什么是stochastic regressor

在计量经济学里有一个概念叫stochastic regressor， 我刚开始接触时非常费解，什么是stochastic的？

在之前用OLS(ordinary least square)估计我们的模型参数时，有一个假设前提是，x变量都是non-stationary的，即样本中x变量的值都是固定的，没有随机部分(random component)。那么这个假设一般什么时候可以满足呢？–在实验室里，可以人为控制保证自变量的值都是固定的。 而大家可以想象，在现实生活中，尤其是经济学研究对象大多都是从一个确定的总体中随机抽取了一部分样本，这就决定了这些x变量并没有一个固定的值，而其值服从一个概率分布。 所以这时候继续用OLS估计参数就会出现问题。至此，我们需要对之前的OLS假设做一些改进。 以下我会列出列出调整过的stochastic regressor的假设（不知如何翻译准确的部分就直接列原文了，见谅）

1. the values of the regressors are drawn randomly from fixed
   populations

值的注意的是，这里回归量从总体中随机抽取并非假定回归量是互相独立的，恰恰与之相反，这里允许他们的值有相关性

2. there does not exist an exact linear relationship among the
   regressors

否则变量间会具有完全共线性，这样的话参数估计值是无法得到的

3. the disturbance term is distributed independently of the values of
   every regressor in every observation

之前在OLS回归中，regressors have fixed nonstochastic values这一条件使得误差项和回归量之间不可能有distributional relationship，所以不用考虑这一假设。

4. distribution term has zero conditional expectation

而其他的假设，如参数是线性的啊， 误差项期望为零啊，误差的方差齐次啊，误差项独立不相关啊，误差方差服从正态分布啊这些都不变

（其实看了这么多，我还是蒙蒙的，感觉并没有完全弄清楚。 没关系，再接着往下看?）

这是OLS的参数估计：

两边取期望：

如果想得到无偏(unbiased)估计的话, 要证明后一项sum E(ai ui)等于零。
在之前的OLS模型中，我们可以轻易的把ai提取出来，得到ai*E(ui），因为这里假设Xi是non-stochasitc的，由于误差项的均值为零，就轻易证明了OLS得到的估计是无偏的。
而当Xi是stochastic的时候，ai项就无法再单独提取出来了, 简而言之，之前那招不管用了！

没关系，别忘了我们还有第三条假设：the disturbance term ia distributed independently of the values of every regressor in every observation
既然ui和Xi是独立分布的，我们就把 E(ai ui)写成 E(ai)*E(ui)的形式， 同样误差项期望为0，此时OLS估计仍是无偏的。?‍♀️

那么反之我们可以推想：当误差项和回归量不是独立分布时，OLS估计得到的参数就是有偏的！此时傻呵呵地再用OLS估计得到的模型会是不准确的！

同理我们可以推导关于consistency的证明，再次利用假设3(distribution term has independent distributions) , 即使regressor是stochastic的时候，OLS的估计仍然是consitent的。
咳咳，总结一下，stochastic regressor时，OLS的估计是有偏(biased)但一致(consistent)的。