第三讲 普通最小二乘法.pptVIP

例如对于 ●假定模型设定是正确的（变量和模型无设定误差） ●假定解释变量X在重复抽样中取固定值。 ●假定解释变量X是非随机的，或者虽然X是随机的， 但与扰动项u是不相关的。(从变量X角度看是外生的) 注意: 解释变量非随机在自然科学的实验研究中相对 容易满足，经济领域中变量的观测是被动不可控的， X非随机的假定并不一定都满足。 * 对模型和变量的假定 假定1：零均值假定: 在给定X的条件下，　 的条件期望为零 假定2：同方差假定: 在给定X的条件下，　的条件 方差为某个常数 * X Y 对随机扰动项u的假定 * 假定3：无自相关假定: 随机扰动项 的逐次值互不相关 假定4：解释变量 是非随机的，或者虽然 是随 机的但与扰动项 不相关 (从随机扰动 角度看) * 假定5：对随机扰动项分布的正态性假定， 即假定 服从均值为零、方差为 的正态分布 　　　　　　　 （说明：正态性假定并不影响对参数的点估计，所以有时不列入基本假定，但这对确定所估计参数的分布性质是需要的。且根据中心极限定理，当样本容量趋于无穷大时， 的分布会趋近于正态分布。所以正态性假定有合理性） 由于 其中的 和 是非随机的， 是随机变量，因此 Y是随机变量， 的分布性质决定了 的分布性质。 对 的一些假定可以等价地表示为对 的假定： 假定1：零均值假定 假定2：同方差假定 假定3：无自相关假定 假定5：正态性假定 * 在对 的基本假定下 Y 的分布性质 ●剩余项 的均值为零 ●OLS回归线通过样本均值 ●估计值 的均值等于实际观测 值 的均值 * (由OLS第一个正规方程直接得到) (由OLS正规方程 两边同除n得到) OLS回归线的数学性质 ●解释变量 与剩余项 不相关 由OLS正规方程有: ●被解释变量估计值 与剩余项 不相关 *  面临的问题: 参数估计值 参数真实值 对参数估计式的优劣需要有评价的标准 为什么呢? ●参数无法直接观测，只能通过样本去估计。样本的获得存 在抽样波动，不同样本的估计结果不一致。 ●估计参数的方法有多种，不同方法的估计结果可能不相同， 通过样本估计参数时，估计方法及所确定的估计量不一定 完备，不一定能得到理想的总体参数估计值。 对各种估计方法优劣的比较与选择需要有评价标准。 估计准则的基本要求： 参数估计值应尽可能地接近总体参数真实值”。 什么是“尽可能地接近” 原则呢？ 用统计语言表述就是: 无偏性、有效性、一致性等 OLS估计量的统计性质 * (1) 无偏性  前提：重复抽样中估计方法固定、样本数不变、 由重复抽样得到的观测值,可得一系列参数估计 值 , 的分布称为 的抽样分布，其密度 函数记为 概念: 如果 ，则称 是参数 的无偏估计量， 如果 ，则称 是有偏的估计，其偏倚为 （见下页图） * 概 率 密 度