16 Econometrics (OLS Assumptions (CLRM Assumptions) )

📊 CLRM की 6 मूलभूत धारणाएँ (OLS ASSUMPTIONS)

शास्त्रीय रेखीय प्रतिगमन मॉडल (CLRM) की ये छह धारणाएँ OLS अनुमानकों को BLUE (BEST LINEAR UNBIASED ESTIMATOR) बनाने के लिए आवश्यक हैं।

📌 त्वरित सारांश (CHEAT SHEET)

क्रम	धारणा	मतलब (एक लाइन में)	उल्लंघन परिणाम
1	LINEARITY	मॉडल पैरामीटरों में रेखीय हो	मॉडल MISSPECIFIED
2	ZERO MEAN ERROR	E(uᵢ) = 0, त्रुटियों का औसत शून्य	BIASED अनुमान
3	HOMOSCEDASTICITY	त्रुटियों का प्रसरण स्थिर (σ²)	INEFFICIENT अनुमान
4	NO AUTOCORRELATION	त्रुटियाँ आपस में असंबद्ध Cov(uᵢ, uⱼ)=0	INEFFICIENT + STD.ERROR गलत
5	NO PERFECT MULTICOLLINEARITY	X आपस में पूर्ण रेखीय संबंध न रखें	OLS अनुमान असंभव
6	NORMALITY OF ERRORS	u ~ N(0, σ²)	INFERENCE प्रभावित

🔷 1. LINEARITY (रेखीयता धारणा)

परिभाषा

प्रतिगमन मॉडल प्राचलों (PARAMETERS) में रेखीय होना चाहिए। इसका अर्थ है कि आश्रित चर (Y) और प्राचल (β) के बीच संबंध रेखीय हो।

मॉडल रूप

\[ Y_i = \beta_0 + \beta_1 X_{1i} + \beta_2 X_{2i} + ... + \beta_k X_{ki} + u_i \]

महत्वपूर्ण बिंदु

• चर आपस में गुणा हो सकते हैं (जैसे X₁×X₂) — इससे रेखीयता नहीं टूटती
• चर वर्ग (X²) या लघुगणक (LOG X) हो सकते हैं
• प्राचल रेखीय होने चाहिए — Y = β₀ + β₁²X रेखीय नहीं है

उल्लंघन परिणाम

• मॉडल MISSPECIFIED हो जाता है
• अनुमान पक्षपातपूर्ण (BIASED) और असंगत (INCONSISTENT) हो सकते हैं

🔷 2. ZERO MEAN ERROR (शून्य माध्य त्रुटि)

परिभाषा

प्रत्येक X के दिए होने पर त्रुटि पद (uᵢ) का अपेक्षित मान (EXPECTED VALUE) शून्य होता है:
\( E(u_i | X_i) = 0 \)

सरल भाषा

त्रुटियों का औसत शून्य है — न तो व्यवस्थित रूप से धनात्मक, न ऋणात्मक।

इसका महत्व

• OLS अनुमानकों के निष्पक्ष (UNBIASED) होने के लिए आवश्यक
• नियतांक (INTERCEPT) का सही अनुमान सुनिश्चित करता है

कब टूटती है?

• OMITTED VARIABLE BIAS — जब कोई महत्वपूर्ण चर मॉडल में न डाला गया हो
• MEASUREMENT ERROR — चरों के मापन में त्रुटि
• SIMULTANEOUS EQUATION BIAS — जब X और Y एक-दूसरे को प्रभावित करें

🔷 3. HOMOSCEDASTICITY (समप्रसरणता)

परिभाषा

X के विभिन्न मानों के लिए त्रुटि पद uᵢ का प्रसरण (VARIANCE) स्थिर (CONSTANT) होता है:
\( Var(u_i | X_i) = \sigma^2 \)

सरल भाषा

सभी अवलोकनों के लिए त्रुटियों का फैलाव एक जैसा है।

विजुअल समझ

• HOMOSCEDASTICITY: त्रुटियाँ एक समान बैंड में फैली हों
• HETEROSCEDASTICITY: त्रुटियों का फैलाव बदलता रहे (जैसे — अमीरों में अधिक, गरीबों में कम)

