16 Econometrics (OLS Properties)

📊 OLS PROPERTIES: BLUE, UNBIASEDNESS, EFFICIENCY & CONSISTENCY

शास्त्रीय रेखीय प्रतिगमन मॉडल (CLRM) की धारणाओं के तहत, OLS अनुमानकों में चार प्रमुख गुण होते हैं। ये गुण ही OLS को इतना शक्तिशाली और लोकप्रिय बनाते हैं।

📊 त्वरित सारांश (CHEAT SHEET)

PROPERTY	MEANING (एक लाइन में)	KEY REQUIREMENT
UNBIASEDNESS	अनुमान का AVERAGE (MEAN) सही मूल्य (TRUE β) के बराबर होता है	E(ε|X) = 0 (ZERO MEAN ERROR)
EFFICIENCY (MINIMUM VARIANCE)	सभी UNBIASED ESTIMATORS में सबसे कम VARIANCE वाला	HOMOSCEDASTICITY + NO AUTOCORRELATION
BLUE (BEST LINEAR UNBIASED ESTIMATOR)	BEST (MINIMUM VARIANCE) + LINEAR + UNBIASED	सभी 5 GAUSS-MARKOV ASSUMPTIONS पूरी हों
CONSISTENCY	बड़े SAMPLE (n → ∞) में TRUE VALUE पर CONVERGE करना	ALL CLRM ASSUMPTIONS + NO OMITTED VARIABLE BIAS

📌 विज़ुअल नोट: EFFICIENCY (कम VARIANCE) और CONSISTENCY बड़े SAMPLES में OLS को सबसे भरोसेमंद बनाते हैं, जबकि BLUE इसे छोटे SAMPLES में "सबसे कम गलती वाला" सुनिश्चित करता है।

🔷 1. UNBIASEDNESS (निष्पक्षता)

DEFINITION

एक अनुमानक (ESTIMATOR) UNBIASED कहलाता है यदि उसका अपेक्षित मान (EXPECTED VALUE) जनसंख्या के TRUE PARAMETER के बराबर हो।

\[ E(\hat{\beta}) = \beta \]

सरल भाषा

यदि आप बार-बार अलग-अलग SAMPLES लेकर OLS ESTIMATE निकालें, तो इन ESTIMATES का औसत (AVERAGE) सही मूल्य के बराबर होगा।

कब UNBIASED रहते हैं?

कब UNBIASED?	कब BIASED हो जाते हैं?
✅ E(εᵢ | Xᵢ) = 0 (ZERO MEAN ERROR)	❌ OMITTED VARIABLE BIAS
✅ X और ε UNCORRELATED	❌ MEASUREMENT ERROR IN X
✅ CORRECT MODEL SPECIFICATION	❌ SIMULTANEOUS EQUATION BIAS

IMPORTANT POINT

UNBIASEDNESS के लिए HOMOSCEDASTICITY या NO AUTOCORRELATION आवश्यक नहीं है। HETEROSCEDASTICITY होने पर भी OLS UNBIASED रहता है।

🔷 2. EFFICIENCY (दक्षता)

DEFINITION

एक UNBIASED ESTIMATOR EFFICIENT कहलाता है यदि सभी UNBIASED ESTIMATORS में उसका VARIANCE सबसे कम हो।

सरल भाषा

"सबसे कम फैलाव" — अनुमान TRUE VALUE के आसपास सबसे कम बिखरा होता है।

COMPARISON VISUAL

LESS EFFICIENT (HIGH VARIANCE)      MORE EFFICIENT (EFFICIENT)
-----\ /-----      --\ /--
\ /      \ /
\/      \/
TRUE VALUE β      TRUE VALUE β
अनुमान ज्यादा बिखरे हुए      अनुमान कम बिखरे (TIGHT)

EFFICIENCY की शर्तें

• HOMOSCEDASTICITY: VARIANCE CONSTANT हो
• NO AUTOCORRELATION: ERRORS INDEPENDENT हों

GAUSS-MARKOV प्रमेय के अनुसार, यदि ये दोनों शर्तें पूरी हों, तो OLS MINIMUM VARIANCE वाला UNBIASED ESTIMATOR होता है।

