时间落差分配模型.ppt

SR5：X並非隨機變數，並且至少要有兩個不一樣的值。 放寬X不是隨機變數的假設：資料是來自於控制實驗。 X是隨機的，並且與誤差項e相關。 E(e X)=0 表示： 1.沒有遺漏重要變數。 2.使用正確的函數形式。 3. 沒有會使得誤差項與X相關的因素存在。 但是，第三點不太可能是直覺性的。 若X與e有相關，則Cov(X,e)≠0，且可以說E(e X)≠0。 若X是隨機，只要資料取自於隨機樣本，並且其他的一般假設成立，則迴歸方法是不需要改變的。 當T ∞時，所有機率會集中到β2附近。 A13.3* E(e)=0且Cov(X,e)=0 在A13.3的假設之下，當T ∞時，最小平方估計式會趨近於真正的值。 在假設A13.1~A13.5.，A13.3*之下，當T ∞時，最小平方估計式會趨近於常態分配。 若Cov(x,e)≠0 X與e是相關的，則最小平方估計式在大樣本中不會是一致的。 因此，最小平方估計式並不適用。 迴歸方程式的誤差衡量 數種情況之下，最小平方估計式會不適用，因為解釋變數與誤差項之間有相關性。 變數中包含誤差 誤差衡量。 Yt=β0+β1Xt*+Vt Xt*無法得知 Xt=Xt*+ut Xt是隨機變數 Yt=β0+β1(Xt-ut)+Vt=β0+β1Xt