गॉस-मार्कोव प्रमेय में भूमिका

यह धारणा OLS को "BEST" (सबसे कम प्रसरण वाला) बनाने के लिए आवश्यक है — इसे EFFICIENCY कहते हैं

उल्लंघन परिणाम

• OLS अनुमानक INEFFICIENT हो जाते हैं (प्रसरण बढ़ जाता है)
• t-परीक्षण और F-परीक्षण अविश्वसनीय हो जाते हैं
• अनुमानक निष्पक्ष (UNBIASED) बने रहते हैं

पता लगाने के परीक्षण

BREUSCH-PAGAN TEST, WHITE TEST, GOLDFELD-QUANDT TEST, GLEJSER TEST

🔷 4. NO AUTOCORRELATION (स्वसहसंबंध का अभाव)

परिभाषा

दो भिन्न अवलोकनों (i ≠ j) की त्रुटियाँ एक-दूसरे से असंबद्ध (UNCORRELATED) होती हैं:
\( Cov(u_i, u_j | X_i, X_j) = 0 \quad \text{(i ≠ j)} \)

सरल भाषा

एक अवलोकन की गलती का दूसरे अवलोकन की गलती पर कोई प्रभाव नहीं।

कहाँ अधिक महत्वपूर्ण?

• TIME SERIES DATA में यह धारणा अक्सर टूटती है
• क्रॉस-सेक्शन डेटा में आमतौर पर यह धारणा बनी रहती है

गॉस-मार्कोव प्रमेय में भूमिका

OLS को BLUE बनाने के लिए आवश्यक है (साथ में HOMOSCEDASTICITY के)

उल्लंघन परिणाम

• OLS अनुमानक INEFFICIENT
• STANDARD ERRORS गलत → परिकल्पना परीक्षण अविश्वसनीय

पता लगाने के परीक्षण

DURBIN-WATSON TEST (प्रथम-कोटि AUTOCORRELATION के लिए), BREUSCH-GODFREY TEST, LJUNG-BOX TEST, RUNS TEST

🔷 5. NO PERFECT MULTICOLLINEARITY (पूर्ण बहुसंरेखता का अभाव)

परिभाषा

कोई भी व्याख्यात्मक चर (X) दूसरे व्याख्यात्मक चरों का पूर्ण रैखिक फलन नहीं होना चाहिए:
\( X_j \neq \alpha_0 + \alpha_1 X_1 + ... + \alpha_{j-1} X_{j-1} \)

सरल भाषा

दो या अधिक X चर बिल्कुल एक-दूसरे पर निर्भर नहीं होने चाहिए।

उदाहरण

• परफेक्ट मल्टीकोलिनियरिटी: X₁ = घंटे, X₂ = मिनट (X₂ = 60×X₁) → समस्या
• हाई मल्टीकोलिनियरिटी: X₁ = उम्र, X₂ = अनुभव (सहसंबद्ध तो हैं, पर परफेक्ट नहीं) → समस्या कम गंभीर

डमी वेरिएबल ट्रैप (महत्वपूर्ण!)

यदि आपके पास m श्रेणियाँ हैं और आप सभी m डमी + इंटरसेप्ट डालते हैं → यही PERFECT MULTICOLLINEARITY है

· समाधान: (m-1) डमी + इंटरसेप्ट (अथवा m डमी + इंटरसेप्ट नहीं)

उल्लंघन परिणाम

• OLS गुणांक अनिश्चित (INDETERMINATE) हो जाते हैं
• सॉफ्टवेयर त्रुटि देगा या एक चर को हटा देगा

🔷 6. NORMALITY OF ERRORS (त्रुटियों की सामान्यता)

परिभाषा

दिए गए X के लिए, त्रुटि पद uᵢ सामान्य वितरण (NORMAL DISTRIBUTION) का पालन करता है:
\( u_i \sim N(0, \sigma^2) \)

क्या यह आवश्यक है?

• OLS के BLUE होने के लिए आवश्यक नहीं
• बड़े नमूनों (LARGE SAMPLES) में CENTRAL LIMIT THEOREM से यह धारणा ढीली हो जाती है

कब आवश्यक है?