🔷 3. BLUE PROPERTY (BEST LINEAR UNBIASED ESTIMATOR)

DEFINITION

BLUE = BEST LINEAR UNBIASED ESTIMATOR

GAUSS-MARKOV प्रमेय के अनुसार, यदि CLRM की सभी शास्त्रीय धारणाएँ पूरी हों, तो OLS अनुमानक BLUE होता है।

BLUE का BREAKDOWN

LETTER	MEANING	EXPLANATION
BEST	MINIMUM VARIANCE	सबसे कम फैलाव (EFFICIENT)
LINEAR	Y का LINEAR FUNCTION	अनुमानक Yᵢ का रैखिक फलन है
UNBIASED	E(β̂) = β	औसत सही मूल्य
ESTIMATOR	अनुमानक	जनसंख्या PARAMETER का अनुमान

BLUE के लिए आवश्यक धारणाएँ (GAUSS-MARKOV ASSUMPTIONS)

1. LINEARITY IN PARAMETERS
2. ZERO MEAN OF ERRORS: E(εᵢ|Xᵢ) = 0
3. HOMOSCEDASTICITY: VAR(εᵢ|Xᵢ) = σ²
4. NO AUTOCORRELATION: COV(εᵢ, εⱼ) = 0, I≠J
5. NO PERFECT MULTICOLLINEARITY

NOTE: NORMALITY की धारणा BLUE के लिए आवश्यक नहीं है — यह केवल HYPOTHESIS TESTING के लिए चाहिए।

GLS और BLUE

GENERALIZED LEAST SQUARES (GLS) OLS को TRANSFORM करके उन SITUATIONS में BLUE प्रदान कर सकता है जहाँ OLS यह PROPERTY खो देता है (जैसे HETEROSCEDASTICITY या AUTOCORRELATION में)।

🔷 4. CONSISTENCY (संगतता)

DEFINITION

एक अनुमानक CONSISTENT कहलाता है यदि SAMPLE SIZE (n) INFINITY की ओर बढ़ने पर, यह PROBABILITY में TRUE PARAMETER के पास पहुँचता जाए।

\[ \lim_{n \to \infty} P(|\hat{\beta}_n - \beta| < \delta) = 1 \quad \text{(ANY δ > 0)} \]

सरल भाषा

"जितना बड़ा SAMPLE, उतना सही ESTIMATE" — बड़े SAMPLES में OLS लगभग सटीक हो जाता है।

UNBIASEDNESS VS CONSISTENCY

ASPECT	UNBIASEDNESS	CONSISTENCY
SAMPLE SIZE	ANY N (छोटा या बड़ा)	LARGE N (N → ∞)
WHAT IT MEANS	AVERAGE OF ESTIMATES = TRUE VALUE	ESTIMATES CONVERGE TO TRUE VALUE
PRACTICAL	FINITE SAMPLE PROPERTY	ASYMPTOTIC PROPERTY

CONSISTENCY के लिए आवश्यक

• NO OMITTED VARIABLE BIAS
• NO SIMULTANEOUS EQUATION BIAS
• CORRECT MODEL SPECIFICATION
• X AND ε ASYMPTOTICALLY UNCORRELATED

📝 UGC NET में पूछे गए प्रश्न (PYQS) WITH YEAR & SHIFT

प्रश्न 1: BLUE किस THEOREM से संबंधित है?
"IN THE REGRESSION CONTEXT, THE OLS ESTIMATORS ARE BLUE ACCORDING TO?"
· (A) CENTRAL LIMIT THEOREM
· (B) GAUSS-MARKOV THEOREM ✅
· (C) YOUNG THEOREM
· (D) FISHER'S THEOREM
YEAR/SHIFT: UGC NET PAPER 2: ECONOMICS (PREVIOUS YEAR - OFFICIAL PYQ)
✅ EXPLANATION: GAUSS-MARKOV THEOREM यह प्रमाणित करता है कि CLASSICAL LINEAR REGRESSION MODEL (CLRM) की धारणाओं के तहत, OLS ESTIMATORS BLUE (BEST LINEAR UNBIASED ESTIMATORS) होते हैं।

