大样本OLS模型假设及R实现

1. 回归模型及假设

1. 回归模型:
见 https://blog.csdn.net/dataxc/article/details/107047611

2. 大样本OLS假设
（1）线性假设
（2） K +1维随机过程{Yi，Xi1，Xi2，……，Xik}为渐近独立的平稳过程(即统计特性如期望、方差等不随时间改变)，故适用大数定律（频率趋近于概率）与中心极限定理（样本均值的分布趋近于正态分布）。
（3）所有解释变量（自变量）均为“前定”(predetermined)，也称“同期外生”
(contemporaneously exogenous)，即它们与同期(同方程)的扰动项正交，即Xik与Ei不相关。
（4）自变量Xi系数构成的矩阵 X 满列秩，即X 中没有多余(可由其他变量线性表出)的解释变量，即不存在严格多重共线性。

2. 回归模型的检验及处理

1. 异方差

1. 异方差的后果
(1) OLS 估计量依然无偏、一致且渐近正态。因为在证明这些性质时，并未用到“同方差”的假定。
(2) OLS 估计量方差表达式不再是原表达式，t检验，F检验失效；也就是说，你的得到的t值，F值错误。