计量经济学ch02-概率统计基础.pptVIP

* 例子： 例1：某灯泡厂某天生产了一大批灯泡，从中抽取了10个进行寿命试验，获得数据如下（单位：小时），问该天生产的灯泡的平均寿命是多少？ * (3)最小二乘估计 这是本课研究的重点问题，在以后各章中将详尽地阐述它的原理、步骤、特性和优越处，这里暂时不加以讨论。 * 3.估计量的性质 (1)线性性 (2)无偏性 (3)有效性 (4)一致性 * (1)线性性 定义：指参数估计量可以表示为随机变量观测值的线性组合。 意义：参数估计量与随机变量服从相同类型的概率分布，是考察参数估计量性质，进行统计推断的基础。 * (2)无偏性 定义：参数估计量的数学期望等于参数的真实值。 直观意义：样本估计量的数值在真值周围摆动，即无系统误差。 * 图示 ?的真值 有偏估计 ?的真值 无偏估计 * (2)无偏性(续) * (3)有效性 ?的真值 ?的真值 * (3)有效性(续) 一个无偏有效估计量的取值在可能范围内最密集于??附近。换言之，它以最大的概率保证估计量的取值在真值?附近摆动。 在很多情况下，我们被迫在偏差的大小与方差的大小（即无偏与有效性）之间作出抉择。有时，一个方差极小的有偏估计比一个方差极大的无偏估计可能更为我们所追求。 均方误(MSE)为我们在两者之间的权衡提供了一个有效的尺度。 * 均方误的定义与分解 * 运用MSE权衡偏差与方差 ? 最小均方误（有偏，方差极小） 无偏，方差极大