北大计量经济学讲义-第五讲课件_第1页
北大计量经济学讲义-第五讲课件_第2页
北大计量经济学讲义-第五讲课件_第3页
北大计量经济学讲义-第五讲课件_第4页
北大计量经济学讲义-第五讲课件_第5页
已阅读5页,还剩91页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

MultipleRegressionAnalysis:OLSAsymptotics

(1)

多元回归分析:

OLS的渐近性(1)y=b0+b1x1+b2x2

+...+bkxk+u1IntermediateEconometrics,YanShenMultipleRegressionAnalysis:ChapterOutline本章提纲Consistency一致性AsymptoticNormalityandLargeSampleInference

渐近正态和大样本推断AsymptoticEfficiencyofOLSOLS的渐近有效性

2IntermediateEconometrics,YanShenChapterOutline本章提纲ConsistencLectureOutline本课提纲Whatdowemeanbysayingconsistency

一致性的含义是什么ConsistencyofOLSestimatorsOLS估计量的一致性TheInconsistencyofOLSwhenthezeroconditionalmeanassumptionfails

当零条件均值假设不成立时OLS没有一致性。Whatdowemeanbyasymptoticnormalityandlargesampleinference

渐近正态性和大样本推断的含义是什么TheasymptoticnormalityofOLSOLS的渐近正态3IntermediateEconometrics,YanShenLectureOutline本课提纲WhatdoWhyconsideringconsistency?

为什么考虑一致性Wehavediscussedthefollowingfinitesample(smallsample)propertiesoftheOLSestimatorsandteststatistics:

我们已经讨论了有限样本(小样本)中OLS估计量和检验统计量具有的如下性质:UnbiasednessofOLSestimators(MLR.1-4)在MLR.1-4下OLS估计量具有无偏性BLUEofOLSestimators(MLR.1-5)在MLR.1-5下OLS估计量是最优线性无偏估计量MVUEofOLSestimators(MLR.1-6)在MLR.1-6下OLS估计量是最小方差无偏估计量Thedistributionoft(F)statisticist(F)distributiont(F)统计量的分布为t(F)分布。Thesepropertiesholdforanysamplesizen.

样本容量为任意n时,这些性质都成立。4IntermediateEconometrics,YanShenWhyconsideringconsistency?

为Whyconsiderconsistency?

为什么考虑一致性Sinceinmanysituationstheerrortermisnotnormallydistributed,itisimportanttoknowtheasymptoticproperties(largesampleproperties),i.e.,thepropertiesofOLSestimatorandteststatisticswhenthesamplesizegrowswithoutbound.

由于在很多情形下误差项可能呈现非正态分布,了解OLS估计量和检验统计量的渐近性,即当样本容量任意大时的特性就是重要的问题。5IntermediateEconometrics,YanShenWhyconsiderconsistency?

为什么考WhatisConsistency

什么是一致性令是基于样本的关于的估计量。如果对于任何,当时便是的一个一致估计量。当具有一致性时,我们也称为的概率极限,写作是6IntermediateEconometrics,YanShenWhatisConsistency

什么是一致性令Consistencyv.s.unbiasedness

一致性与无偏性Isitpossibleforanestimatortobebiasedinfinitesamplebutconsistentinlargesample? 一个估计量是否有可能在有限样本中是有偏的但又具有一致性?Supposetruevalueofz=0,arandomvariablex=zwithprobability(n-1)/n,andx=nwithprobability1/n.

假设Z的真值为0,一个随机变量X以(n-1)/n的概率取值为Z,而以1/n的概率取值为n。E(x)=z*(n-1)/n+n*1/n=1X的期望为1plim(x)isthevalueofxasngoestoinfinity.Thereforeplim(x)=z=0.

记plim(x)为n趋向无穷大时x的取值。因此

plim(x)=z=0.7IntermediateEconometrics,YanShenConsistencyv.s.unbiasedness

Consistencyv.s.unbiasedness

一致性与无偏性Isitpossibleforanestimatortobeunbiasedbutinconsistent?

