多元回归_5.5.2 最小二乘估计量的方差.pdf

对外经济贸易大学 计量经济学 I n t r o d u c t i o n t o E c o n o m e t r i c s 导论 最小二乘估计量的方差 现在我们知道我们估计的抽样分布是以真实参数为中心的 除了集中趋势外，我们还想知道其在样本中的分散情况 在增加同方差假定下，很容易计算方差 假设 MLR.5 (同方差性) : Var(u|x , x ,…, x ) = σ2 1 2 k OLS估计量的方差 01 X 代表向量(x , x ,…,x ) 1 2 k 02 假定Var(u|X) = σ2 此时有Var(y | X) = σ2 03 假定MLR.1-MLR.5一起被称为（横截面回归）的 高斯-马尔可夫假定 定理 (OLS斜率估计量的抽样方差) 在高斯-马尔可夫假定下： 2 ˆ  Var   , 其中   j 2 SSTj 1  R j  n 2 2 SST  ( x  x ) 而 R 是将 j ij j j i1 x 对所有其他自变量回归得到的R2 j 注：具体证明过程请参考伍德里奇第三章附录 OLS估计量的方差 2 ˆ  Var     j 2 误差方差: SSTj 1  R j  2  越大意味着OLS估计量的方差越大 样本总变异: SST 越大意味着OLS估计量的方差越小 j 自变量之间的线性关系: R 2 越大意味着OLS估计量的方差越大 j OLS估计量的方差 方差膨胀因子(VIF) 2  由于Var( ) 2 SST (1  R ) j j ˆ 斜率系数 的方差膨胀因子VIF值为 j 1 VIF j (1 R 2 ) j 我们一般