第3章-小样本OLS.pdfVIP

© 陈强，《高级计量经济学及Stata 应用》，第二版，2013 年，高等教育出版社，即将出版。请勿上传或散发。 第 3 章 小样本 OLS 3.1 古典线性回归模型的假定 “最小二乘法”(Ordinary Least Square，OLS)是单一方程线性回 归模型的基本估计方法。“古典线性回归模型”(Classical Linear Regression Model) 的假定如下。 假定3.1 线性假定(linearity) 。总体(population)模型为 y x  x  x  (i 1, , n ) (3.1) i 1 i1 2 i 2 K iK i 1 n 为样本容量，解释变量x 的第一个下标表示第 个观测值，第 i ik 二个下标则表示第 k 个解释变量(k 1, , K ) 。 如有常数项，令第一个解释变量为单位向量，即xi1 1, i 。  ,  , ,  为待估参数，称为“回归系数” (regression 1 2 K coefficients) 。 E(y ) 线性假设的含义是x 对y 的边际效应为常数，比如 i  。 ik i 1 x i1 如果边际效应可变（教育投资回报率递减），可加入平方项(x 2 )或 ik 交叉互动项(xik xim ) 。 2 比如，y x  x x x  i 1 i1 K iK ik im i E(y ) 则x 对y 的平均边际效应为 i  x 。只要把高次项也 ik i k m x ik 作为解释变量来看待，则依然满足线性假定。 总体模型也称“数据生成过程”(Data Generating Process，DGP) 。 记第 i 个观测数据为x