04正态性假定CNLRM.pptVIP

正态性假定：CNLRM cht04 §4.1 干扰项ui的概率分布 回忆:前面OLS方法应用于CLRM时，我们并没有对干扰项ui的概率分布作任何假定。 仅有的假定是：它们的期望为0；它们是不相关的；并有一个不变的方差。 仅靠这些假定得到了优良的性质，BLUE §4.1 干扰项ui的概率分布 但它仅仅是点估计，是统计推断的一个方面 另一个主题：hypothesis testing §4.2 正态性假定 我们熟知：对于两个正态变量来说，不相关就意味着独立。 所以u服从normally and independently distributed 为何做正态性假定？ ui代表了未引进变量的总影响，这些影响是小的，随机的。Central limit theorem 表明，大量独立同分布随机变量之和将趋向于正态分布。 即使变量个数不很大，或还不是严格独立的，它们的和仍可认为是正态分布的。 正态变量的线性组合仍是正态变量，所以β也都是正态分布的。 为何做正态性假定？ 最后，正态分布较简单，仅有两个参数，广为熟知，在自然社会现象中大量存在。 §4.3 正态假定下：OLS估计量的性质 正态残差下，Yi也是正态分布 §4.4 最大似然法maximum likelihood §4.5 与正态分布有关的一些概率分布：t, χ ，F分布 * §4.1 干扰项ui的概率分布 目的：不仅得到SRF,还要