不完全多重共线时()。
A.OLS估计量无法计算
B.两个或以上的解释变量高度共线
C.即使是n>100时,OLS估计量仍然是有偏的
D.误差项是高度相关的,但不是完全共线的
A.OLS估计量无法计算
B.两个或以上的解释变量高度共线
C.即使是n>100时,OLS估计量仍然是有偏的
D.误差项是高度相关的,但不是完全共线的
考虑下列双变量模型:
(1)β1和α1的OLS估计量相同吗?它们的方差相等吗?
(2)β2和α2的OLS估计量相同吗?它们的方差相等吗?
如果我们认为教材(13.14)中的β1为正,且负相关,那么,在一阶差分方程中,β1的OLS估计量会有什么偏误?
为了检验工作培训项目对工人以后工资的有效性,我们设定了模型
其中,train表示的虚拟变量,在工人参与这个项目时取值1.想象误差项包括了无法观测的工人能力。如果能力越低的工人被选派去参加这个项目的机会就越大,而且你使用了一个OLS分析,那么你认为β1的OLS估计量可能有什么样的偏误?
假设决定y的总体模型是,而这个模型满足假定MLR.1~MLR.4。但我们估计了漏掉x3的模型。回归的OLS估计量。(给定样本中自变量的值)证明的期望值是
你是否同意以下命题?并对你的判断给出简要说明。
(i)像横截面观测一样,我们可以假定大多数时间序列观测是独立分布的。
(ii)时间序列回归中的OLS估计量在前三个高斯-马尔科夫假定下是无偏的。
(iii)在多元回归中,一个含有趋势的变量不能用作因变量。
(iv)在使用年度时间序列观测时,不存在季节性问题。
在方程(10.8)所给的线性模型中,如果解释变量满足。于是, 在给定解释变量的当期值和所有过去值时, 误差是无从预测的,那么,它就被称为序列外生的(有时又被称为弱外生的)。
(i)请解释为什么严格外生性意味着序列外生性?
(ii)请解释为什么序列外生性意味着同期外生性?
(iii)在序列外生假定下, OLS估计量通常是无偏的吗?请解释。
(iv)考虑用一个州、一个教区或一个省人均避孕套使用量的分布滞后来解释艾滋病感染比率的一个如下模型:
请解释为什么这个模型满足序列外生性假定。它看上去也满足严格外生性假定吗?