计量经济学-期末复习

OLS估计

相关系数

$${\rho }_{XY}=\frac{cov(X,Y)}{{\sigma }_X{\sigma }_Y}=\frac{\mathbf{X}\cdot \mathbf{Y}}{||\mathbf{X}||\cdot ||\mathbf{Y}||}$$
在一元OLS回归下，有${\rho }_{XY}=R^2$

一般形式

$$Y_i={\beta }_0+{\beta }_1{X}_i+u_i$$
$${\mathbf{Y}}_i={\beta }^T{\mathbf{X}}_{1i}+{\mathbf{u}}_i$$

估计量

推导不考（不过推导也简单，即$MSE$最小，其表达式偏导为0）
$${\hat{\beta }}_1=\frac{\sum _1^n(X_i-\bar{X})(Y_i-\bar{Y})}{\sum _1^n(X_i-\bar{X}{)}^2}=\frac{S_{XY}}{S_X}\to \frac{cov(X,Y)}{{\sigma }_X^2}$$
$${\hat{\beta }}_0=\bar{Y}-{\hat{\beta }}_1\bar{X}$$

拟合优度

• 被解释平方和$ESS=\sum _1^n({\hat{Y}}_i-\bar{Y}{)}^2$
• 总平方和$TSS=\sum _1^n(Y_i-\bar{Y}{)}^2$
• 残差平方和$SSR=\sum _1^n({\hat{Y}}_i-Y_i{)}^2=\sum u_i^2$
• 易证$TSS=SSR+ESS$（配凑）
• 回归R²指回归能解释的比例，即$R^2=\frac{ESS}{TSS}=1-\frac{SSR}{TSS}$

回归标准误

$SER$是对回归误差$u_i$的估计量：
$$SER=s_{\hat{u}},s_{\hat{u}}^2=\frac{1}{n-2}\sum {\hat{u}}_i^2=\frac{SSR}{n-2}$$

最小二乘假设

1. $u_i$的条件分布均值为零，即$E(u_i|X_i=x)=0$。换言之，$u_i$所代表的“其他元素”与$X_i$无关。
2. $(X_i,Y_i),i=1,2,\dots ,n$独立同分布。（$i.i.d$假设,independent & identically distributed），这是关于如何抽样的假设。
3. 不太可能出现大异常值（即非零有限四阶矩$0<E[x^4]<\infty$）

Gauss-Markov条件和定理

Gauss-Markov条件：（多元形式）

• $E(\mathbf{u}|{\mathbf{X}}_i$