§2.1 回归分析概述 一、变量间的关系及回归分析的基本概念 二、总体回归函数（PRF） 三、随机扰动项 四、样本回归函数（SRF） §2.2 一元线性回归模型的参数估计 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 §2.3 一元线性回归模型的统计检验 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.4 一元线性回归分析的应用——预测问题 §2.5 实例：时间序列问题 一、中国居民人均消费模型 二、时间序列问题

Ch. 10 Autocorrelated Disturbances In a time-series setting, a common problem is autocorrelation, or serial corre- lation of the disturbance across periods. See the plot of the residuals at Figure

Testing for a Fractional Unit Root in Time Series Regression Chingnun Lee, Tzu-Hsiang Liao2 and Fu-Shuen Shie Inst. of Economics, National Sun Yat-sen Univ Kaohsiung, Taiwan Dept. of Finance, National Central Univ, Chung-Li, Taiwan

一、拟合优度检验 二、方程显著性检验 三、变量显著性检验

一、关于总体与样本 总体根据一定目的确定的所要研究对象的全体称为总体或母体;

第一节 分布滞后模型 第二节 自回归模型 第三节 因果关系检验

第一节 多重共线性及其影响 第二节 多重共线性的发现和检验 第三节 多重共线性的克服和处理

第一节 联立方程组模型及其假设 第二节 联立方程组模型的识别性 第三节 联立方程组模型的参数估计

第一节 时间序列及其平稳性 第二节 时间序列平稳性检验 第三节 时间序列的单积和协积

第一节 误差序列相关的性质和原因 第二节 误差序列相关的发现和判断 第三节 误差序列相关的克服和处理