![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLicmbw5CMzkTZ0EzMkV2YkNTY5QWYkVGOihTOhZmMzEmNiNWZl9CX0JXZ252bj91Ztl2Lc52YucWbp5GZzNmLn9Gbi1yZtl2Lc9CX6MHc0RHaiojIsJye.png)
我们的PhD level高级计量经济学I回归分析部分参考的教材是Hayashi (2001)[1]。课堂上主要介绍了两个部分:OLS回归(finite sample下的OLS、large sample下的OLS),和IV方法。这篇文章将主要分享OLS、GLS、大样本下的OLS性质等相关内容。
最小二乘法
OLS的目标是,为了确定y和x的线性关系,需要找到一个估计量
,使得估计误差
最小。为了求解该式,我们使用矩阵求导的方法。一阶条件为:
由此可以推出beta的表达式:
- ,其中T是观测值数量,k是回归元数量。另外,X'X或X需要满秩k,即没有多重共线性。
ols残差_高级计量经济学学习要点(三):OLS
一个不满足满秩的例子:2.OLS估计有如下性质![]()
ols残差_高级计量经济学学习要点(三):OLS
- 。这其实可以从(2)式里的一阶条件直接得到。
ols残差_高级计量经济学学习要点(三):OLS - 。
ols残差_高级计量经济学学习要点(三):OLS
估计拟合优度时,我们一般不使用误差的平方,以避免y的尺度对拟合优度的影响。相反,我们使用如下两种手段:
- uncentered R square
ols残差_高级计量经济学学习要点(三):OLS
其中
。这就很好的将拟合优度限制在[0,1]之间。
- centered R square
ols残差_高级计量经济学学习要点(三):OLS
值得注意的是,要让centered R方取值落在[0,1]之间,必须限定回归中含有constant。原因如下:
根据定义,有
。而如果回归中有constant,必有
,必有
。另外,
。
但两种R方有一个很重要的问题:二者都随着回归元数量的增加而上升。证明如下:
根据定义,假设新增回归元z。我们有![]()
ols残差_高级计量经济学学习要点(三):OLS ![]()
ols残差_高级计量经济学学习要点(三):OLS .
由于gamma是使得不等式右侧的误差项最小的OLS估计量,因此不等式左侧必定大于或等于右侧,不等式必然成立,即随着回归元的增加,
因此可以采用调整R方:
。
4.有限样本下的性质我们有如下假设:
- 假设(一)(强外生性)
ols残差_高级计量经济学学习要点(三):OLS 相互独立且ols残差_高级计量经济学学习要点(三):OLS ols残差_高级计量经济学学习要点(三):OLS
这一假设也可以表述为![]()
ols残差_高级计量经济学学习要点(三):OLS
- 假设(二)(球面误差方差)
ols残差_高级计量经济学学习要点(三):OLS 相互独立且ols残差_高级计量经济学学习要点(三):OLS ols残差_高级计量经济学学习要点(三):OLS
同样的,和![]()
ols残差_高级计量经济学学习要点(三):OLS ![]()
ols残差_高级计量经济学学习要点(三):OLS
那么OLS有如下性质:
- 无偏性
那么![]()
ols残差_高级计量经济学学习要点(三):OLS ![]()
ols残差_高级计量经济学学习要点(三):OLS 。
从上述证明可以看出,对于有限样本,无偏性的成立需要假设(一)。
(note: please be notified about the difference between
and![]()
ols残差_高级计量经济学学习要点(三):OLS )![]()
ols残差_高级计量经济学学习要点(三):OLS
- 高斯马尔科夫理论: 是
ols残差_高级计量经济学学习要点(三):OLS 的BLUE估计(best linear unbiased estimator)ols残差_高级计量经济学学习要点(三):OLS
其中,best指的是方差最小化。即对于任何非
的线性无偏估计量
,有
半正定。
展开
,根据假设(二)可得
。
展开
,根据假设(一)(二)可得
。
根据4.1.有了假设(一)(二)和从假设(一)(二)中得到的各种性质,我们能对的无偏性,可以证明的是![]()
ols残差_高级计量经济学学习要点(三):OLS ,那么![]()
ols残差_高级计量经济学学习要点(三):OLS 有:![]()
ols残差_高级计量经济学学习要点(三):OLS ![]()
ols残差_高级计量经济学学习要点(三):OLS
- t test
通过
和
可得:
qj是X'X的第jj个元素。
由于
未知,可以通过如下公式估计:
而要成为一个好的统计量,
需要满足一些特殊性质
4.1.1 s2的无偏性:
首先根据OLS的无偏性,我们可以得到
把中间的矩阵命名为M。我们有![]()
ols残差_高级计量经济学学习要点(三):OLS 那么:![]()
ols残差_高级计量经济学学习要点(三):OLS 其中tr(M)=T-k.![]()
ols残差_高级计量经济学学习要点(三):OLS
因为beta服从正态分布,s2服从卡方分布,可知
。
例(四)1、当某一个变量的单位扩大a倍时,OLS回归的beta、beta的std和整个回归的R方将如何改变?
