实证课件第5章多元线性回归：渐进性.pptVIP

第5章 多元线性回归：渐进性 y = b0 + b1x1 + b2x2 + . . . bkxk + u 3. OLS的渐进性 一致性 在高斯—马尔科夫假定下 OLS 估计量是 BLUE的，但在别的情况下，可能不会总找到一个无偏估计量 。 在某种情况下,我们可能需要估计量满足一致性条件，也就是 当 n ? ∞时，估计量的分布 将紧缩成一个单点，即真实值。 n不断增加时的随机分布 OLS估计量的一致性 在高斯-马尔科夫假定下, OLS估计量是一致性的 （也是无偏的） 一致性可以通过类似证明无偏性的方式得到证明 我们可以运用大数定律证明一致性 证明一致性 一个较弱的假定 对于无偏性,我们做出0条件均值的假定 E(u|x1, x2,…,xk) = 0 对于一致性, 我们做出0均值和0相关的较弱假定 E(u) = 0 与Cov(xj,u) = 0, 其中 j = 1, 2, …, k 如果没有这一假定, OLS估计量将是有偏的与非一致的 推导非一致性 正如我们可以推到遗漏变量的偏误一样容易，现在我们来考虑一下非一致性，或者在此情形中称为渐进偏误 渐进偏误 (续) 思考渐进偏误的方向，正如思考遗漏变量的方向一样 主要的不同之处在于，渐进偏误使用总体方差和协方差,然而偏误使用的是样本的对应部分 值得注意的是， 非一致性是一个大样本问题不会随着样本量的增加而改变