...第十章: 时间序列 · 第一节: 模型特点、例子、及OLS前提假定...

发布网友发布时间：2024-08-19 20:51

共1个回答

热心网友时间：2024-08-28 23:40

我们将探讨时间序列和截面数据之间的概念差异，并列举一些在社会科学实证研究中常见的时间序列回归实例。接着，我们将关注OLS估计器的有限样本特性，并阐述时间序列回归的高斯-马尔科夫假设以及经典线性模型假设。尽管这些假设与横截面情况下的假设存在相似之处，但它们也存在一些需要我们特别注意的重大差异。

在时间序列的背景下，随机抽样几乎不可能，因此我们必须明确假设u_t的期望值与任何时间段的解释变量无关。

假设TS.3不仅要求u_t和z_t是不相关的，而且u_t也与z的过去和未来的值不相关。首先，z不可能对y有滞后影响。如果z对y有滞后影响，那么我们应该估计一个分布式滞后模型。一个更微妙的问题是，严格的外生性排除了今天误差项的变化会导致未来z的变化的可能性。

以下是我花了几个月整理的应用计量经济学所需的自学笔记(英文版)，分章分节呈现给大家。开头我会附带一段中文版的小节，后面提供给想看详细数学推导和用英语学习经济学的朋友们。作为一个跨界自学的推动人，每一章结尾，我会附上一节习题课，并在最后给出答案，方便大家复习。J.M.伍德里奇(Jeffrey M.Wooldridge) 密歇根州立大学经济学教授。1986—1991年伍德里奇博士曾任麻省理工学院经济学助教授。他于1986年于加州大学圣迭戈分校获经济学博士学位。他还担任芝加哥Arthur Andersen和波士顿Charles River Associates两家公司的计量经济学顾问。

更多应用计量英文版笔记戳专栏：

本自学笔记将会和高级宏观经济学、中级微观经济学等专栏，同步一周7更。

We will discuss some conceptual differences between time series and cross-sectional data and provide some examples of time series regressions that are often estimated in the empirical social sciences. We then turn our attention to the finite sample properties of the OLS estimators and state the Gauss-Markov assumptions and the classical linear model assumptions for time series regression. Although these assumptions have features in common with those for the cross-sectional case, they also have some significant differences that we will need to highlight.

在时间序列的背景下，随机抽样几乎不可能，因此我们必须明确假设u_t的期望值与任何时间段的解释变量无关。

假设TS.3不仅要求u_t和z_t是不相关的，而且u_t也与z的过去和未来的值不相关。首先，z不可能对y有滞后影响。如果z对y有滞后影响，那么我们应该估计一个分布式滞后模型。一个更微妙的问题是，严格的外生性排除了今天误差项的变化会导致未来z的变化的可能性。