关于OLS大样本下互相关的问题请教

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

对于OLS可以得出如下参数估计式。

可见当数据量N趋近于无穷时，估计值期望趋近于真值。
请教各路大神，如果大样本可以解决无偏性，为什么还要研究自变量X与噪声的E的互相关问题，即使有相关性在大样本下残差期望不也是趋于0的吗？还是有其他考虑？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：OLS 大样本 互相关 参数估计 无偏性

当样本量趋近于无穷时，OLS估计值的期望会趋近于真实参数值。然而，即使在大样本下，仍然需要关注自变量X与误差项ε的互相关性问题，这是因为相关性可能会对OLS估计结果的有效性和解释产生影响。具体来说，当自变量X与误差项ε之间存在较强的相关性时，可能会出现以下情况：
多重共线性：如果自变量之间存在高度相关性，那么OLS估计的方差可能会很大，使得参数估计结果不稳定。这会导致估计结果的标准误较大，使得对参数的显著性检验变得困难，并且可能导致错误的推断。
异方差性：当自变量与误差项之间存在相关性时，误差项的方差可能不是常数，而是自变量的函数。这种情况下，OLS估计的标准误可能会被低估或高估，从而导致对参数显著性的错误判断。
模型解释的误导：如果自变量与误差项之间存在相关性，那么OLS估计的系数可能会被扭曲，导致对自变量对因变量的真实影响的错误解释。这可能会导致错误的政策建议或决策。