《计量经济学导论》读书笔记(四)(2)
※MLR.6:u独立于所有解释变量,并且服从均值为0,方差为的正态分布: ~
对于横截面分析来说,我们一般称MLR.1到MLR.6为经典线性模型(Classical Linear Model, CLM)假设,我们一般认为CLM是由高斯-马尔可夫假设加上一个正态性假设组成的。而事实上,CLM假设下的OLS估计量是最小方差无偏估计量,而不仅仅局限在线性估计量中,这一点咱就等到证明专栏再证(反正附录E里有)。总之,我们得到了第一个式子:
(1) ~
我们作出MLR.6假设的依据是我们在概统中学到的中心极限定理(central limit theorem),我们只需要知道这个假设是比较粗糙的就可以了,这涉及到对u中含有因素的数量以及它们分布情况的分析,要展开来讲可能需要打羊胎素(?)一般来讲,这个假设的出现是一个经验问题,那么,同样地从经验出发,如果我们将被解释变量取对数,一般就能获得一个“更加正态”的分布。总之,我们会在第五章看到对非正态分布情况的分析,这里就说到这。
对于横截面分析来说,我们一般称MLR.1到MLR.6为经典线性模型(Classical Linear Model, CLM)假设,我们一般认为CLM是由高斯-马尔可夫假设加上一个正态性假设组成的。而事实上,CLM假设下的OLS估计量是最小方差无偏估计量,而不仅仅局限在线性估计量中,这一点咱就等到证明专栏再证(反正附录E里有)。总之,我们得到了第一个式子:
(1) ~
我们作出MLR.6假设的依据是我们在概统中学到的中心极限定理(central limit theorem),我们只需要知道这个假设是比较粗糙的就可以了,这涉及到对u中含有因素的数量以及它们分布情况的分析,要展开来讲可能需要打羊胎素(?)一般来讲,这个假设的出现是一个经验问题,那么,同样地从经验出发,如果我们将被解释变量取对数,一般就能获得一个“更加正态”的分布。总之,我们会在第五章看到对非正态分布情况的分析,这里就说到这。