实证课件第3章多元回归分析.pptVIP

OLS估计量方差的组成： 误差方差: 越大的 s2 意味着 OLS估计量越大的方差 总样本方差：SSTj 越大意味着估计量方差越小 自变量之间的线性关系：越大的 Rj2 意味着估计量方差越大 错定的模型： 错定的模型（续） 除非b2 = 0时错定模型是无偏的外，不然估计量方差将会比错定模型中的小 随着样本容量的增加，每个估计量的方差也将会向0缩减， 使得方差之间的差异变得不很重要 估计误差方差： 我们不知道误差方差s2是什么，因为我们无法观察到误差值 我们可以观察到残差值, ?i 我们可以使用残差去构建误差方差估计量 估计误差方差（续） df = n – (k + 1), or df = n – k – 1 df (即是自由度) 是： 观测值个数– 估计参数个数 高斯—马尔科夫理论 给定 5 个高斯—马尔科夫假设，我们可以得出满足条件的OLS估计量是最优线性无偏估计量—— “BLUE”（best linear unbiased estimator）。 最优——Best 线性——Linear 无偏——Unbiased 估计量——Estimator 因此，如果控制了5个假设，则可使用 OLS * 第3章 多元回归分析 y = b0 + b1x1 + b2x2 + . . . bkxk + u 1. 估计 类似于简单线性回归： b0 仍是截距