• छोटे नमूनों (SMALL SAMPLES) में
• परिकल्पना परीक्षण (t-TEST, F-TEST) के लिए

उल्लंघन परिणाम

• बड़े नमूनों में: कोई बड़ी समस्या नहीं
• छोटे नमूनों में: t और F परीक्षण अविश्वसनीय

जाँच के तरीके

JARQUE-BERA TEST, Q-Q PLOT, HISTOGRAM, SHAPIRO-WILK TEST

📊 गॉस-मार्कोव प्रमेय (GAUSS-MARKOV THEOREM)

गॉस-मार्कोव प्रमेय के अनुसार, यदि LINEARITY, ZERO MEAN, HOMOSCEDASTICITY, NO AUTOCORRELATION, NO PERFECT MULTICOLLINEARITY धारणाएँ पूरी हों, तो OLS अनुमानक BLUE (BEST LINEAR UNBIASED ESTIMATOR) होता है:

• BEST — सबसे कम प्रसरण (EFFICIENT)
• LINEAR — अनुमानक Y का रेखीय फलन है
• UNBIASED — E(β̂) = β (निष्पक्ष)
• ESTIMATOR

NORMALITY धारणा गॉस-मार्कोव प्रमेय का भाग नहीं है — यह केवल INFERENCE के लिए आवश्यक है

📝 UGC NET में पूछे गए प्रश्न (PYQS)

प्रश्न 1: Xᵢ और Uᵢ के बीच संबंध
"IN THE CLASSICAL LINEAR REGRESSION MODEL, XI AND UI ARE ASSUMED TO BE?" (UGC NET PAPER 2: ECONOMICS, 24TH NOV 2021 SHIFT 1)
· (A) CORRELATED
· (B) INDEPENDENT
· (C) DEPENDENT
· (D) NOT CORRELATED ✅
✅ व्याख्या: यह ZERO CONDITIONAL MEAN धारणा (E(uᵢ|Xᵢ) = 0) का प्रतिबिंब है — X और u सहसंबद्ध (CORRELATED) नहीं हैं

प्रश्न 2: OLS अनुमानकों के गुणों के लिए कौन-सी धारणाएँ आवश्यक हैं?
"UNBIASEDNESS, CONSISTENCY, EFFICIENCY के लिए कौन-सी धारणाएँ चाहिए?" (UGC NET PATTERN पर आधारित)
· 1. ZERO MEAN OF ERRORS
· 2. HOMOSCEDASTICITY
· 3. NO AUTOCORRELATION
· 4. NORMALITY OF ERRORS
उत्तर: (C) 1, 2, AND 3 ONLY ✅
✅ व्याख्या: NORMALITY (4) BLUE के लिए आवश्यक नहीं है — केवल INFERENCE के लिए चाहिए

प्रश्न 3: PERFECT MULTICOLLINEARITY से बचाने वाली धारणा
"WHICH ASSUMPTION ENSURES THAT REGRESSORS ARE NOT PERFECTLY CORRELATED?" (UGC NET PATTERN)
· (A) HOMOSCEDASTICITY
· (B) NO PERFECT MULTICOLLINEARITY ✅
· (C) NO AUTOCORRELATION
· (D) NORMALITY OF ERRORS
✅ व्याख्या: NO PERFECT MULTICOLLINEARITY ही वह धारणा है जो सुनिश्चित करती है कि X आपस में पूर्ण रैखिक संबंध न रखें

प्रश्न 4: OMITTED VARIABLE किस धारणा का उल्लंघन करता है?
"OMITTED VARIABLE BIAS VIOLATES WHICH ASSUMPTION?" (UGC NET PATTERN)
· (A) ZERO CONDITIONAL MEAN OF ERROR TERM ✅
· (B) I.I.D. OBSERVATIONS
· (C) HETEROSKEDASTICITY
· (D) PERFECT MULTICOLLINEARITY
✅ व्याख्या: जब कोई महत्वपूर्ण चर छूट जाता है, तो वह त्रुटि पद (ERROR TERM) में चला जाता है और X के साथ सहसंबद्ध (CORRELATED) हो जाता है — इससे E(u|X)=0 धारणा टूटती है