是否有可能(一个估计量)是无偏却不一致的?Supposetruevalueofz=0,arandomvariablex=0.5withprobability0.5,andx=-0.5withprobability0.5.ThenE(x)=0.Butasxalwaysfluctuatesaroundthelinex=0,itsvariancedoesnotvanishasngoestoinfinity.Therefore,itisaninconsistentestimatorofz.假设Z的真值为0,一个随机变量X以0.5的概率取0.5,而以0.5的概率取-0.5,那么X的期望为0。但是

X总是在X=0这条线上下摆动,当n趋向无穷大时,它的方差并不会趋于0。因此,它是Z的不一致的估计量。8IntermediateEconometrics,YanShenConsistencyv.s.unbiasedness

Consistencyv.s.unbiasedness

一致性与无偏性Unbiasedestimatorsarenotnecessarilyconsistent,butthosewhosevariancesshrinktozeroasthesamplesizegrowsareconsistent.无偏估计量未必是一致的,但是那些当样本容量增大时方差会收缩到零的无偏估计量是一致的。9IntermediateEconometrics,YanShenConsistencyv.s.unbiasedness

Consistency

一致性

UndertheGauss-MarkovassumptionsOLSisBLUE,butinothercasesitwon’talwaysbepossibletofindunbiasedestimators在高斯-马尔可夫假定下OLS是最优线性无偏估计量,但在别的情形下不一定能找到无偏估计量。Inthosecases,wemaysettleforestimatorsthatareconsistent,meaningasn∞,thedistributionoftheestimatorcollapsestothetrueparametervalue在那些情形下,我们只要找到一致的估计量,即当n∞时,这些估计量的分布退化为参数的真值。10IntermediateEconometrics,YanShenConsistency

一致性UndertheGausSamplingDistributionsasnincreases

当n增加时样本的分布b1n1n2n3n1<n2<n3Samplingdistri-butionofβ1例:n1:每次从班上抽取10人,抽若干次后,平均身高的分布;n2:每次从班上抽取100人,抽若干次后,平均身高的分布;n3:每次从班上抽取200人,抽若干次后,平均身高的分布。11IntermediateEconometrics,YanShenSamplingDistributionsasninConsistencyofOLS

OLS的一致性

Theorem5.1:UnderAssumptionsMLR.1throughMLR.4,theOLSestimatorisconsistentforboththeinterceptandslopeparameters.

定理5.1:在假设MLR.1到MLR.4下,OLS截距估计量和斜率估计量都是一致的估计量。Consistencycanbeprovedforthesimpleregressioncaseinamannersimilartotheproofofunbiasedness对简单回归而言,证明估计量的一致性和证明无偏性的方法是类似的。12IntermediateEconometrics,YanShenConsistencyofOLS

OLS的一致性TheProvingConsistency

证明一致性13IntermediateEconometrics,YanShenProvingConsistency

证明一致性13IntProvingConsistency

证明一致性14IntermediateEconometrics,YanShenProvingConsistency

证明一致性14IntProofofOLSConsistency

证明OLS的一致性AgeneralproofofconsistencyoftheOLSestimatorsfromthemultivariateregressioncasecanbeshownthroughmatrixmanipulations.多元回归中OLS估计量的一致性的证明可以通过矩阵运算得到。15IntermediateEconometrics,YanShenProofofOLSConsistency

证明OLSAWeakerAssumption

一个更弱的假定

Forunbiasedness,weassumedazeroconditionalmean–E(u|x1,x2,…,xk)=0要获得估计量的无偏性,我们假定零条件期望–E(u|x1,x2,…,xk)=0Forconsistency,wecanhavetheweakerassumptionofzeromeanandzerocorrelation(MLR.3’)–E(u)=0andCov(xj,u)=0,forj=1,2,…,k

而要获得估计量的一致性,我们可以使用更弱的假定:零期望和零相关性假定。Withoutthisassumption,OLSwillbebiasedandinconsistent!

如果这个较弱的假定也不成立,OLS将是有偏而且不一致的。16IntermediateEconometrics,YanShenAWeakerAssumption

一个更弱的假定FoDerivingtheInconsistency

推导不一致性

Definetheasymptoticbiasas , thenconsiderthefollowingtruemodelandestimatedmodel:定义渐近偏差为:,并考虑下面的真实模型和待估计模型。17IntermediateEconometrics,YanShenDerivingtheInconsistency

推导不AsymptoticBias(cont)

渐近偏差(续)

So,thinkingaboutthedirectionoftheasymptoticbiasisjustlikethinkingaboutthedirectionofbiasforanomittedvariable

所以,考虑渐近偏差的方向就像是考虑存在一个遗漏变量时偏差的方向。Maindifferenceisthatasymptoticbiasusesthepopulationvarianceandcovariance,whilebiasusesthesamplecounterparts

主要的区别在于渐近偏差用总体方差和总体协方差表示,而偏差则是基于它们在样本中的对应量。Remember,inconsistencyisalargesampleproblem–itdoesn’tgoawayasadddata

记住,不一致性是一个大样本问题。因此,当数据增加时候这个问题并不会消失。18IntermediateEconometrics,YanShenAsymptoticBias(cont)

渐近偏差(续)Consistencywithendogeneity

有内生性时的一致性Considerthetruemodeltobey=b0+b1x1+b2x2+ubut cov(u

,

x1)~=0.

