相信许多留学生对数学代考都不陌生，国外许多大学都引进了网课的学习模式。网课学业有利有弊，学生不需要到固定的教室学习，只需要登录相应的网站研讨线上课程即可。但也正是其便利性，线上课程的数量往往比正常课程多得多。留学生课业深重，时刻名贵，既要学习知识，又要结束多种类型的课堂作业，physics作业代写，物理代写，论文写作等；网课考试很大程度增加了他们的负担。所以，您要是有这方面的困扰，不要犹疑，订购myassignments-help代考渠道的数学代考服务，价格合理，给你前所未有的学习体会。
我们的数学代考服务适用于那些对课程结束没有掌握，或许没有满足的时刻结束网课的同学。高度匹配专业科目，按需结束您的网课考试、数学代写需求。担保买卖支持，100%退款保证，免费赠送Turnitin检测报告。myassignments-help的Math作业代写服务，是你留学路上忠实可靠的小帮手！
经济代写|计量经济学代写Econometrics代考|Instrumental Variables
Up to this point, the only estimation technique we have considered is least squares, both ordinary and nonlinear. While least squares has many merits, it also has some drawbacks. One major drawback is that least squares yields consistent estimates only if the error terms are asymptotically orthogonal to the regressors or, in the nonlinear case, to the derivatives of the regression function. Consider, for simplicity, the linear regression model
$$
\boldsymbol{y}=\boldsymbol{X} \boldsymbol{\beta}+\boldsymbol{u}, \quad \boldsymbol{u} \sim \operatorname{IID}\left(\mathbf{0}, \sigma^2 \mathbf{I}\right),
$$
where $\boldsymbol{X}$ is an $n \times k$ matrix of explanatory variables. The issues are the same whether the regression function is linear or nonlinear, and so we will deal with the linear case for simplicity. When the data are generated by the DGP
$$
\boldsymbol{y}=\boldsymbol{X} \boldsymbol{\beta}0+\boldsymbol{u}, \quad \boldsymbol{u} \sim \operatorname{IID}\left(\mathbf{0}, \sigma_0^2 \mathbf{I}\right), $$ we have seen that the OLS estimate is $$ \hat{\boldsymbol{\beta}} \equiv\left(\boldsymbol{X}^{\top} \boldsymbol{X}\right)^{-1} \boldsymbol{X}^{\top} \boldsymbol{y}=\boldsymbol{\beta}_0+\left(\boldsymbol{X}^{\top} \boldsymbol{X}\right)^{-1} \boldsymbol{X}^{\top} \boldsymbol{u} $$ It is obvious that if $\hat{\boldsymbol{\beta}}$ is to be consistent for $\boldsymbol{\beta}_0$, the condition $$ \operatorname{plim}{n \rightarrow \infty}\left(n^{-1} \boldsymbol{X}^{\top} \boldsymbol{u}\right)=\mathbf{0}
$$
must hold. If $\hat{\boldsymbol{\beta}}$ is to be unbiased, the stronger condition that $E\left(\boldsymbol{X}^{\top} \boldsymbol{u}\right)=\mathbf{0}$ must hold. These necessary conditions are not directly verifiable, since the orthogonality property of least squares ensures that regardless of whether $\boldsymbol{u}$ is correlated with $\boldsymbol{X}$ or not, the residuals $\hat{\boldsymbol{u}}$ are orthogonal to $\boldsymbol{X}$. This means that, no matter how biased and inconsistent least squares estimates may be, the least squares residuals will provide no evidence that there is a problem.
Suppose that plim $\left(n^{-1} \boldsymbol{X}^{\top} \boldsymbol{u}\right)=\boldsymbol{w}$, a nonzero vector. Then from (7.03) it is clear that $\operatorname{plim}(\hat{\boldsymbol{\beta}}) \neq \boldsymbol{\beta}0$. Moreover, the probability limit of $n^{-1}$ times the sum of squared residuals will be $$ \operatorname{plim}{n \rightarrow \infty}\left(n^{-1} \boldsymbol{u}^{\top} \boldsymbol{M}X \boldsymbol{u}\right)=\sigma_0^2-\boldsymbol{w}^{\top} \operatorname{plim}{n \rightarrow \infty}\left(n^{-1} \boldsymbol{X}^{\top} \boldsymbol{X}\right)^{-1} \boldsymbol{w}
$$
经济代写|计量经济学代写Econometrics代考|Errors in Variables
Almost all economic variables are measured with error. This is true to a greater or lesser extent of all macroeconomic time series and is especially true of survey data and many other cross-section data sets. Unfortunately, the statistical consequences of errors in explanatory variables are severe, since explanatory variables that are measured with error are necessarily correlated with the error terms. When this occurs, the problem is said to be one of errors in variables. We will illustrate the problem of errors in variables with a simple example.