प्रश्न 5: CLRM में कितनी धारणाएँ?
"मानक CLRM में धारणाओं की संख्या क्या है?" (UGC NET प्रारंभिक प्रश्न)
✅ उत्तर: 6 मुख्य धारणाएँ (LINEARITY, ZERO MEAN, HOMOSCEDASTICITY, NO AUTOCORRELATION, NO PERFECT MULTICOLLINEARITY, NORMALITY)

नोट: कुछ पुस्तकें NORMALITY को "अतिरिक्त" (OPTIONAL) मानती हैं क्योंकि यह BLUE के लिए आवश्यक नहीं है

🔥 परीक्षा ट्रिक्स (EXAM TIPS)

धारणाओं के लिए संक्षिप्त नाम

ट्रिक	धारणा	परिणाम (उल्लंघन पर)
L	LINEARITY	MISSPECIFICATION
Z	ZERO MEAN	BIAS
H	HOMOSCEDASTICITY	INEFFICIENT (बड़ा VARIANCE)
I	INDEPENDENCE (NO AUTOCORRELATION)	INEFFICIENT + STD.ERROR गलत
N	NO PERFECT MULTICOLLINEARITY	अनुमान असंभव
(N)	NORMALITY	INFERENCE गलत (छोटे नमूनों में)

याद रखने की ट्रिक

"LAZY ZEBRAS HAVE ISSUES, BUT NEED NORMALCY"

परीक्षा में पूछे जाने वाले सामान्य प्रश्न

1. BLUE के लिए किन धारणाओं की आवश्यकता है? → NORMALITY को छोड़कर सभी
2. "कौन-सी धारणा सबसे कम महत्वपूर्ण है?" → NORMALITY (LARGE SAMPLES में)
3. "TIME SERIES में कौन-सी धारणा सबसे अधिक टूटती है?" → NO AUTOCORRELATION
4. "क्रॉस-सेक्शन डेटा में कौन-सी धारणा अक्सर टूटती है?" → HOMOSCEDASTICITY (HETEROSCEDASTICITY आम है)
5. "X और u के बीच सहसंबंध किस धारणा का उल्लंघन है?" → ZERO MEAN (E(u|X) = 0)

परीक्षा में तुरंत उत्तर के लिए तालिका

प्रश्न	सही धारणा का नाम
"ESTIMATOR UNBIASED होगा"	ZERO MEAN ERROR
"ESTIMATOR EFFICIENT (न्यूनतम VARIANCE) होगा"	HOMOSCEDASTICITY + NO AUTOCORRELATION
"t/F परीक्षण VALID होंगे"	NORMALITY (छोटे n में)
"गुणांक UNIQUE होंगे"	NO PERFECT MULTICOLLINEARITY
"MODEL सही SPECIFY है"	LINEARITY, ZERO MEAN (OMITTED VARIABLE नहीं)

✅ सारांश

CLRM की छह धारणाएँ OLS अनुमानकों को BLUE बनाने और सांख्यिकीय अनुमान (INFERENCE) को विश्वसनीय बनाने के लिए आधार हैं:

क्रम	धारणा	BLUE के लिए	INFERENCE के लिए
1	LINEARITY	✅	✅
2	ZERO MEAN	✅	✅
3	HOMOSCEDASTICITY	✅	✅
4	NO AUTOCORRELATION	✅	✅
5	NO PERFECT MULTICOLLINEARITY	✅	✅
6	NORMALITY	❌	✅ (SMALL n)

📌 यदि आप किसी विशेष धारणा पर और अधिक उदाहरण या प्रश्न चाहते हैं, तो बताएँ। शुभकामनाएँ 🎯

📐 UGC NET ECONOMICS | CLRM की 6 मूलभूत धारणाएँ (OLS ASSUMPTIONS) | COMPLETE MODULE
पूर्ण गणितीय प्रारूप | प्रत्येक शब्द सुरक्षित | LaTeX में सूत्र