问一道题：NO.PZ2018101001000040 [ CFA II ]

先回复“估计不准确”这个问题：对于omitted variable bias来说，本来应该是比如两个变量X1，X2来估计Y，系数是b1，b2。结果现在少了一个。相当于只有一个变量例如X1来估计Y，这个时候X1的系数是b3。相当于b3一个系数干了之前应该有两个系数b1，b2干的事。所以不准确。还是应该把X2加回来，然后X1的系数变回b1，X2的系数为b2.这样才准确。

然后回复加减X这个事儿：对于omitted variable bias来说，需要具备两个特点。以刚刚的X2举例。1.这个X2是可以解释Y的 2. 这个X2和X1之间还得有不强烈的线性相关关系。当X2同时满足以上两点后，我们才能确定X2确实是被遗漏了的变量，然后应该加回来。

回一下追问，

理解的大致没问题~

一致性可以简单理解为估计的次数越多，最后对于系数的估计就越准确。

多重共线性是已有方程里多了个变量，遗漏变量偏差是少了个本应该在方程里的变量。这些都没问题。

多重共线性和遗漏变量偏差属于两个层面的问题。多重共线性/异方差/序列相关是一个体系的，本质上都违反OLS假设产生的问题，这三个问题都不会影响一致性，只有多重共线性特殊点还会使得系数估计不准。但遗漏变量偏差的问题比较严重，已经不是假设错误了，而是这个模型都错了。所以问题较多，系数估计也有问题，一致性也不满足。

多谢老师！

一致性是取得越多，约趋近一个准确值是么？

多重共线性是多了一个不该有的变量，不影响一致性，多了一个系数，每个系数还是会趋近各自的准确值？

omitted variable bias是少了一个应该有的变量， 是影响一致性，因为少了一个系数，现有的系数不够描述模型，会变来变去的？

可以这么理解么？

同学你好，

三个违背假设的现象中，多重共线性比较特殊。

条件异方差/序列相关这两者满足 1. 不影响一致性 2. 不影响系数的估计

多重共线性也不影响一致性。但多重共线性是会影响的系数的估计的。（因为多了一个不该有的变量，所以本来一个b1就够衡量的东西现在可能变成了用b2和b3共同去衡量，结果就导致b2和b3都不准确了）

所以简单总结一下就是这三个都不影响一致性，其中条件异方差/序列相关这两者还不影响系数的估计，多重共线性影响系数的估计。

最后还可以关联作对比一点就是之后的omitted variable bias，这个是既影响一致性，也影响系数估计的。