【计量经济学及Stata应用】第6章 大样本OLS

6.1 为何需要大样本理论

（1）小样本理论的假设过强。
首先，小样本理论的严格外生性假设要求解释变量与所有的扰动项均正交（不相关）。大样本理论则只要求解释变量与同期（同方程）的扰动项不相关。
其次，小样本理论假定扰动项为正态分布，而大样本理论无此限制。在很多情况下，我们并无法把握经济变量是否服从正态分布。
（2）在小样本理论的框架下，我们必须研究统计量的精确分布，但常常难以推导。而根据大样本理论，只要研究统计量的大样本分布，相对比较容易推导（可使用大数定律与中心极限定理）。
（3）使用大样本理论的代价是要求样本容量较大，以便大数定律与中心极限定理可以起作用。
样本容量一般至少$n\ge 30$，最好在100以上。

6.2 随机收敛

1.确定性序列的收敛

2.随机序列的收敛








3.依均方收敛

依均方收敛意味着依概率收敛；反之，依概率收敛并不意味着依均方收敛

4.依分布收敛

• 举个例子
  $t$分布的自由度越来越大是，$t$分布依分布收敛于标准正态分布，即当$k\to \infty$时，$t(k)\stackrel{a}{⟶}N(0,1)$

分布函数
twoway function N=normal(x),range(-5 5)||function t1=t(1,x),range(-5 5) lp(dash)||function t5=t(5,x),range(-5 5) lp(shortdash) ytitle(累积分布函数)

概率密度
twoway function N=normalden(x),range(-5 5)||function t1=tden(1,x),range(-5 5) lp(dash)||function t5=tden(5,x),range(-5 5) lp(shortdash) ytitle(概率密度)

• 依分布收敛的运算
  
  

summary：依均方收敛→依概率收敛→依分布收敛

6.3 大数定律与中心极限定理

1.大数定律【样本均值依概率收敛于总体期望】