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

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

Consistency e Under the Gauss-Markov assumptionS OLS IS BLUE, but in other cases it wont always be possible to find unbiased estimators o In those cases, we may settle for estimators that are consistent, meaning as n→>∞,the distribution of the estimator collapses to the parameter value Economics 20- Prof anderson

第13章基本回归模型----概述了 EViews中的普通最小二乘估计(OLS) 基础。 第14章其他回归方法--讨论加权最小二乘估计(WLS),二阶段最小二乘 估计(TSLS),和非线性最小二乘估计(NLS)技术

补救序列相关的基本思路 变换存在序列相关的模型,使变换后的新模 型具有无序列相关的随机误差项,这样新模 型满足基本假设,那么运用OLS进行估计以 及进行检验,就能得到理想可信的结果。 从随机误差项入手—变序列相关的随机误差 项为无序列相关的