多元回归_5.5.1 OLS估计量的无偏性.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 多元线性回归模型 问题 什么样的估计是好的估计？ 估计量的评价标准 最小二乘估计量的无偏性 定理 (OLS的无偏性) 在 MLR.1 到MLR.4的假定下,有 ˆ E( )  , j  0,1,... k j j , 关于模型变量的选择 讨论 如果模型中包含了本不应该包含的变量，会有什么后果?  不会影响系数估计和OLS的无偏性，但是包含无关 变量对OLS估计量的方差具有不利影响 讨论 如果我们遗漏了一个应该包含在模型中的变量呢?  OLS估计量是有偏的 遗漏变量偏误 假如真实的模型为： = + + + 0 1 1 2 2 但是我们估计的模型为： = + + 0 1 1 利用OLS估计可得： ( − ) 1 1 = 1 ( − )2 1 1 遗漏变量偏误 因为真实模型为 y  x x u , i 0 1 i1 2 i 2 i 故有 x  x  x x u   i1 1 0 1 i1 2 i 2 i 2 x  x   x  x x  x  x u 1 i1 1 2 i1 1 i 2 i1 1 i 遗漏变量偏误 xi 1 x1 xi 2 xi 1 x1 ui     1 1 2 2 2 xi 1 x1  xi 1 x1  由于 E(u | x ,..., x ) 0, 对上式取期望有 i 1 k xi 1 x1 xi 2 E     