多元回归_6.3 OLS估计的渐进性.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OLS估计的渐进性质 一致性 01 在高斯-马尔可夫假设下OLS估计量满足BLUE, 但在其他情况下OLS则不一定是无偏估计量 02 即使无偏性不满足，我们仍要求估计量具有一致 性，即为：当 n 趋于无穷时，估计量会依概率收 敛到参数值本身 一致性 01 定理 1: 在模型假定MLR.1~MLR.4下, OLS估计 量是一致的（并且是无偏的） 02 在简单回归模型中可以很容易地证明一致性，其 证明过程与对无偏性的证明类似，但需要使用概 率极限(plim)的性质建立一致性 在矩阵形式下 1 1 ˆ  (X X ) X Y (X X ) X (X  u )  (X X )1X u 因为当plim (A)=a, plim (B)=b 时，plim (AB)=ab 由于 - 1 plim (n X’u)=Cov(X ,u)=0, 所以得到上式 因此 1 1 1 ˆ plim   plim (n X X ) plim (n X u )   c 0  弱假定 01 对于无偏性，零条件均值假设有：E(u|x , x ,…,x ) = 0 1 2 k 对于一致性，我们可以假定一个更弱的总体零相 02 关假定和零均值假定 (MLR.4) : E(u) = 0和Cov(x ,u) = 0, j = 1, 2, …, k j 03 如果没有这样的假设，OLS会有偏且不一致！ 推导OLS的不一致性 就像我们之前推导出遗漏变量偏误一样，我们考虑遗漏 变量偏误的不一致性，或者粗略地称为渐近偏误 真实模型： = + + + 0 1 1 2 2 误设为： = 0 + 1 + 故实际上， = + , plim = + 2 2 1 1 2 这里的 = (1,2) (1) OLS估计的渐近正态和大样本推断 在经典线性模型假定下，的抽样分布是正态的，因此我 们可以推导出常用的 t 和F 分布 01 OLS估计量的正态性，关键取决于总体中误差 分布的正态性 02 正态性假定意味着给定x 时，y 的分布也是正态的 养老金计划参与率（）的频率分布 大样本推断 01 很容易可以举出许多正态性不满足的例子 由于正态分布的对称性，所以任何明显偏斜的