考虑真实模型为y=y=b0+b1x1+b2x2+u,但 而u和x1相关。Whencov(x1,

x2)~=0butcov(u

,

x2)=0,thenOLSestimatorsforb1and

b2areinconsistent.

若x1和x2相关,而u和x2不相关,则对b1和b2的OLS估计量都是不一致的。Whencov(x1,

x2)=0andcov(u

,

x2)=0,onlyb1isinconsistent. 若x1和x2不相关,且u和x2不相关,则只有对b1的OLS估计量是不一致的19IntermediateEconometrics,YanShenConsistencywithendogeneity

有AsymptoticNormalityandLargeSampleInference

渐近正态和大样本推断Consistencyofanestimatorisanimportantproperty,butitalonedoesnotallowustoperformstatisticalinference.估计量的一致性是一条重要性质,但我们并不能只靠它来进行统计推断。RecallthatundertheClassicalLinearModelassumptions,thesamplingdistributionsarenormal,sowecouldderivetandFdistributionsfortesting

在经典线性模型假设下,样本的分布是正态分布,因而我们能够推出t分布和F分布用于检验。20IntermediateEconometrics,YanShenAsymptoticNormalityandLargeAsymptoticNormalityandLargeSampleInference

渐近正态和大样本推断Thisexactnormalitywasduetoassumingthepopulationerrordistributionwasnormal

这种准确的正态分布来自于总体误差的分布是正态分布的假定。Thisassumptionofnormalerrorsimpliedthatthedistributionofy,giventhex’s,wasnormalaswell这个正态误差的假定意味着当x给定时,y的分布也是正态分布。21IntermediateEconometrics,YanShenAsymptoticNormalityandLargeAsymptoticNormalityandLargeSampleInference

渐近正态和大样本推断Whynormalityassumptionisneeded?

为什么需要正态性假定?Forprovingunbiasedness?–No.

为了证明无偏性?-不是ForprovingBLUE?–No.

为了证明最优线性估计量?不是FormakingexactinferencewhenusingtorFstatistics?–Yes.

为了能够用t统计量和F统计量作精确的推断?是的22IntermediateEconometrics,YanShenAsymptoticNormalityandLargeAsymptoticNormalityandLargeSampleInference

渐近正态和大样本推断

Easytocomeupwithexamplesforwhichthisexactnormalityassumptionwillfail

很容易碰到一些例子,其中严格的正态性假定并不能成立Anyclearlyskewedvariable,likewages,arrests,savings,etc.can’tbenormal,sinceanormaldistributionissymmetric

任何一个明显不对称的变量,像工资,拘捕次数,储蓄量,等等都不可能服从正态分布,因为正态分布是对称的。23IntermediateEconometrics,YanShenAsymptoticNormalityandLargeAsymptoticNormalityandLargeSampleInference

渐近正态和大样本推断Whattodo?

我们要做些什么?Willestimatorsbecomeapproximatelynormallydistributedwhensamplesizegetslarge?

当样本容量变大时是否估计量会渐近地趋向于正态分布?WearediscussingwhetherOLSestimatorsatisfyasymptoticnormality.

我们讨论是否OLS估计量满足渐近正态性。24IntermediateEconometrics,YanShenAsymptoticNormalityandLargeCentralLimitTheorem中心极限定理

Basedonthecentrallimittheorem,wecanshowthatOLSestimatorsareasymptoticallynormal基于中心极限定理,我们能够证明OLS估计量是渐近正态。AsymptoticNormalityimpliesthatP(Z<z)F(z)asn,orP(Z<z)F(z)渐近正态意味着当n时,P(Z<z)F(z)或者P(Z<z)Ф(z)Thecentrallimittheoremstatesthatthestandardizedaverageofanypopulationwithmeanmandvariances2isasymptotically~N(0,1),or

中心极限定理指出任何一个均值为µ而方差为σ2

的总体的标准化平均值的分布渐近趋向于N(0,1),或记作25IntermediateEconometrics,YanShenCentralLimitTheoremBasedonTheorem5.2:AsymptoticNormalityofOLS

定理5.2:OLS的渐近正态性26IntermediateEconometrics,YanShenTheorem5.2:AsymptoticNormalTheorem5.2:AsymptoticNormalityofOLS

定理5.2:OLS的渐近正态性27IntermediateEconometrics,YanShenTheorem5.2:AsymptoticNormalWhatisassumedandnotassumedinTheorem5.2

在定理5.2中什么是我们的假定而什么不是ThenormalityassumptionMLR.6isdropped.