प्रश्न 2: MULTICOLLINEARITY में OLS के बारे में सही कथन
"WHAT ARE THE PRACTICAL CONSEQUENCES OF MULTICOLLINEARITY IN CLRM?"
STATEMENT (B): OLS ESTIMATORS ARE NOT BLUE
STATEMENT (D): T RATIO OF ONE OR MORE COEFFICIENTS IS STATISTICALLY INSIGNIFICANT
STATEMENT (E): THE OLS ESTIMATORS AND THEIR STANDARD ERRORS CAN BE SENSITIVE TO SMALL CHANGES IN THE DATA
OPTIONS: (A), (B), (C) / (B), (D), (E) ✅ / (A), (C), (E) / (B), (C), (E)
YEAR/SHIFT: UGC NET PAPER 2: ECONOMICS, 8 OCTOBER 2022 (SHIFT 2)
✅ EXPLANATION: UNBIASED रहते हैं — MULTICOLLINEARITY UNBIASEDNESS को प्रभावित नहीं करती। BLUE नहीं रहते — VARIANCE बढ़ जाता है, इसलिए "BEST" PROPERTY खत्म हो जाती है। STANDARD ERRORS बड़े हो जाते हैं — इसलिए T-RATIOS INSIGNIFICANT हो जाते हैं। SENSITIVE TO SMALL CHANGES — DATA में थोड़ा बदलाव आने पर ESTIMATES बहुत बदल जाते हैं।

प्रश्न 3: GLS और BLUE
"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
OPTIONS: (A) AND (B) ARE CORRECT BUT (C) IS NOT CORRECT ✅ / (A), (B) AND (C) ARE CORRECT / (A) AND (C) ARE CORRECT BUT (B) IS NOT CORRECT / (A) IS CORRECT BUT (B) AND (C) ARE NOT CORRECT"
YEAR/SHIFT: UGC NET PAPER 2: ECONOMICS, 3RD DECEMBER 2019 (SHIFT 1)
✅ EXPLANATION: GLS HETEROSCEDASTICITY और AUTOCORRELATION को ठीक कर सकता है। GLS MULTICOLLINEARITY को ठीक नहीं कर सकता।

प्रश्न 4: RECURSIVE SYSTEM में OLS की EFFICIENCY
"WHICH OF THE FOLLOWING STATEMENTS ARE TRUE CONCERNING A TRIANGULAR OR RECURSIVE SYSTEM?"
STATEMENT (C): AN APPLICATION OF TWO-STAGE LEAST SQUARES WOULD LEAD TO UNBIASED BUT INEFFICIENT PARAMETER ESTIMATION
YEAR/SHIFT: UGC NET PAPER 2: ECONOMICS, 3RD DECEMBER 2019 (SHIFT 1)
✅ EXPLANATION: RECURSIVE (TRIANGULAR) SYSTEMS में OLS DIRECTLY लगाया जा सकता है। 2SLS USE करने से EFFICIENCY कम हो जाती है (ESTIMATES UNBIASED रहते हैं लेकिन VARIANCE बढ़ जाता है)।

प्रश्न 5: SIMULTANEOUS EQUATIONS में OLS और CONSISTENCY
"WHICH ONE OF THE FOLLOWING RESPONSES IS TRUE AS A SOLUTION TO SIMULTANEOUS EQUATION BIAS?"
· A. OLS METHOD → ❌ (INCONSISTENT RESULTS देता है)
· B. PRINCIPLE COMPONENT METHOD → ❌ (इसके लिए नहीं)
· C. TWO-STAGE LEAST SQUARE METHOD (2SLS METHOD) → ✅
· D. FULL INFORMATION MAXIMUM LIKELIHOOD METHOD (FIML) → ✅
YEAR/SHIFT: UGC NET PAPER 2: ECONOMICS, 30TH SEPTEMBER 2020
✅ EXPLANATION: SIMULTANEOUS EQUATIONS में OLS BIASED और INCONSISTENT RESULTS देता है। 2SLS और FIML CONSISTENT ESTIMATION प्रदान करते हैं।

