第五讲ols浩的渐进性.pptxVIP

第五章：OLS的渐进性 (OLS Asymptotics );第一节 一致性(consistency);2.为什么要考虑一致性; 由于在很多情形下误差项可能呈现非正态分布，了解OLS 估计量和检验统计量的渐近性，即当样本容量任意大时(when the sample size grows without bound)的特性就是重要的问题。;当n增加时样本的分布(Sampling Distributions as n increases);3.一致性和无偏性的关系(Consistency v.s. unbiasedness);是否有可能一个估计量是无偏的但又不具备一致性？;二、OLS估计量的一致性;3.一个更弱的假定;推导不一致性;则：; 因此，考虑渐近偏差的方向就像是考虑存在一个遗漏变量时偏差的方向。主要的区别在于渐近偏差用总体方差和总体协方差表示，而遗漏变量时的偏差则是基于它们在样本中的对应量。;4.存在内生性时的一致性;若x1 和x2相关，即cov(x1 , x2 ) ≠0，而u和x2不相关，即cov(u , x2 )=0时，则对b1和b2的OLS估计量都是不一致的。 若x1 和x2不相关，即cov(x1 , x2 )=0，且u和x2不相关，即cov(u , x2 )=0时，则只有对b1的OLS估计量是不一致的。;5.渐近有效性;第二节 渐近正态和大样本推断 (Asymptotic Normality and Large Sample Inference);为什么需要正态性假定？;中心极限定理(Central Limit Theorem);2.定理5.2：OLS的渐近正态性 (Asymptotic Normality of OLS);2） 是 的一个一致性估计。;在定理5.2中什么才是我们的假定;对定理5.2的理解;其中， 是 的总体方差。 ;因为自由度很大的 t分布接近于正态分布，我们也可以得到：;渐近标准误差(Asymptotic Standard Errors);大样本推断(Large sample inference);拉格朗日乘子统计量(Lagrange Multiplier statistic);假设我们有一个标准模型: y = b0 + b1x1 + b2x2 + . . . bkxk + u ;LM检验的特性(Characteristics of LM test);LM检验与F检验和t检验的优劣对比 LM test vs F test t test;例5.3: Economic Model of Crime(crime1.raw);渐近有效(Asymptotic Efficiency);定理5.3： OLS估计量的渐近有效性 Asymptotic Efficiency of OLS Estimators;证明OLS估计量的渐近有效性;我们首先证明 是一致的：;因为：;如果 ，则由柯西不等式，可得：;本讲定性地讨论了OLS估计量的渐近性质，不要求同学们掌握证明过程和细节问题。重要的是希望大家记住：即便正态性假定不被满足，在大样本情况下，用OLS方法进行参数估计和假设检验仍然是适用的。 如此看来，样本容量越大，对OLS方法施加的限制就越少，因此我们应该使用容量足够大的样本。遗憾地是，并没有一个被广泛接受的标准用来判断样本容量到底应该多大才符合渐近性的要求