3多元回归分：估计.pptVIP

* 对定理3.2的解释（1）：误差项方差 更大的s2意味着更大的OLS估计量方差。 更大的s2意味着方程中的“噪音”越多。 这使得得到自变量对因变量的准确局部效应变得更加困难。 引入更多的解释变量可以减小方差。但这样做不仅不一定可能，而且也不一定总令人满意。 s2 不依赖于样本大小 * 对定理3.2的解释（2）：总的样本变异 更大的SSTj意味着更小的估计量方差，反之亦然。 其它条件不变情况下， x的样本方差越大越好。 增加样本方差的一种方法是增加样本容量。 参数方差的这一组成部分依赖于样本容量。 * 对定理3.2的解释（3）：多重共线性 更大的Rj2意味着更大的估计量方差。 如果Rj2较大，就说明其它解释变量解释可以解释较大部分的该变量。 当Rj2非常接近1时， xj与其它解释变量高度相关，被称为多重共线性。 严重的多重共线性意味着被估计参数的方差将非常大。 * 对定理3.2的解释（3）：多重共线性（续） 多重共线性是一个数据问题 可以通过适当的地舍弃某些变量，或收集更多数据等方法来降低。 注意：虽然某些自变量之间可能高度相关，但与模型中其它参数的估计程度无关。 * 总结 本堂课重要的几点： 高斯－马尔科夫假定 模型过度设定和设定不足的后果 遗漏变量偏差是什么 被估计参数方差的三个组成部分是什么，以及它们如何影响被估计参数方差的大小。 * 多元回归