СТОХАСТИЧЕСКИЕ ОБЪЯСНЯЮЩИЕ ПЕРЕМЕННЫЕ И ОШИБКИ ИЗМЕРЕНИЯ

В базовой регрессионной модели, построенной на основе метода наименьших квадратов, предполагается, что объясняющие переменные являются нестохастическими. Часто это предположение оказывается нереалистичным, и поэтому важно знать, к каким последствиям приведут более слабые модельные ограничения. Мы увидим, что в некоторых ситуациях сможем продолжать использовать МНК, но в других, например, когда объясняющая переменная (или переменные) подвержена воздействию ошибок измерения, МНК приводит к смещенным и несостоятельным оценкам. Глава заканчивается введением другого метода оценивания, основанного на инструментальных переменных, который позволяет получать оценки с более приемлемыми свойствами.