在计量经济学里有一个概念叫stochastic regressor, 我刚开始接触时非常费解,什么是stochastic的?
在之前用OLS(ordinary least square)估计我们的模型参数时,有一个假设前提是,x变量都是non-stationary的,即样本中x变量的值都是固定的,没有随机部分(random component)。那么这个假设一般什么时候可以满足呢?–在实验室里,可以人为控制保证自变量的值都是固定的。 而大家可以想象,在现实生活中,尤其是经济学研究对象大多都是从一个确定的总体中随机抽取了一部分样本,这就决定了这些x变量并没有一个固定的值,而其值服从一个概率分布。 所以这时候继续用OLS估计参数就会出现问题。至此,我们需要对之前的OLS假设做一些改进。 以下我会列出列出调整过的stochastic regressor的假设(不知如何翻译准确的部分就直接列原文了,见谅)
- the values of the regressors are drawn randomly from fixed
populations
值的注意的是,这里回归量从总体中随机抽取并非假定回归量是互相独立的,恰恰与之相反,这里允许他们的值有相关性
- there does not exist an exact linear relationship among the
regressors
否则变量间会具有完全共线性,这样的话参数估计值是无法得到的
- the disturbance term is distributed independently of the values of
every regressor in eve