Suppose, for simplicity, that the DGP is
$$
\boldsymbol{y}=\alpha_0+\beta_0 \boldsymbol{x}+\boldsymbol{u}, \quad \boldsymbol{u} \sim \operatorname{IID}\left(\mathbf{0}, \sigma_0^2 \mathbf{I}\right),
$$
where $\boldsymbol{x}$ is a vector that is observed with error. We actually observe $\boldsymbol{x}^$, which is related to $\boldsymbol{x}$ by $$ \boldsymbol{x}^=\boldsymbol{x}+\boldsymbol{v}, \quad \boldsymbol{v} \sim \operatorname{IID}\left(\mathbf{0}, \omega^2 \mathbf{I}\right) .
$$
The vector $v$ is a vector of measurement errors, which are assumed (possibly unrealistically) to have the i.i.d. property and to be independent of $\boldsymbol{x}$ and $\boldsymbol{u}$. Substituting $\boldsymbol{x}^-\boldsymbol{v}$ for $\boldsymbol{x}$ in (7.04), the DGP becomes $$ \boldsymbol{y}=\alpha_0+\beta_0 \boldsymbol{x}^-\beta_0 \boldsymbol{v}+\boldsymbol{u} .
$$
Thus the equation we can actually estimate is
$$
\boldsymbol{y}=\alpha+\beta \boldsymbol{x}^+\boldsymbol{u}^,
$$
where $\boldsymbol{u}^* \equiv \boldsymbol{u}-\beta_0 \boldsymbol{v}$. It is clear that $\boldsymbol{u}^$ is not independent of $\boldsymbol{x}^$. In fact
$$
E\left(\boldsymbol{x}^{* \top} \boldsymbol{u}^\right)=E\left((\boldsymbol{x}+\boldsymbol{v})^{\top}\left(\boldsymbol{u}-\beta_0 \boldsymbol{v}\right)\right)=-\beta_0 E\left(\boldsymbol{v}^{\top} \boldsymbol{v}\right)=-n \beta_0 \omega^2, $$ where, as usual, $n$ is the sample size. If we assume for concreteness that $\beta_0>0$, the error term $\boldsymbol{u}^$ is negatively correlated with the regressor $\boldsymbol{x}^$. This negative correlation means that least squares estimates of $\beta$ will be biased and inconsistent, as will least squares estimates of $\alpha$ unless $\boldsymbol{x}^$ happens to have mean zero. Note that the inconsistency of $\hat{\beta}$ is a problem only if we care about the parameter $\beta$. If, on the contrary, we were simply interested in finding the mean of $\boldsymbol{y}$ conditional on $\boldsymbol{x}^*$, estimating equation (7.05) by least squares is precisely what we would want to do.
