偏误:OLS估计量不一致
Y 1 i = β 10 + β 12 Y 2 i + γ 11 X 1 i + μ 1 i Y 2 i = β 20 + β 21 Y 2 i + γ 21 X 1 i + μ 2 i Y_{1i}=\beta_{10}+\beta_{12}Y_{2i}+\gamma_{11} X_{1i}+\mu _{1i}\\ Y_{2i}=\beta_{20}+\beta_{21}Y_{2i}+\gamma_{21} X_{1i}+\mu _{2i} Y1i=β10+β12Y2i+γ11X1i+μ1iY2i=β20+β21Y2i+γ21X1i+μ2i
Y 1 Y_1 Y1和 Y 2 Y_2 Y2是相互依赖的两个变量或称内生变量,而 X X X是外生变量。
考虑联立方程:
C t = β 0 + β 1 Y t + μ t ( 1 ) Y t = C t + I t ( 2 ) C_t=\beta_0 +\beta_1 Y_t+\mu_t\quad (1)\\ Y_t=C_t+I_t \quad (2) Ct=β0+β1Yt+μt(1)Yt=Ct+It(2)
我们首先证明(1)总的 Y t Y_t Yt和 μ t \mu_t μt相关,然后证明 β ^ 1 \hat \beta_1 β^1是 β 1 \beta_1 β1的一个不一致估计量。
为了证明 Y t Y_t Yt和 μ t \mu_t μt相关,将(1)代入(2)得:
Y t = β 0 + β 1 Y t + μ t + I t Y_t=\beta_0 +\beta_1 Y_t+\mu_t+I_t Yt=β0+β1Yt+μt+It
整理得:
Y t = β 0 1 − β 1 + I t 1 − β 1 + μ t 1 − β 1 ( 3 ) Y_t=\frac{\beta_0}{1-\beta_1}+\frac{I_t}{1-\beta_1}+\frac{\mu_t}{1-\beta_1}\quad (3) Yt=1−β1β0+1−β1It+1−β1μt(3)
求期望:
E ( Y t ) = β 0 1 − β 1 + I t 1 − β 1 ( 4 ) E(Y_t)=\frac{\beta_0}{1-\beta_1}+\frac{I_t}{1-\beta_1}\quad (4) E(Yt)=1−β1β0+1−β1It(4)
(3)-(4):
Y t − E ( Y t ) = μ t 1 − β 1 Y_t-E(Y_t)=\frac{\mu_t}{1-\beta_1} Yt−E(Yt)=1−β1μt
C o v ( Y t , μ t ) = E [ Y t − E ( Y t ) ] [ μ t − E ( μ t ) ] = E ( μ t 2 ) 1 − β 1 = σ 2 1 − β 1 \rm {Cov}(Y_t,\mu_t)=E[Y_t-E(Y_t)][\mu_t-E(\mu_t)]=\frac{E(\mu_t^2)}{1-\beta_1}=\frac{\sigma^2}{1-\beta_1} Cov(Yt,μt)=E[Yt−E(Yt)][μt−E(μt)]=1−β1E(μt2)=1−β1σ2
因为 σ 2 > 0 \sigma^2>0 σ2>0,所以 Y t Y_t Yt和 μ t \mu_t μt相关。这种情形中,OLS估计量是不一致的。证明如下。
β ^ 1 = ∑ ( C t − C ‾ ) ( Y t − Y ‾ ) ∑ ( Y t − Y ‾ ) 2 = ∑ c t y t