无偏估计只满足quick review of regression.pdfVIP

Quickreviewofregression

OLS

Simplelinearregression

得到无偏的估计，只需要满足：

扰动项均值为0

扰动项与解释变量不相关

Goodnessoffit

一般而言，时间序列模型的拟合优度比截面的拟合优度高

解释变量的增加一般可以使拟合优度增加

解释变量和被解释变量之间的因果关系不依赖于拟合优度的大小（so...）

单变量回归

Unbiasedness：

线性于参数

随机样本(样本可以解释总体)

Samplevariationinexplained（X不能是常数）

0条件均值

异方差：

标准差与标准误

多元回归

无偏：

线性于参数

随机抽样

不存在完全共线性

0均值假定

异方差：

T值怎么来

标准误越小越好

方差估计带来的启示

——如何对回归结果进行合理的调整

误差的方差

误差的方差越大意味着OLS估计量的方差越大

误差方差是总体的特征，是未知的，且样本大小没有关系

除了方差中加入的解释变量，没有别的方法

解释变量的总样本变异：

SST代表总样本的变异程度

如何让SST变大：扩大样本容量

当然，SST很小时，也并不违背MLR.4，只要Xj不是常数，仍然可以得到无偏估计

自变量之间的线性关系

Rj2描述了自变量之间的线性关系

Rj2越大，说明变量之间的相关性越强，

接近于1时，我们称变量之间有高度相关性，即多重共线性

（审稿人说。。。解决更加显著，说明我们的结果非常好）

不会影响估计结果的无偏性，不影响统计推断

经济意义上的显著VS统计意义上的显著

经济意义上显著：由被估计参数的大小决定

一些建议：

1.检查变量显著性，统计上显著，检查经济意义

2.方向正确，但是显著性达不到10%，针对T值计算P值，对于小样本是，甚至可以让P值

达到20%，（可能的是样本量不够，或者变量之间存在多重共线造成的）

3.统计意义显著，符号不对？？？很可能有重要的遗漏变量

Paneldata

为什么需要fixedeffect

解决遗漏变量带来的内生性问题

遗漏变量：与相关、但不随时间变化

如果X和U不相关，poolols是无偏的

如果不满足外生条件：

估计有偏

误差项序列相关

固定效应模型

严格外生假定

FD、CV、LSDV

FD方法得到无偏的要求是差分无关

lsdv会损失大量自由度

有效性：E是randomwalk时，FD方法最有效

其他

用LSDV时，R2会更大

U不是序列相关，CV更有效

大T小n，选择FD

随机效应模型

检验

大拇指法则

FE：

数目不是很多

允许unobservedandobservedeffect相关

在意withineffect