参数估计的准则,就是指点估计量应该满足的性质吧~~(注:下面写的W就是计量书里θ上面有个弯折的东东)
一、小样本性质:
①无偏性:参数θ的估计量W的概率分布有一个等于它所估计的参数的期望值。表示为E(W)=θ。
补充一句:如果估计量W是有偏的话,它的偏度就是Bias(W)=E(W)-θ
②有效性:参数θ的估计量W1的概率分布的方差比W2小就说W1更有效,这是个相对的性质
注:比较W1和W2有效性的前提的两个都是无偏的,否则说这两个谁的方差更小、谁更有效就没意思了
OLS在满足马尔科夫五个经典假设时是“最优线性无偏估计量”(这个词考试很有用)
二、大样本性质:
一致性:当样本非常大,就是样本个数n趋于无穷大时,W与参数θ无限接近。表示为plim(W)=θ
这个性质里W可以有个下脚标n,这样更清楚
* 对了,也许这个总结对你有用:
样本均值是总体均值的一个无偏且一致估计量
样本方差是总体方差的一个无偏且一致估计量
样本标准差是总体标准差的一个“非无偏”但一致估计量
样本协方差是总体协方差的一个无偏且一致估计量
样本相关系数是总体相关系数的一个“非无偏”但一致估计量
10# 张珊shane


雷达卡
京公网安备 11010802022788号







