§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、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;

一、拟合优度检验 二、方程显著性检验 三、变量显著性检验

一、多重共线性的概念 二、多重共线性的后果 三、多重共线性的检验 四、克服多重共线性的方法 五、案例 六、分部回归与多重共线性

一、随机解释变量问题 二、实际经济问题中的随机解释变量问题 三、随机解释变量的后果 四、工具变量法 五、案例 六、广义矩方法（GMM）的概念

一、序列相关性 二、序列相关性的后果 三、序列相关性的检验 四、具有序列相关性模型的估计 五、案例

一、异方差性的概念 二、异方差性的后果 三、异方差性的检验 四、异方差性的估计 五、案例

一、参数估计量的区间估计 二、预测值的区间估计