去掉了正态性假定MLR.6Stillassumed:

仍然假定:Thedistributionoftheerrorhasfinitevariance.误差的分布具有有限的方差Zeroconditionalmean零条件期望Homoskedasticity同方差性Linearstructureandrandomsample线性结构和随机样本28IntermediateEconometrics,YanShenWhatisassumedandnotassumeUnderstandingTheorem5.2

理解定理5.229IntermediateEconometrics,YanShenUnderstandingTheorem5.2

理解定理UnderstandingTheorem5.2

理解定理5.230IntermediateEconometrics,YanShenUnderstandingTheorem5.2

理解定理AsymptoticNormality(cont)

渐近正态(续)

Becausethetdistributionapproachesthenormaldistributionforlargedf,wecanalsosaythat因为自由度df很大的t分布接近于正态分布,我们也可以得到

Notethatwhilewenolongerneedtoassumenormalitywithalargesample,wedostillneedhomoskedasticity

注意到尽管我们在大样本中不再需要正态性假定,我们仍然需要同方差性31IntermediateEconometrics,YanShenAsymptoticNormality(cont)

渐近AsymptoticStandardErrors渐近标准误差

Ifuisnotnormallydistributed,wesometimeswillrefertothestandarderrorasanasymptoticstandarderror,since

如果u不是正态分布,我们有时把标准误差称作是渐近标准误差,因为

So,wecanexpectstandarderrorstoshrinkatarateproportionaltotheinverseof√n

所以,我们预计标准误差减小的速度与√n成正比32IntermediateEconometrics,YanShenAsymptoticStandardErrorsIfMultipleRegressionAnalysis

:Asymptotics

多元回归分析:渐近性(2)

y=b0+b1x1+b2x2+...bkxk+u33IntermediateEconometrics,YanShenMultipleRegressionAnalysis

:LectureOutline本课提纲TheasymptoticnormalityofOLSOLS的渐近正态性Largesampletests

大样本检验TheAsymptotictstatistict统计量的渐近性TheLMstatisticLM统计量TheAsymptoticEfficiencyofOLSOLS的渐近有效

34IntermediateEconometrics,YanShenLectureOutline本课提纲TheasymLagrangeMultiplierstatistic

拉格朗日乘子统计量

Onceweareusinglargesamplesandrelyingonasymptoticnormalityforinference,wecanusemorethantandFstats

当我们使用大样本并且依靠渐近正态性进行推断时,除了t和F统计量,我们还可以使用别的统计量。TheLagrangemultiplierorLMstatisticisanalternativefortestingmultipleexclusionrestrictions

拉格朗日乘子或LM统计量是检验多重限定性约束的另一种选择。BecausetheLMstatisticusesanauxiliaryregressionit’ssometimescalledannR2statLM统计量使用一个辅助性的回归,因此它有时被叫做nR2

统计量。

35IntermediateEconometrics,YanShenLagrangeMultiplierstatistic

LMStatistic(cont)

LM统计量(续)

Supposewehaveastandardmodel,

y=b0+b1x1+b2x2+...bkxk+uandournullhypothesisisH0:bk-q+1=0,...,bk=0

假设我们有一个标准模型y=b0+b1x1+b2x2+...bkxk+u

而我们的零假设为:H0:bk-q+1=0,...,bk=0First,wejustrunregressionontherestrictedmodel

首先,我们对被约束的模型进行回归36IntermediateEconometrics,YanShenLMStatistic(cont)

LM统计量(续)SLMStatistic

LM统计量IFtheHnullistrue,thenR-squaredshouldbeclosetozero,since shouldbeapproximatelyuncorrelatedwithalltheindependentvariables.

如果H0为真,那么R-平方应该接近零,因为应该近似地与所有自变量都不相关。Weneedtodecidehowcloseisclosetozero.