设矩阵X的第i列扩大了a倍。定义一个对角矩阵
,所有元素与单位矩阵相同,除了第ii个元素是a。那么![]()
ols残差_高级计量经济学学习要点(三):OLS 是将X的i列扩大a倍的新矩阵。新的beta可以表述为:![]()
ols残差_高级计量经济学学习要点(三):OLS ![]()
ols残差_高级计量经济学学习要点(三):OLS ,即将原beta矩阵的第i项乘以1/a。
beta的标准差为
![]()
ols残差_高级计量经济学学习要点(三):OLS 中的![]()
ols残差_高级计量经济学学习要点(三):OLS 可以展开为![]()
ols残差_高级计量经济学学习要点(三):OLS ,显然M不受P的影响,因此beta的标准差除第i个变量外不变,仅有第i个变量的beta的标准差变为原来的![]()
ols残差_高级计量经济学学习要点(三):OLS ![]()
ols残差_高级计量经济学学习要点(三):OLS .
y的观测值不会受到x的影响,y的估计值X(X'X)-1X'y不变,因此R方不变。
- F test
若有原假设为
如,![]()
ols残差_高级计量经济学学习要点(三):OLS ,假设的是b2=b3和b4=0.![]()
ols残差_高级计量经济学学习要点(三):OLS
则有
服从卡方分布。
若用s代替sigma,
服从自由度为m和T-k的F 分布。
F也可以改写为
,SSRR是添加了Rb=r约束的回归的SSR,SSRU则是无约束回归。
从约束回归的角度推F统计量:
添加Rb=r约束后,求解约束下的beta值
,实际上是求解![]()
ols残差_高级计量经济学学习要点(三):OLS
Rb=r约束下的OLS问题的拉格朗日方程式
F.O.C:。此处![]()
ols残差_高级计量经济学学习要点(三):OLS ![]()
ols残差_高级计量经济学学习要点(三):OLS 指的是约束下的beta值的估计值。无约束的OLS估计用b表示。
求解步骤为:
其中SSRR的计算为,不加约束的SSRU的计算则为![]()
ols残差_高级计量经济学学习要点(三):OLS .可以证明SSRR-SSRU=![]()
ols残差_高级计量经济学学习要点(三):OLS
GLS 估计
假设(二)中的球形误差方差往往对经济学而言过强。事实上,
不一定和
相互独立,且不一定同方差。假设我们有
其中V(X)是已知的正定矩阵,并假设
.对原回归方程中的y,x,残差项都乘以P-1,那么有GLS估计量:
大样本性质
我们对OLS的统计推断是基于对残差项的正态分布的假设。在此基础上,我们可以将t统计量和F统计量作为临界值,判断beta值的分布是否符合原假设。然而,如果正态分布假设不再成立,我们将需要大样本性质来进行统计推断。
1.一致性用样本均值的形式表达OLS估计量
根据大数定律,前者概率收敛于
,后者概率收敛于
。
需要注意的是,若要满足大数定律,x要独立同分布,或者满足stationary+ergodic。
2.渐进正态进一步改写OLS估计量为
前者概率收敛于
,根据中心极限定理,后者分布收敛于N(0,
).
中心极限定理的满足需要iid条件,或者stationary+ergodic+m.d.s。
整个式子分布收敛于N(0,
)。
3.统计推断- t test
有了OLS的分布函数,就可以对OLS估计量进行统计推断。对于正态分布的方差,我们可以用
来估计
,而用
来估计
。
另外,如果同方差性得到满足,我们有
。
- Wald Test
其中
,其估计值可由t test中同样方法得到。
与F检验的异同:(1)服从卡分布而非F分布;(2)在大样本时趋近于1.![]()
ols残差_高级计量经济学学习要点(三):OLS
OLS的部分复习完啦!完结撒花!
参考
- ^Econometrics, Fumio Hayashi, Princeton University Press, 2001.