Anhang
135
Kap. 6]
Aus der Identität
H \2= S2 Vi,,•fo- w 1 , J m 0 ! J=
= S { Vi | [*4- ™i; 0 ] 2 2 P$ 0,— W o I J ) =
= 2 {p< | [*i- , 0 ] 2 (2 p!/ 0,- Htf+ Hi - m 0 J)} =
= Sp ( |[* - »njVfs + 2?i| [*<- “nofHi*- m 0|J
ergibt sich folglich, falls die Regression von 1' in bezug auf X gerad
linig ist, daß
2Pi|l>r- m iiJXs! = 1oi2t r 212 r i|i r 4!öl
2 (i) _ ^012 2
^2|0
2 ..e)
1 2
^ 0 | 2 ? 111 2 | 2 T 111 r 41 ol
2 Vi I [*<— | 0 ] Hl - m 0 I J 4 = 10 ^0 I 2 r i 11 [ r 2 I 2- f m r 4 I ol •
i
In ähnlicher Weise erhält man aus der Identität
Pi 1 8 “ S P<| Dv- |o] 4' + 3 S Pil><- »»!! JHl - W 0i J 4 +
+ 2^! I> “ m iIo]Hl ” m oIJ 3
unter der Annahme, daß die Regression von F in bezug auf X ge
radlinig ist,
2P<| \- X i W 1|0-I ^]3 = ^^210^012^113 ^ r i|i r 2|2“l“ ^ r i|l ? 4]ol
i
2Pi|[ W |l m 0!l]‘ a i3 = * y '0[2 r i|l[ ? l|3 ° r i|l ? 2|2"^ ^ ? l|i r 4|o]’
und aus der Identität
ihi 2 =2p i |[^-m 1 , 0 ]4 + SPiih-^noiHi-^oiJ
bei geradliniger Regression von Y in bezug auf X
2 Vi| H m i |ol > a |2 “ Vq\2 VV 2 \o D 112 r i11 f 3 [ol •
Aus C.-^r-SP,^ erhält man SPi,4 = ^oiaC 1 “^,J-
f*0|2 i i
Ist F mit X homoskedastisch verbunden, so ergibt sich hieraus:
Falls die Regression von F in bezug auf X
geradlinig ist, so ist v 2 = r* und folglich 2Pi, 4 = f* 0 ,2t 1 '~ r i,i] ;
i
wenn außerdem F mit X homoskedastisch verbunden ist, ist
4=Pont 1 — r !ij-