第三篇违背经典回归假定的5异方差.docVIP

第三篇 违背经典回归假定的 单方程经济计量模型 在第二篇古典回归分析中，回归模型的参数最小二乘（OLS）估计都有很好的统计性质，即线性、无偏和最小方差性。获得如此良好的参数估计量皆因模型满足经典假定。但在实际工作中，这些假定未必都能满足。这样，如何判断模型是否满足经典假定？若不满足假定，OLS法是否还能有效使用？参数的OLS估计量，是否还有很好的统计性质？若不能直接使用OLS，应如何进行参数的估计？ 为此，先来分析这些假定： 关于假定1（正态性）：随机干扰项服从正态分布； 假定1是否成立不影响参数OLS估计量的统计性质，只影响小样本下OLS估计量的抽样分布，从而影响显著性检验和区间估计。在大样本下，参数OLS估计量可认为近似服从正态分布（由中心极限定理知）。在小样本时，仍需要假定1。 有关正态检验，可参考相关文献。 关于假定2（零期望）：， 一般情况下，假定2是合理的，这是由的构成所决定。是由所有未被列入模型的影响因素（未被列入的解释变量）、观测误差等的综合结果。任何一个的影响可能微不足道，且作用方式和影响效果也各不相同，但它们的综合影响平均起来为零，即。即使随机项的期望不等于零，只要模型中包含常数项，都可将非零期望并入常数项，因此