经济代写|计量经济学代写Econometrics代考|Instrumental Variables
到目前为止，我们考虑的唯一估计技术是最小二乘法，普通的和非线性的。虽然最小二乘法有很多优点，
但也有一些缺点。一个主要缺点是，只有当误差项与回归量或在非线性情况下与回归函数的导数渐近正交 时，最小二乘法才会产生一致的估计。为简单起见，考虑线性回归模型
$$
\boldsymbol{y}=\boldsymbol{X} \boldsymbol{\beta}+\boldsymbol{u}, \quad \boldsymbol{u} \sim \operatorname{IID}\left(\mathbf{0}, \sigma^2 \mathbf{I}\right),
$$
在哪里 $\boldsymbol{X}$ 是一个 $n \times k$ 解释变量矩阵。无论回归函数是线性的还是非线性的，问题都是相同的，因此为简 单起见，我们将处理线性情况。当数据由 DGP 生成时
$$
\boldsymbol{y}=\boldsymbol{X} \boldsymbol{\beta} 0+\boldsymbol{u}, \quad \boldsymbol{u} \sim \operatorname{IID}\left(\mathbf{0}, \sigma_0^2 \mathbf{I}\right),
$$
我们已经看到 OLS 估计是
$$
\hat{\boldsymbol{\beta}} \equiv\left(\boldsymbol{X}^{\top} \boldsymbol{X}\right)^{-1} \boldsymbol{X}^{\top} \boldsymbol{y}=\boldsymbol{\beta}_0+\left(\boldsymbol{X}^{\top} \boldsymbol{X}\right)^{-1} \boldsymbol{X}^{\top} \boldsymbol{u}
$$
很明显，如果 $\hat{\beta}$ 是一致的 $\beta_0$ ，条件
$$
\operatorname{plim} n \rightarrow \infty\left(n^{-1} \boldsymbol{X}^{\top} \boldsymbol{u}\right)=\mathbf{0}
$$
必须持有。如果 $\hat{\boldsymbol{\beta}}$ 是无偏的，更强的条件 $E\left(\boldsymbol{X}^{\top} \boldsymbol{u}\right)=0$ 必须持有。这些必要条件不能直接验证，因为最 小二乘法的正交性确保无论是否 $\boldsymbol{u}$ 与 $\boldsymbol{X}$ 与否，残差 $\hat{\boldsymbol{u}}$ 正交于 $\boldsymbol{X}$. 这意味着，无论最小二乘估计有多么有偏差 和不一致，最小二乘残差都不会提供存在问题的证据。
假设 $\operatorname{plim}\left(n^{-1} \boldsymbol{X}^{\top} \boldsymbol{u}\right)=\boldsymbol{w} ，$ 一个非霎向量。然后从 (7.03) 可以清楚地看出p $\operatorname{pim}(\hat{\boldsymbol{\beta}}) \neq \boldsymbol{\beta}$. 此外，概率 极限 $n^{-1}$ 乘以残差平方和为
$$
\operatorname{plim} n \rightarrow \infty\left(n^{-1} \boldsymbol{u}^{\top} \boldsymbol{M} X \boldsymbol{u}\right)=\sigma_0^2-\boldsymbol{w}^{\top} \operatorname{plim} n \rightarrow \infty\left(n^{-1} \boldsymbol{X}^{\top} \boldsymbol{X}\right)^{-1} \boldsymbol{w}
$$
经济代写|计量经济学代写Econometrics代考|Errors in Variables
几乎所有经济变量的测量都存在误差。所有宏观经济时间序列或多或少都是如此，尤其是调查数据和许多
其他横截面数据集。不幸的是，解释变量误差的统计后果是严重的，因为测量误差的解释变量必然与误差 项相关。发生这种情况时，问题被称为变量错误之一。我们将通过一个简单的例子来说明变量中的错误问 题。
为简单起见，假设 DGP 是
$$
\boldsymbol{y}=\alpha_0+\beta_0 \boldsymbol{x}+\boldsymbol{u}, \quad \boldsymbol{u} \sim \operatorname{IID}\left(\mathbf{0}, \sigma_0^2 \mathbf{I}\right),
$$
在哪里 $x$ 是一个观察到有错误的向量。我们实际上观察到 \boldsymbol| $x}^{\wedge}$, 这与 $x$ 经过
$$
x^{=} x+v, \quad v \sim \operatorname{IID}\left(0, \omega^2 \mathbf{I}\right) .
$$
向量 $v$ 是测量误差的向量，假设 (可能不切实际) 具有独立同分布特性并且独立于 $\boldsymbol{x}$ 和 $u$. 莫代 $\boldsymbol{x}^{-} \boldsymbol{v}$ 为了 $\boldsymbol{x}$ 在 $(7.04)$ 中，DGP 变为
$$
\boldsymbol{y}=\alpha_0+\beta_0 \boldsymbol{x}^{-} \beta_0 \boldsymbol{v}+\boldsymbol{u} .
