1、 在模型设定时,如果遗漏了相关变量,OLS会出现什么后果?而如果包含了无关变量,ols又会出现什么后果?
2、对于解释变量的所有观测值,随机误差项有相同的方差;
3、随机误差项彼此不相关;
4、解释变量是确定性变量,不是随机变量,与随机误差项彼此之间相互独立;
5、解释变量之间不存在精确的(完全的)线性关系,即解释变量的样本观测值矩阵是满秩矩阵;
6、随机误差项服从正态分布。
如果该变量与剩余的变量相关,小样本下,系数OLS估计量是有偏的,大样本也是非一致性的,主要是因为被剔除的解释变量包含在随机误差项里,这时解释变量与随机误差项相关,产生内生性问题;如果变量与剩余的变量无关,斜率项系数满足无偏性和一致性,但截距项系数却是有偏的。
扩展资料:
在随机误差中,最重要的是抽样误差。我们从同一总体中随机抽取若干个大小相同的样本,各样本平均数(或平均率)之间会有所不同。这些样本间的差异,同时反映了样本与总体间的差异。它是由于从总体中抽取样本才出现的误差,统计上称为抽样误差(或抽样波动)。
例如,抽样误差在医学生物实验中最主要的来源是个体的变异。所以这是一种难以控制的、不可避免的误差。但抽样误差是有一定规律的。研究和运用抽样误差的规律,是根据样本估计总体时所必须领会的基本概念之一,也是医学统计学的重要内容之一。
参考资料来源:百度百科-随机误差