第5章-大样本ols.pdfVIP

© 陈强, 《高级计量经济学及Stata 应用》课件，第二版，2014 年，高等教育出版社。 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的原因如下。 (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！ 1 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  1  1 t t t t t t t t t 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。 2 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)于常     n n 1 1 2 3 数a ，记为lim a a 或a a ，如果 0 ，存在N 0 ，只要n N ， n n n 就有a a ，即 a , a ,  均落入区间(a , a ) 内。 n  N 1 N 2  图5.1 确定性序列的收敛 3 2 ．随机序列的收敛 定义 随机序列 x  x ,x ,x , “依概率收敛”(converges in     n n 1 1 2 3 p probability)于常数a ，记为plim xn a ，或xn a ，如果 0 ， n 当n 时，都有lim P x a  0 。  n  n 任意给定 0 ，当n 越来越大时，随机变量x 落在