第5 章大样本ols 51 为何需要大样本理论“大样本理论”(large sample .pdfVIP

© 陈强, 《计量经济学及Stata 应用》，2014 年。请勿上传或散发。 第 5 章 大样本 OLS 5.1 为何需要大样本理论 “大样本理论”(large sample theory)，也称“渐近理论” (asymptotic theory)，研究当样本容量n 趋无穷时统计量 的性质。 大样本理论近年来大受欢迎，原因如下。 (1) 小样本理论的假设过强。小样本理论的严格外生性 假设要求解释变量与所有的扰动项均正交。在时间序列 模型中，这意味着解释变量与扰动项的过去、现在与未 来值全部正交！以被解释变量滞后值为解释变量的自回 归模型，必然违背此假定。大样本理论只要求解释变量 与同期扰动项不相关。 例 y y  ，其中E(y  ) 0 。 t t1 t t1 t 由于  是y 的一部分，故二者相关，即 t t 2 2 E(y  ) E (y  ) E(y  ) E( ) E( ) 0 t t  t t t  t t t t 1 1 2 小样本理论假定扰动项为正态分布，大样本理论无此限 制。 (2) 小样本的精确分布(exact distribution)难推导。大样本 的渐近分布较易推导。 (3) 大样本理论要求样本容量较大，至少n 30 ，最好 100 以上。现代的数据集越来越大，渐近理论成为很好的近 似。 3 5.2 随机收敛 1．确定性序列的收敛 定义 确定性序列 a  a ,a ,a , 收敛(converges)于     n n 1 1 2 3 常数 a ，记为lim an a 或an a ，如果 0 ，存在N 0 ， n 只要n N ，就有 a a  ，即 a , a ,  均落入区间 n  N 1 N 2  (a , a ) 内，参见图5.1 。 图5.1 确定性序列的收敛 4 2 ．随机序列的收敛 定义 随机序列 x  x ,x ,x , 依概率收敛(converges     n n 1 1 2 3 p in probability)于常数 a ，记为plim xn a ，或xn a ，如