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。