§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参数估计 (Estimation of Simple Linear Regression Model) 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 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 §2.4 一元线性回归分析的应用——预测问题 一、Ŷ0是条件均值E(Y|X=X0)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

◼ 多元线性回归模型的一般形式 ◼ 参数估计（ OLS估计） ◼ 假设检验 ◼ 预测

§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

3.1 Sampling distribution of OLS estimator 3.2 The t Test 3.3 Confidence Intervals 3.4 Testing a single Linear Combination 3.5 Testing Multiple Linear Restrictions 3.6 About multicollinearity 3.7 Interpreting and Reporting regression results

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、单项选择题 1、设 OLS 法得到的样本回归直线为Y X i β β 1 2 i i = + + e   ，则点( ) X ,Y （ B ） A.一定不在回归直线上 B.一定在回归直线上 C.不一定在回归直线上 D.在回归直线上方

15.1 联立方程模型的性质 15.2 联立方程的偏误：OLS估计量的不一致性 15.3 间接最小二乘法 15.4 间接最小二乘：一则实例 15.5 模型识别问题 15.6 识别规则：识别的阶条件 15.7 过度识别方程的估计：两阶段最小二乘法 15.8 两阶段最小二乘法2SLS：一个数字例子 15.9 总结

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

本章主要介绍计量经济模型的二级检检验问题，即计量经济检验。主要讨论对回归模 型的若干基本经典假定是否成立进行检验、当检验发现不成立时继续采用 OLS 估计模型所 带来的不良后果以及如何修正等问题。具体包括异方差性问题、序列相关性问题、多重共线 性问题以及随机解释变量这四大类问题

1、参数OLS估计的方差增大 2、t检验失效,不能拒绝H0的可能僧大常常犯纳伪错误 3、降低预测