在線性迴歸模型 y=Xβ+u 中，若 E(u|X)=0，X 也 full rank，
且 Var(u|X)=Ω (heteroskedasticity)，
則此時 Var(β_hat_OLS)=inv(X'X)*(X'ΩX)*inv(X'X)，
而 Var(β_hat_GLS)=inv(X'inv(Ω)X)
（此處的 ' 表示矩陣轉置，inv 表示反矩陣）
為證明此種情況下，GLS 估計式比 OLS 估計式更具效率，
我必須證明 Var(β_hat_OLS)>=Var(β_hat_GLS)，
也就是上述兩個矩陣相減至少是一個 positive semidefinite matrix
現在的問題是：OLS 的部分有一個 (X'ΩX)，GLS 的部分則是 inv(X'inv(Ω)X)
我似乎無法找到兩者結構的共通處以進一步化簡，因為 X 不是 square matrix
試了很久也無法將兩者相減的矩陣寫出一個類似 a'Ma>=0 的型式
不知道是否有高手可以提示一下其中的 trick？謝謝
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 114.137.41.192