प्रश्न 6: OLS ASSUMPTIONS (HETEROSCEDASTICITY)
"HINDI MEDIUM में दो कथन दिए गए:
· STATEMENT I: OLS विधि के अंतर्गत एक पूर्वधारणा यह है कि समाश्रयण मॉडल प्राचलों में रैखिक होता है यद्यपि चरों में यह रैखिक नहीं भी हो सकता है ✅
· STATEMENT II: OLS के अंतर्गत व्याख्यात्मक चर का मूल्य कुछ भी हो, त्रुटि का प्रसरण अथवा विक्षोभ पद एक समान नहीं होता है ❌
ANSWER: STATEMENT I IS CORRECT BUT STATEMENT II IS INCORRECT"
YEAR/SHIFT: UGC NET PAPER 2: ECONOMICS, 24TH NOVEMBER 2021 (SHIFT 1)
✅ EXPLANATION: STATEMENT I (TRUE): MODEL PARAMETERS में LINEAR होना चाहिए, X में LINEAR होना ज़रूरी नहीं (E.G., Y = β₀ + β₁X²)। STATEMENT II (FALSE): HOMOSCEDASTICITY (CONSTANT VARIANCE) एक CORE ASSUMPTION है — HETEROSCEDASTICITY VIOLATION है।

🎯 परीक्षा ट्रिक्स (EXAM TIPS)

गॉस-मार्कोव प्रमेय याद रखने की ट्रिक:

"LINE US"

LETTER	ASSUMPTION
L	LINEARITY IN PARAMETERS
I	INDEPENDENCE OF ERRORS (NO AUTOCORRELATION)
N	NO PERFECT MULTICOLLINEARITY
E	E(ε|X) = 0 (ZERO MEAN)
U	UNIFORM VARIANCE (HOMOSCEDASTICITY)
S	— (NORMALITY NOT REQUIRED FOR BLUE)

PROPERTY VS VIOLATION CONSEQUENCES:

PROPERTY	VIOLATION	CONSEQUENCE
UNBIASEDNESS	OMITTED VARIABLE, MEASUREMENT ERROR	BIASED ESTIMATES
EFFICIENCY (BLUE)	HETEROSCEDASTICITY, AUTOCORRELATION	STILL UNBIASED, BUT NOT BLUE (INEFFICIENT)
CONSISTENCY	SIMULTANEOUS BIAS, ENDOGENEITY	INCONSISTENT (LARGE N पर भी गलत)

✅ सारांश तालिका (EXAM POINT)

PROPERTY	WHAT IT ENSURES	REQUIRED ASSUMPTIONS
UNBIASEDNESS	E(β̂) = β (AVERAGE CORRECT)	E(ε|X)=0, NO OMITTED VARIABLES
EFFICIENCY	MINIMUM VARIANCE (TIGHT ESTIMATES)	HOMOSCEDASTICITY + NO AUTOCORRELATION
BLUE	BEST (MINIMUM VARIANCE) + LINEAR + UNBIASED	सभी 5 GAUSS-MARKOV ASSUMPTIONS
CONSISTENCY	β̂ → β AS N → ∞ (LARGE SAMPLE)	ALL CLRM ASSUMPTIONS + NO SIMULTANEITY

त्वरित निर्णय तालिका:

यदि प्रश्न पूछे...	तो उत्तर है...
"BLUE किस THEOREM पर आधारित है?"	GAUSS-MARKOV THEOREM
"MULTICOLLINEARITY में OLS BLUE रहता है?"	❌ NO — VARIANCE बढ़ जाता है, UNBIASED रहता है
"HETEROSCEDASTICITY में OLS UNBIASED रहता है?"	✅ YES — UNBIASED रहता है, लेकिन BLUE नहीं
"SIMULTANEOUS EQUATIONS में OLS CONSISTENT है?"	❌ NO — 2SLS या FIML चाहिए

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

📐 UGC NET ECONOMICS | OLS PROPERTIES: BLUE, UNBIASEDNESS, EFFICIENCY & CONSISTENCY | COMPLETE MODULE
पूर्ण गणितीय प्रारूप | प्रत्येक शब्द सुरक्षित | LaTeX में सूत्र