Ch. 21 Univariate Unit Root process 1 Introduction Consider OLS estimation of a AR(1)process, Yt= pYt-1+ut where ut w ii d (0, 0), and Yo=0. The OLS estimator of p is given by and we also have

一、多元线性回归模型一般形式 二、多元线性回归模型的参数估计 三、OLS估计量的统计性质 四、样本容量问题 五、多元线性回归模型实例

Assumptions of the classical Linear Model (Clm) e So far, we know that given the Gauss Markov assumptions, OLS IS BLUE e In order to do classical hypothesis testing we need to add another assumption(beyond the Gauss-Markov assumptions) Assume that u is independent of x,x2…,xk and u is normally distributed with zero mean and variance 0: u- Normal(0, 02) Economics 20- Prof anderson

一、多元线性回归模型 二、多元线性回归模型的参数估计 三、OLS估计量的统计性质 四、参数估计量的方差-协方差矩阵和随机误差项σ2方差的估计 五、样本容量问题 六、多元线性回归模型实例

4.1 联立方程偏差 4.2 测量误差偏差 4.3 工具变量法 4.4 二阶段最小二乘法 4.5 弱工具变量 4.6 对工具变量外生性的过度识别检验 4.7 对解释变量内生性的豪斯曼检验：究竟该用OLS还是IV 4.8 如何获得工具变量 4.9 工具变量法的Stata实例

§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的基本假设 (Assumptions of Simple Linear Regression Model) 一、关于模型设定的假设 二、关于解释变量的假设 三、关于随机项的假设 §2.3 一元线性回归模型的参数估计 (Estimation of Simple Linear 一、参数的普通最小二乘估计（OLS） 二、参数估计的最大或然法(ML) 三、最小二乘估计量的性质 四、参数估计量的概率分布及随机干扰项方差的估计 §2.4 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.5 一元线性回归分析的应用——预测问题 一、预测值条件均值或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间 §2.6 实例及时间序列问题

一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计

一、K元线性回归模型与一元线性回归模型的区别 二、关于模型的基本假设 三、k元线性回归模型的估计、检验和应用 四、理解OLSE的优良性质 五、比较OLS法与ML法的异同和适用性 六、如何综合评价经济计量建模的效果

多元线性回归模型与假定条件 最小二乘法（OLS） 最小二乘估计量的特性 可决系数 显著性检验与置信区间 预测 预测的评价指标 建模过程中应注意的问题

中南财经政法大学：《金融计量学》课程教学课件（双语讲稿）Chapter 02 Statistical Foundations Overview of OLS