多元回归分析法.pptVIP

CCER, Fall 2004 复习 多元回归分析 大样本性质 模型的函数形式 虚拟变量 异方差 数据问题 时间序列模型 基本模型 平稳、弱相关和高度持久 序列相关 工具变量和联立方程 受限制因变量模型 小样本和大样本性质 小样本性质：估计量在样本大小为有限的情况下表现出来的性质。 例如： 无偏估计； t、F检验 。 大样本性质：估计量在样本大小为无限的情况下表现出来的性质。 例如：大数定律； 一致估计；LM检验 一致性 “一致”指的是当n ? ∞时，估计量的分布收敛于系数的真实值 在MLR1-MLR5假设下, OLS估计值是一致的（也是无偏的） 在无偏性的证明中，我们假设了条件均值为零： E(u|x1, x2,…,xk) = 0 证明一致性，我们只要相对较弱的假设，均值为零： E(u) = 0; 不相关： Cov(xj,u) = 0, j = 1, 2, …, k 没有这个假设，OLS就是有偏和不一致的 当n ?时样本（估计）的分布 一致性的证明 遗漏变量：一致？ 正如我们前面推导遗漏变量导致的有偏估计一样，现在我们来看不一致性（或者说渐进有偏）的情况。 拉格朗日乘子统计量 当我们使用大样本并根据渐进正态分布做检验时，我们会用到t 和 F 以外的一些统计量 拉格朗日乘子（ LM）统计量是用来检验多元排除变量的假说的统计量之一 LM 要使用辅助的回归，因此也被称为nR