小样本OLS的基本假定
对于小样本来说，为了得到样本统计量关于总体的BLUE（最佳线性无偏估计），CLRM（古典线性回归模型)作了4个较强的假定，这一点大家应该都了解过，计量经济学的分析基本上也是围绕着这4个假定展开的，因此对假定的深刻理解十分必要。
假定1 线性假定
含义：待估参数β是常数，这样可以保证解释变量关于被解释变量的边际效应为常数。
假定2 严格外生性
含义：扰动项均值独立于所有解释变量，可以证明，扰动项和所有解释变量不相关，即变量外生，不受内部因素的影响。
利用迭代期望定律和假定2可以证明：
含义：扰动项的无条件期望等于0
另外可以证明：
含义：解释变量和扰动项“正交”
假定3 不存在“严格多重共线性”
即数据矩阵X满列秩，如果不满足此条件，则β不可识别，通俗解释就是方程的个数少于变量的个数。
假定4 球型扰动项
含义：扰动项满足同方差，无自相关
——————————————————————————————————
大样本OLS的假定
以上即为小样本OLS的基本假定，针对大样本，OLS的假定有一些放松，具体要求如下：
- 线性假定（不变）
- 渐近独立的平稳过程（保证样本均值是总体均值的一致估计）
- 同期外生性（不再要求扰动项对所有解释变量条件期望为0，只是要求扰动项对同期的解释变量条件期望为0）
- 无严格多重共线性（不变）
备注：去掉了严格外生和球型扰动项的假定，使得模型更具稳健性和适用性
扫一扫
3248
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