我们需要判断接近零的程度。37IntermediateEconometrics,YanShenLMStatistic

LM统计量IFtheHnulLMStatistic

LM统计量

Thefollowingstepscanbeusedfortestingthejointsignificanceofasetofqindependentvariables.

接下去的步骤可以用来检验一组q个自变量的联合显著性。38IntermediateEconometrics,YanShenLMStatistic

LM统计量ThefollowiStepsinvolvedinLMtest

LM检验中的步骤Regressyonrestrictedsetofindependentvariablesandsavetheresiduals,.

将y对被约束的自变量进行回归,保存残差。RegressonalloftheindependentvariablesandobtaintheR-squared,

将对所有自变量进行回归,得到相应的R-平方。ComputeLM=n

计算

LM=nCompareLMtotheappropriatecriticalvalueinachi-squaredistribution.将LM值与卡方分布中相应的临界值进行比较。39IntermediateEconometrics,YanShenStepsinvolvedinLMtest

LM检验CharacteristicsofLMtest

LM检验的特性LMstatisticsissometimesreferredtoasn-R-squaredstatistic,orscorestatistic.LM统计量有时被称作是n-R-平方统计量,或者得分统计量Allthatmattersare相关的因素只有Numberofrestrictions,q

约束q的个数ThesizeoftheauxiliaryR-squared辅助R-平方的大小Thesamplesize样本容量Irrelevant:

不相关的因素:Degreeoffreedomoftheunrestrictedmodel

未约束模型中自由度的个数。Rsquaredfromtheunrestrictedmodeland

restrictedmodel(thefirst-stepregressionmodel)

未约束模型和被约束模型(第一步的回归模型)的R-平方40IntermediateEconometrics,YanShenCharacteristicsofLMtest

LM检LMtestPKFtest&ttest

LM检验与F检验和t检验的优劣对比Withalargesample,theresultfromanFtestandfromanLMtestshouldbesimilar

在大样本中,F检验和LM检验得到的结果相似。UnliketheFtestandttestforoneexclusion,theLMtestandFtestwillnotbeidentical

只有一个约束时,F检验和t检验是等价的,然而LM检验和F检验并不等价。Themainregressionandtheauxiliaryregressionshouldusethesamesetofobservations.主回归和辅助回归必须使用相同的一组观测值。41IntermediateEconometrics,YanShenLMtestPKFtest&ttest

LMAsymptoticEfficiency

渐近有效

UndertheGauss-Markovassumptions,estimatorsbesidesOLScanbeconsistent

在高斯-马尔可夫假定下,OLS估计量以外的估计量可以具有一致性。However,undertheGauss-Markovassumptions,theOLSestimatorswillhavethesmallestasymptoticvariances

但是,在高斯-马尔可夫假定下,OLS估计量具有最小的渐近方差。WesaythatOLSestimatorsareasymptoticallyefficientamongacertainclassofestimatorsundertheGauss-Markovassumptions.

我们说在高斯-马尔可夫假定下OLS估计量是渐近有效的估计量。42IntermediateEconometrics,YanShenAsymptoticEfficiency

渐近有效UndAsymptoticEfficiency

渐近有效Importanttorememberourassumptionsthough,ifnothomoskedastic,thentheaboveconclusionisnottrue.

重要的一点是如果同方差的假定不成立,上述结论也不能成立。ToprovethatOLSestimatorsareasymptoticallyefficient,oneneedsto(1)presentanestimatorthatisconsistentbutitsvarianceislarger.

为了证明OLS估计量是渐近有效的,我们需要(1)给出一致的估计量但证明它有更大的方差。43IntermediateEconometrics,YanShenAsymptoticEfficiency

渐近有效ImpoTheorem5.3AsymptoticEfficiencyofOLSEstimators44IntermediateEconometrics,YanShenTheorem5.3AsymptoticEfficieProvingAsymptoticEfficiencyofOLSEstimators

证明OLS估计量的渐近有效性45IntermediateEconometrics,YanShenProvingAsymptoticEfficiencyProvingAsymptoticEfficiencyofOLSEstimators

证明OLS估计量的渐近有效性46IntermediateEconometrics,YanShenProvingAsymptoticEfficiencyProvingAsymptoticEfficiencyofOLSEstimators

证明OLS估计量的渐近有效性

47IntermediateEconometrics,YanShenProvingAsymptoticEfficiencyProvingAsymptoticEfficiencyofOLSEstimators

