第一节多元线性回归模型的概念 第二节多元线性回归模型的估计

一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间

1、OLS估计量的概率分布 B的概率分布 首先,服从正态分布的随机变量的线性组合仍然 服从正态分布。 其次,B分别是的线性组合,因此B的概率分 布取决于随机误差项μ 因此在μ是正态分布的假设下,每一个B也 服从正态分布,其分布特征(密度函数)由其均值和方差唯 一决定

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

One CLRM assumption is: The model used in empirical analysis is \correctly specified\

11.1 The Nature of Heteroscedasticity Homoscedasticity: equal variance. Heteroscedasticity: unequal variance. Heteroscedasticity is usually found in cross-sectional data

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