〖"万万"个论坛币〗计量实证的“摸底”考试

顶，支持。讨论一下第5个问题。
5、 高斯—马尔科夫假定一般是做计量的基础，那么它有哪些假定呢？
  假设1、解释变量X是确定性变量，不是随机变量；  
  假设2、随机误差项具有零均值、同方差和不序列相关性：
                     E(i)=0              i=1,2, …,n
                    Var (i)=2            i=1,2, …,n
                    Cov(i, j)=0       i≠j  i,j= 1,2, …,n
  假设3、随机误差项与解释变量X之间不相关：
                    Cov(Xi, i)=0         i=1,2, …,n
  假设4、服从零均值、同方差、零协方差的正态分布
                     i~N(0, 2 )          i=1,2, …,n
以上假设称为高斯（Gauss）假设。

greenlie 发表于 2015-7-23 09:16
可以搞数据集编程大赛

呵呵，有意思的建议。

Jonerice 发表于 2015-7-24 16:08
顶，支持。讨论一下第5个问题。
5、 高斯—马尔科夫假定一般是做计量的基础，那么它有哪些假定呢？
  假 ...

呵呵，谢谢支持。加油，共勉~

真是好帖！对于我这个门外汉很有帮助。

诸葛山下 发表于 2015-8-9 11:40
真是好帖！对于我这个门外汉很有帮助。

个人实证的一点经验，也是外行，对你有启发就好。加油，共勉。

初学者，简单回答下问题1和5.
问题1：
请举例说明横截面数据、时间序列数据、面板数据等的区别?
横截面数据：在给点时点对个人、家庭、企业等一系列单位采集的样本所构成的数据集。
时间序列数据：对一个或多个变量不同时间组成的观测值所构成的数据集。
面板数据:由数据集中每个横截面单位的时间序列组成。
应该还有个混合横截面数据吧？
混合横截面数据：有不同年份的横截面数据混合起来所构成的数据集。

问题5：
高斯—马尔科夫假定一般是做计量的基础，那么它有哪些假定呢？
MLR:多元线性回归。
（横截面数据分析的）高斯-马尔科夫假定：、
MLR.1：总体模型线性于参数。
MLR.2：有来自MLR.1总体的一个包含n次观测的随机样本。
MLR.3：样本中，没有一个自变量为常数，自变量之间也不存在严格的线性关系。
MLR.4：给定任意解释变量值，误差u的期望值为0，即误差u均值独立于解释变量。
以上4点假定可推出OLS估计量的无偏性。
MLR.5：同方差性。即给定任意解释变量值，误差u都具有相同的方差。
加上MLR.5可推出OLS估计量的方差，及推出OLS估计量的有效性。
以上，假定MLR.1~5被称为 （横截面回归的）高斯-马尔科夫假定。

刚开始学计量不久，转专业的。
感觉这帖子很有意义啊~会常来看看的，希望每次来看都能回答新的问题~

VernonLin 发表于 2015-8-10 21:47
刚开始学计量不久，转专业的。
感觉这帖子很有意义啊~会常来看看的，希望每次来看都能回答新的问题~

呵呵，谢谢支持，欢迎来解答这些问题，加油，共勉。

先顶下，后学习！