证明OLS估计量的渐近有效性48IntermediateEconometrics,YanShenProvingAsymptoticEfficiencyMultipleRegressionAnalysis:OLSAsymptotics

(1)

多元回归分析:

OLS的渐近性(1)y=b0+b1x1+b2x2

+...+bkxk+u49IntermediateEconometrics,YanShenMultipleRegressionAnalysis:ChapterOutline本章提纲Consistency一致性AsymptoticNormalityandLargeSampleInference

渐近正态和大样本推断AsymptoticEfficiencyofOLSOLS的渐近有效性

50IntermediateEconometrics,YanShenChapterOutline本章提纲ConsistencLectureOutline本课提纲Whatdowemeanbysayingconsistency

一致性的含义是什么ConsistencyofOLSestimatorsOLS估计量的一致性TheInconsistencyofOLSwhenthezeroconditionalmeanassumptionfails

当零条件均值假设不成立时OLS没有一致性。Whatdowemeanbyasymptoticnormalityandlargesampleinference

渐近正态性和大样本推断的含义是什么TheasymptoticnormalityofOLSOLS的渐近正态51IntermediateEconometrics,YanShenLectureOutline本课提纲WhatdoWhyconsideringconsistency?

为什么考虑一致性Wehavediscussedthefollowingfinitesample(smallsample)propertiesoftheOLSestimatorsandteststatistics:

我们已经讨论了有限样本(小样本)中OLS估计量和检验统计量具有的如下性质:UnbiasednessofOLSestimators(MLR.1-4)在MLR.1-4下OLS估计量具有无偏性BLUEofOLSestimators(MLR.1-5)在MLR.1-5下OLS估计量是最优线性无偏估计量MVUEofOLSestimators(MLR.1-6)在MLR.1-6下OLS估计量是最小方差无偏估计量Thedistributionoft(F)statisticist(F)distributiont(F)统计量的分布为t(F)分布。Thesepropertiesholdforanysamplesizen.

样本容量为任意n时,这些性质都成立。52IntermediateEconometrics,YanShenWhyconsideringconsistency?

为Whyconsiderconsistency?

为什么考虑一致性Sinceinmanysituationstheerrortermisnotnormallydistributed,itisimportanttoknowtheasymptoticproperties(largesampleproperties),i.e.,thepropertiesofOLSestimatorandteststatisticswhenthesamplesizegrowswithoutbound.

由于在很多情形下误差项可能呈现非正态分布,了解OLS估计量和检验统计量的渐近性,即当样本容量任意大时的特性就是重要的问题。53IntermediateEconometrics,YanShenWhyconsiderconsistency?

为什么考WhatisConsistency

什么是一致性令是基于样本的关于的估计量。如果对于任何,当时便是的一个一致估计量。当具有一致性时,我们也称为的概率极限,写作是54IntermediateEconometrics,YanShenWhatisConsistency

什么是一致性令Consistencyv.s.unbiasedness

一致性与无偏性Isitpossibleforanestimatortobebiasedinfinitesamplebutconsistentinlargesample? 一个估计量是否有可能在有限样本中是有偏的但又具有一致性?Supposetruevalueofz=0,arandomvariablex=zwithprobability(n-1)/n,andx=nwithprobability1/n.

假设Z的真值为0,一个随机变量X以(n-1)/n的概率取值为Z,而以1/n的概率取值为n。E(x)=z*(n-1)/n+n*1/n=1X的期望为1plim(x)isthevalueofxasngoestoinfinity.Thereforeplim(x)=z=0.

记plim(x)为n趋向无穷大时x的取值。因此

plim(x)=z=0.55IntermediateEconometrics,YanShenConsistencyv.s.unbiasedness

Consistencyv.s.unbiasedness

一致性与无偏性Isitpossibleforanestimatortobeunbiasedbutinconsistent?