$$
因此，我们实际上可以估计的方程是
$$
\boldsymbol{y}=\alpha+\beta \boldsymbol{x}^{+} \boldsymbol{u}
$$
像往常一样， $n$ 是样本量。如果我们假设具体 $\beta_0>0$, 误差项 $\backslash$ boldsymbol{ $\left{u^{\wedge} \wedge\right.$ 与回归量呈负相关
\boldsymbol{x}^. 这种负相关意味着最小二乘估计 $\beta$ 将是有偏见和不一致的，最小二乘估计也是如此 $\alpha$ 除非
找到 $y$ 有条件的 $x^*$ ，用最小二乘估计方程 (7.05) 正是我们想要做的。
myassignments-help数学代考价格说明
1、客户需提供物理代考的网址，相关账户，以及课程名称，Textbook等相关资料~客服会根据作业数量和持续时间给您定价~使收费透明，让您清楚的知道您的钱花在什么地方。
2、数学代写一般每篇报价约为600—1000rmb，费用根据持续时间、周作业量、成绩要求有所浮动(持续时间越长约便宜、周作业量越多约贵、成绩要求越高越贵)，报价后价格觉得合适，可以先付一周的款，我们帮你试做，满意后再继续，遇到Fail全额退款。
3、myassignments-help公司所有MATH作业代写服务支持付半款，全款，周付款，周付款一方面方便大家查阅自己的分数，一方面也方便大家资金周转，注意:每周固定周一时先预付下周的定金，不付定金不予继续做。物理代写一次性付清打9.5折。
Math作业代写、数学代写常见问题
留学生代写覆盖学科？
代写学科覆盖Math数学,经济代写，金融,计算机,生物信息，统计Statistics,Financial Engineering，Mathematical Finance，Quantitative Finance，Management Information Systems,Business Analytics,Data Science等。代写编程语言包括Python代写、Physics作业代写、物理代写、R语言代写、R代写、Matlab代写、C++代做、Java代做等。
数学作业代写会暴露客户的私密信息吗？
我们myassignments-help为了客户的信息泄露，采用的软件都是专业的防追踪的软件，保证安全隐私，绝对保密。您在我们平台订购的任何网课服务以及相关收费标准，都是公开透明，不存在任何针对性收费及差异化服务，我们随时欢迎选购的留学生朋友监督我们的服务，提出Math作业代写、数学代写修改建议。我们保障每一位客户的隐私安全。
留学生代写提供什么服务？
我们提供英语国家如美国、加拿大、英国、澳洲、新西兰、新加坡等华人留学生论文作业代写、物理代写、essay润色精修、课业辅导及网课代修代写、Quiz，Exam协助、期刊论文发表等学术服务，myassignments-help拥有的专业Math作业代写写手皆是精英学识修为精湛；实战经验丰富的学哥学姐！为你解决一切学术烦恼！
物理代考靠谱吗？
靠谱的数学代考听起来简单，但实际上不好甄别。我们能做到的靠谱，是把客户的网课当成自己的网课；把客户的作业当成自己的作业；并将这样的理念传达到全职写手和freelancer的日常培养中，坚决辞退糊弄、不守时、抄袭的写手！这就是我们要做的靠谱！
数学代考下单流程
提早与客服交流，处理你心中的顾虑。操作下单，上传你的数学代考/论文代写要求。专家结束论文，准时交给，在此过程中可与专家随时交流。后续互动批改
付款操作：我们数学代考服务正常多种支付方法，包含paypal，visa，mastercard，支付宝，union pay。下单后与专家直接互动。
售后服务：论文结束后保证完美经过turnitin查看，在线客服全天候在线为您服务。如果你觉得有需求批改的当地能够免费批改，直至您对论文满意为止。如果上交给教师后有需求批改的当地，只需求告诉您的批改要求或教师的comments，专家会据此批改。
保密服务：不需求提供真实的数学代考名字和电话号码，请提供其他牢靠的联系方法。我们有自己的工作准则，不会泄露您的个人信息。
myassignments-help擅长领域包含但不是全部:
myassignments-help服务请添加我们官网的客服或者微信/QQ，我们的服务覆盖：Assignment代写、Business商科代写、CS代考、Economics经济学代写、Essay代写、Finance金融代写、Math数学代写、report代写、R语言代考、Statistics统计学代写、物理代考、作业代写、加拿大代考、加拿大统计代写、北美代写、北美作业代写、北美统计代考、商科Essay代写、商科代考、数学代考、数学代写、数学作业代写、physics作业代写、物理代写、数据分析代写、新西兰代写、澳洲Essay代写、澳洲代写、澳洲作业代写、澳洲统计代写、澳洲金融代写、留学生课业指导、经济代写、统计代写、统计作业代写、美国Essay代写、美国代考、美国数学代写、美国统计代写、英国Essay代写、英国代考、英国作业代写、英国数学代写、英国统计代写、英国金融代写、论文代写、金融代考、金融作业代写。