearity ठीक कर सकता है?" | ❌ नहीं – यह सबसे अधिक बार पूछा जाने वाला गलत कथन है |
| "GLS Overfitted models के लिए उपयुक्त है?" | ❌ नहीं |
| "GLS Incorrect functional forms को ठीक कर सकता है?" | ❌ नहीं |
| "GLS outliers की समस्या से निपटने में कितना प्रभावी है?" | ✅ हाँ – GLS outliers, heteroscedasticity, और bias से निपटने में सहायक है |
💡 GLS से संबंधित अतिरिक्त महत्वपूर्ण तथ्य
| अवधारणा | विवरण | UGC NET में महत्व |
|---|---|---|
| GLS की परिभाषा | मूल चरों को इस प्रकार रूपांतरित करने की प्रक्रिया कि रूपांतरित चर शास्त्रीय मॉडल की धारणाओं को संतुष्ट करें, फिर उन पर OLS लगाना | बहुत अधिक – हर परीक्षा में आता है |
| GLS vs OLS | OLS: BLUE when CLRM holds; GLS: BLUE when Var(u) = σ²Ω | महत्वपूर्ण – दोनों के बीच अंतर समझना आवश्यक है |
| WLS (Weighted Least Squares) | Heteroscedasticity के लिए GLS का एक विशेष मामला | महत्वपूर्ण – अक्सर GLS के पर्याय के रूप में पूछा जाता है |
| GLS के गुण | Unbiased, Consistent, Efficient, Asymptotically normal | महत्वपूर्ण – यह जानना आवश्यक है कि GLS के पास OLS के सभी अच्छे गुण हैं |
| FGLS (Feasible GLS) | जब Ω अज्ञात हो, तो पहले Ω का अनुमान लगाया जाता है | मध्यम – कभी-कभी आता है |
📚 GLS और अन्य अवधारणाओं के बीच संबंध
| अवधारणा | GLS से संबंध |
|---|---|
| Heteroscedasticity | GLS Weighted Least Squares (WLS) के रूप में heteroscedasticity को ठीक करता है |
| Autocorrelation (AR(1)) | GLS Cochrane-Orcutt / Prais-Winsten के रूप में autocorrelation को ठीक करता है |
| Multicollinearity | GLS multicollinearity को ठीक नहीं कर सकता – यह सबसे आम गलत कथन है |
| OLS | GLS = रूपांतरित चरों पर OLS – यह एक महत्वपूर्ण संबंध है |
| BLUE | GLS तब BLUE देता है जब OLS assumptions violated हों |
अब आपके पास 2025 तक UGC NET परीक्षा में "Generalized Least Squares (GLS)" से संबंधित सभी अतिरिक्त प्रश्नों का पूरा संग्रह है। इसमें शामिल PYQs:
- 2019 (Shift 1): GLS के बारे में सही कथन (Assertion-Reason type)
- —: GLS का उपयोग किन स्थितियों में किया जा सकता है
सबसे महत्वपूर्ण बिंदु: GLS का उपयोग Heteroscedasticity और Autocorrelation के लिए किया जाता है, Multicollinearity के लिए नहीं – यह UGC NET में बार-बार पूछा जाने वाला तथ्य है!
किसी अन्य टॉपिक पर इसी प्रारूप में अध्ययन सामग्री चाहिए, तो बताइएगा। शुभकामनाएँ 🎯
टिप्पणियाँ
एक टिप्पणी भेजें