是否有可能(一个估计量)是无偏却不一致的?Supposetruevalueofz=0,arandomvariablex=0.5withprobability0.5,andx=-0.5withprobability0.5.ThenE(x)=0.Butasxalwaysfluctuatesaroundthelinex=0,itsvariancedoesnotvanishasngoestoinfinity.Therefore,itisaninconsistentestimatorofz.假设Z的真值为0,一个随机变量X以0.5的概率取0.5,而以0.5的概率取-0.5,那么X的期望为0。但是

X总是在X=0这条线上下摆动,当n趋向无穷大时,它的方差并不会趋于0。因此,它是Z的不一致的估计量。56IntermediateEconometrics,YanShenConsistencyv.s.unbiasedness

Consistencyv.s.unbiasedness

一致性与无偏性Unbiasedestimatorsarenotnecessarilyconsistent,butthosewhosevariancesshrinktozeroasthesamplesizegrowsareconsistent.无偏估计量未必是一致的,但是那些当样本容量增大时方差会收缩到零的无偏估计量是一致的。57IntermediateEconometrics,YanShenConsistencyv.s.unbiasedness

Consistency

一致性

UndertheGauss-MarkovassumptionsOLSisBLUE,butinothercasesitwon’talwaysbepossibletofindunbiasedestimators在高斯-马尔可夫假定下OLS是最优线性无偏估计量,但在别的情形下不一定能找到无偏估计量。Inthosecases,wemaysettleforestimatorsthatareconsistent,meaningasn∞,thedistributionoftheestimatorcollapsestothetrueparametervalue在那些情形下,我们只要找到一致的估计量,即当n∞时,这些估计量的分布退化为参数的真值。58IntermediateEconometrics,YanShenConsistency

一致性UndertheGausSamplingDistributionsasnincreases

当n增加时样本的分布b1n1n2n3n1<n2<n3Samplingdistri-butionofβ1例:n1:每次从班上抽取10人,抽若干次后,平均身高的分布;n2:每次从班上抽取100人,抽若干次后,平均身高的分布;n3:每次从班上抽取200人,抽若干次后,平均身高的分布。59IntermediateEconometrics,YanShenSamplingDistributionsasninConsistencyofOLS

OLS的一致性

Theorem5.1:UnderAssumptionsMLR.1throughMLR.4,theOLSestimatorisconsistentforboththeinterceptandslopeparameters.

定理5.1:在假设MLR.1到MLR.4下,OLS截距估计量和斜率估计量都是一致的估计量。Consistencycanbeprovedforthesimpleregressioncaseinamannersimilartotheproofofunbiasedness对简单回归而言,证明估计量的一致性和证明无偏性的方法是类似的。60IntermediateEconometrics,YanShenConsistencyofOLS

OLS的一致性TheProvingConsistency

证明一致性61IntermediateEconometrics,YanShenProvingConsistency

证明一致性13IntProvingConsistency

证明一致性62IntermediateEconometrics,YanShenProvingConsistency

证明一致性14IntProofofOLSConsistency

证明OLS的一致性AgeneralproofofconsistencyoftheOLSestimatorsfromthemultivariateregressioncasecanbeshownthroughmatrixmanipulations.多元回归中OLS估计量的一致性的证明可以通过矩阵运算得到。63IntermediateEconometrics,YanShenProofofOLSConsistency

证明OLSAWeakerAssumption

一个更弱的假定

Forunbiasedness,weassumedazeroconditionalmean–E(u|x1,x2,…,xk)=0要获得估计量的无偏性,我们假定零条件期望–E(u|x1,x2,…,xk)=0Forconsistency,wecanhavetheweakerassumptionofzeromeanandzerocorrelation(MLR.3’)–E(u)=0andCov(xj,u)=0,forj=1,2,…,k

而要获得估计量的一致性,我们可以使用更弱的假定:零期望和零相关性假定。Withoutthisassumption,OLSwillbebiasedandinconsistent!

如果这个较弱的假定也不成立,OLS将是有偏而且不一致的。64IntermediateEconometrics,YanShenAWeakerAssumption

一个更弱的假定FoDerivingtheInconsistency

推导不一致性

Definetheasymptoticbiasas , thenconsiderthefollowingtruemodelandestimatedmodel:定义渐近偏差为:,并考虑下面的真实模型和待估计模型。65IntermediateEconometrics,YanShenDerivingtheInconsistency

推导不AsymptoticBias(cont)

渐近偏差(续)

So,thinkingaboutthedirectionoftheasymptoticbiasisjustlikethinkingaboutthedirectionofbiasforanomittedvariable

所以,考虑渐近偏差的方向就像是考虑存在一个遗漏变量时偏差的方向。Maindifferenceisthatasymptoticbiasusesthepopulationvarianceandcovariance,whilebiasusesthesamplecounterparts

主要的区别在于渐近偏差用总体方差和总体协方差表示,而偏差则是基于它们在样本中的对应量。Remember,inconsistencyisalargesampleproblem–itdoesn’tgoawayasadddata

记住,不一致性是一个大样本问题。因此,当数据增加时候这个问题并不会消失。66IntermediateEconometrics,YanShenAsymptoticBias(cont)

渐近偏差(续)Consistencywithendogeneity

有内生性时的一致性Considerthetruemodeltobey=b0+b1x1+b2x2+ubut cov(u

,

x1)~=0.

