《经济计量学精要》笔记和课后习题详解

内容发布更新时间 : 2025/4/8 12:35:52星期一 下面是文章的全部内容请认真阅读。

?2??2是?2的估计量,其中,?e??2in?2 (3-8)

22?(Y?Y)是残差平方和,即的真实值与估计值差的平方和,eY?ii。 ?in?2称为自由度,可以简单地看做是独立观察值的个数。

一旦计算出ei,就很容易求得

?e2i,顺便指出,

????2 (3-9) ??(??2的正平方根)称为回归标准误,即Y值偏离估计回归线的标准差。回归的标准误常用于度量估计回??值越小,Y的实际值越接近根据回归模型得到的估计值。 归线的拟合优度。?

三、OLS估计量的性质 1.OLS估计量的性质

如果满足古典线性回归模型的基本假定,则在所有线性估计量中,OLS估计量具有最小方差性,即OLS估计是最优线性无偏估计量(BLUE)。

OLS估计量具有如下性质:

(1)b1和b2是线性估计量,即它们是随机变量Y的线性函数。

(2)b1和b2是无偏估计量;即E?b1??B1,E?b2??B2。因此,平均而言,b1和b2与其真实值B1和B2一致。

?2??2;即误差方差的OLS估计量是无偏的。平均而言,误差方差的估计值收敛于其真实值。 (3)E?(4)b1和b2是有效估计量。即var?b1?小于B1的任意一个线性无偏估计量的方差,var?b2?小于B2的任意一个线性无偏估计量的方差。因此,与其他能够得到真实参数无偏估计量的方法相比,OLS法更准确地估计了B1和B2。

由此可见,OLS估计量具有许多理想的统计性质。正因为如此,在回归分析中,OLS才会得到广泛应用。 2.蒙特卡洛试验

OLS估计量理论上是无偏的,可以通过蒙特卡洛试验验证。假定有如下信息:

??Yi?B1?B2Xi?ui ???????1.5?2.0Xi?ui

(0,4)其中,ui~N。即已知真实的截距和斜率系数分别为1.5和2.0,随机误差服从均值为0,方差为4

的正态分布。现假定X有10个给定值:1,2,3,4,5,6,7,8,9,10。

利用这些信息,可进行如下分析。利用统计软件,从N?0,4?正态分布中生成10个ui值。根据给定的B1和

B2,以及10个X值和生成的10个ui值,利用上面的方程可以得到10个Y值,记为试验或样本1。再根据正

态分布表,生成另外10个ui值,得到另外10个Y值,记为样本2。按此方式,得到21个样本。

?2。因此,可得到21个不同的b1、b2和??2。 对每个样本进行回归,得到b1、b2以及?

?2分别为1.4526、1.9665和4.4743,而相应的真实值分别为1.5、2.0和4。 计算出平均的b1、b2和?从这个试验可以得出:如果反复运用最小二乘法,则平均地看,估计值将等于(总体参数)真实值。即OLS

估计量是无偏的。如果增加抽样实验的次数,则会得到更接近于真实值的估计值。

四、OLS估计量的抽样分布或概率分布

为了推导OLS估计量b1和b2的抽样分布,需要在CLMR基本假定上再增加一条假定。

假定7:在总体回归函数Yi?B1?B2Xi?ui中,误差项ui服从均值为0,方差为B2的正态分布。即

ui~N(0,?2) (3-10)

1.中心极限定理

中心极限定理:随着变量个数的无限增加,独立同分布随机变量之和近似服从正态分布。

因为误差项ui代表了未纳入回归模型的其他所有因素的影响。因为在这些影响因素中,每种因素对Y的影响都很微弱。如果所有这些影响因素都是随机的,用u代表所有这些影响因素之和,那么根据中心

>>鐏炴洖绱戦崗銊︽瀮<<
12@gma联系客服:779662525#qq.com(#替换为@) 苏ICP备20003344号-4 ceshi