5.1存在测量误差的回归估计-王璐璐.pptVIP

模型及基本假定 加权回归 加权回归 加权回归 加权回归 加权回归 存在测量误差的回归估计 总结： （1）测量误差可能存在于大多数经济中，处理不仅有随机扰动，同时还有误差的估计问题。 （2）一般只关注“方程误差模型”而忽略测量误差，并不是认为观测数据是完美的，而只是认为与变量关系中的随机扰动相比，测量误差是次要的。 若假设解释变量x的测量是没有误差的，最小二乘 估计是基于使观测到的y与回归直线的离差平方和极 小这一思想上的，这个程序称为“y方向上的极小”。 此时 ，将其代入（6）式中得到 。 另一个极端，若假设测量y时没有误差，则成为“x 方向上的极小”也就是极小化了观测点与回归直线的 水平距离的平方和。此时 ，得到 说明 的大小是怎样决定着极小化方向的， 当 位于0到 之间时，它充当了一个置换 x与y之间的极小化方向的“权重”因素。 注：以上的模型建立在变量误差模型的基础上 存在测量误差的回归估计 *Company Logo LOGO *Company Logo 不完备数据的回归估计 —— 存在测量误差的回归估计 主讲人：王璐璐 不完备数据的回归估计 在样本数据有某些不完备情况下 的回归估计问题： 存在测量误差的回归估计 分组数据的回归估计 缺失数据的回归估计 存在测量误差的回归估计 模型及基本假定 工具变量估计 方程误差模型 组平均法 变量误差模型 加权回归 总结 模型及基本假定 经典正态线性回归的测量误差问题 回归方程： 基本假设： （1） （2） （3）对于任何非随机的解释变量来说 是个不为零的有限数 模型及基本假定 现在假设观测值x和y含有测量误差（用 代替 ，且测量误差被假定是随机的而且具有特定的概率） 假设测量误差具有下列行为特性： （1） （2） 模型及基本假定 （3） 以上三式可以表明：测量误差是相互独立的，是独立于回归方程的扰动的，并且对于非随机的x，是独立于x和y的真值的。 模型及基本假定 从数据 和 估计回归方程的系数 在上面的回归模型中，相关变量和解释变量是可观测的，解释变量 是同期与扰动 相关的，即： 意味着 的最小二乘估计式不是一致的， 同理 的最小二乘估计式也如此。 （1）式称为变量误差和方程误差模型 工具变量估计 由于当x,y存在测量误差时，回归方程的系数的最小二乘估计式不是一致的。在此情况下我们得到一致估计量的方法：工具变量 工具变量的含义 工具变量是在模型估计过程中被作为工具使用，以替代与随机干扰项相关的随机解释变量。 工具变量估计 工具变量的选取 被选择作为工具变量必须满足以下条件： 1、与所替代的随机解释变量高度相关； 2、与随机干扰项不相关； 3，与模型中其他解释变量不相关，避免出现多重共线性。 工具变量的应用 工具变量法是克服解释变量与随机干扰项相关影响的一种参数估计方法。 工具变量估计 以一元回归模型为例说明如下： 用OLS估计模型，相当于用 去乘模型两边、对i求和、再略去 项后得到正规方程： 解得: 工具变量估计 由于 ，意味着大样本下: 表明大样本下: 成立，即OLS估计量具有一致性。 然而，如果 与 相关，即使在大样本下，也不存在 ，则 在大样本下也不成立，OLS估计量不具有一致性。 工具变量估计 这种求模型参数估计量的方法称为工具变量法， 相应的估计量称为工具变量法估计量。 如果按照工具变量的选择条件选择z作为x的工具变量， 那么在上述过程中不用x而用z乘以模型的两边，并对i 求和。利用工具变量与随机干扰项不相关的性质，在大 样本下可以略去 与 ，得到如下的正规方程组： 工具变量估计 工具变量法估计量是有偏估计量 用工具变量法所求的参数估计量 与总体参数真值 之间的关系 于是 因为z和x都是随机变量，所以在一般情况下 故 上式说明工具变量法估计量一般不具有无偏性。 工具变量估计 工具变量法估计量是一致估计量 一元回归中，工具变量法估计量为: 两边取概率极限得： 工具变量估计 因此 这说明工具变量法估计量具一致性。 如果工具变量Z选取恰当，即有 工具变量估计 工具变量的渐近方差可由下列公式导出