考虑真实模型为y=y=b0+b1x1+b2x2+u,但 而u和x1相关。Whencov(x1,

x2)~=0butcov(u

,

x2)=0,thenOLSestimatorsforb1and

b2areinconsistent.

若x1和x2相关,而u和x2不相关,则对b1和b2的OLS估计量都是不一致的。Whencov(x1,

x2)=0andcov(u

,

x2)=0,onlyb1isinconsistent. 若x1和x2不相关,且u和x2不相关,则只有对b1的OLS估计量是不一致的67IntermediateEconometrics,YanShenConsistencywithendogeneity

有AsymptoticNormalityandLargeSampleInference

渐近正态和大样本推断Consistencyofanestimatorisanimportantproperty,butitalonedoesnotallowustoperformstatisticalinference.估计量的一致性是一条重要性质,但我们并不能只靠它来进行统计推断。RecallthatundertheClassicalLinearModelassumptions,thesamplingdistributionsarenormal,sowecouldderivetandFdistributionsfortesting

在经典线性模型假设下,样本的分布是正态分布,因而我们能够推出t分布和F分布用于检验。68IntermediateEconometrics,YanShenAsymptoticNormalityandLargeAsymptoticNormalityandLargeSampleInference

渐近正态和大样本推断Thisexactnormalitywasduetoassumingthepopulationerrordistributionwasnormal

这种准确的正态分布来自于总体误差的分布是正态分布的假定。Thisassumptionofnormalerrorsimpliedthatthedistributionofy,giventhex’s,wasnormalaswell这个正态误差的假定意味着当x给定时,y的分布也是正态分布。69IntermediateEconometrics,YanShenAsymptoticNormalityandLargeAsymptoticNormalityandLargeSampleInference

渐近正态和大样本推断Whynormalityassumptionisneeded?

为什么需要正态性假定?Forprovingunbiasedness?–No.

为了证明无偏性?-不是ForprovingBLUE?–No.

为了证明最优线性估计量?不是FormakingexactinferencewhenusingtorFstatistics?–Yes.

为了能够用t统计量和F统计量作精确的推断?是的70IntermediateEconometrics,YanShenAsymptoticNormalityandLargeAsymptoticNormalityandLargeSampleInference

渐近正态和大样本推断

Easytocomeupwithexamplesforwhichthisexactnormalityassumptionwillfail

很容易碰到一些例子,其中严格的正态性假定并不能成立Anyclearlyskewedvariable,likewages,arrests,savings,etc.can’tbenormal,sinceanormaldistributionissymmetric

任何一个明显不对称的变量,像工资,拘捕次数,储蓄量,等等都不可能服从正态分布,因为正态分布是对称的。71IntermediateEconometrics,YanShenAsymptoticNormalityandLargeAsymptoticNormalityandLargeSampleInference

渐近正态和大样本推断Whattodo?

我们要做些什么?Willestimatorsbecomeapproximatelynormallydistributedwhensamplesizegetslarge?

当样本容量变大时是否估计量会渐近地趋向于正态分布?WearediscussingwhetherOLSestimatorsatisfyasymptoticnormality.

我们讨论是否OLS估计量满足渐近正态性。72IntermediateEconometrics,YanShenAsymptoticNormalityandLargeCentralLimitTheorem中心极限定理

Basedonthecentrallimittheorem,wecanshowthatOLSestimatorsareasymptoticallynormal基于中心极限定理,我们能够证明OLS估计量是渐近正态。AsymptoticNormalityimpliesthatP(Z<z)F(z)asn,orP(Z<z)F(z)渐近正态意味着当n时,P(Z<z)F(z)或者P(Z<z)Ф(z)Thecentrallimittheoremstatesthatthestandardizedaverageofanypopulationwithmeanmandvariances2isasymptotically~N(0,1),or

中心极限定理指出任何一个均值为µ而方差为σ2

的总体的标准化平均值的分布渐近趋向于N(0,1),或记作73IntermediateEconometrics,YanShenCentralLimitTheoremBasedonTheorem5.2:AsymptoticNor

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论