Đang chuẩn bị liên kết để tải về tài liệu:
Bài giảng Kinh tế lượng: Chương 5 - ThS. Phạm Trí Cao

Bài giảng Kinh tế lượng - Chương 5: Phân tích hồi quy bội - Tính tiệm cận của OLS trình bày tính vững, tính tiệm cận chuẩn và suy luận trên mẫu lớn. Đây là một tài liệu tham khảo hữu ích dành cho các bạn sinh viên đang theo học và những ai quan tâm dùng làm tài liệu học tập và nghiên cứu. | Chương 5 - Nhập môn Kinh tế lượng * Jeffrey M. Wooldridge 02.01.2018 PHÂN TÍCH HỒI QUY BỘI: TÍNH TIỆM CẬN CỦA OLS Phân tích hồi quy bội: Tính tiệm cận của OLS Giả thiết MLR.6 của mô hình tuyến tính cổ điển: sai số ngẫu nhiên u có phân phối chuẩn và độc lập với các biến giải thích. Chương 5 Điều này cho phép ta rút ra được phân phối mẫu chính xác của các ước lượng OLS (có điều kiện theo các biến giải thích trong mẫu). Định lý 4.1 đã chứng tỏ rằng các ước lượng OLS của mẫu có phân phối chuẩn, từ đó suy ra ngay phân phối cho các thống kê t và F. Wooldridge: Introductory Econometrics: A Modern Approach, 5e Nếu sai số u không có phân phối chuẩn thì thống kê t sẽ không chính xác là phân phối t, và thống kê F sẽ không chính xác là phân phối F với một cỡ mẫu bất kỳ. 2 © 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. Phân tích hồi quy bội: Tính tiệm cận của OLS PHÂN TÍCH HỒI QUY BỘI: TÍNH TIỆM CẬN CỦA OLS Cho đến giờ chúng ta đã tập trung vào các tính chất của OLS đúng cho mẫu bất kỳ (hữu hạn) Các tính chất của OLS đúng cho mẫu/cỡ mẫu bất kỳ Giá trị kỳ vọng/tính không chệch dưới giả thiết MLR.1 – MLR.4 Tính không chệch của các ước lượng, mặc dù quan trọng, nhưng không phải lúc nào cũng đạt được. Các ước lượng OLS thì không chệch khi các giả thiết từ MLR.1 đến MLR.4 thỏa. Công thức phương sai dưới giả thiết MLR.1 – MLR.5 Trong Phần 3 của quyển sách này, chúng ta sẽ gặp một vài trường hợp ước lượng bị chệch nhưng vẫn hữu dụng. Phân phối mẫu chính xác / kiểm định và KTC dưới giả thiết MLR.1 – MLR.6 Gần như tất cả các nhà kinh tế học đều đồng ý rằng tính vững là yêu cầu tối thiểu cần có của một ước lượng. Định lý Gauss-Markov dưới giả thiết MLR.1 – MLR.5 Các tính chất của OLS đúng với mẫu lớn (tính tiệm cận) Tính vững dưới giả thiết MLR.1 – MLR.4 Mặc dù giả định nhiễu không có tính chuẩn! Tính tiệm cận chuẩn/kiểm định dưới giả thiết .