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

要点：掌握多元线性回归模型中的基本假设检验方法。重 点掌握多元线性回归模型的约束条件；正态性检验方法； 普通最小二乘估计方法

武汉大学：《信号检测与估计》课程电子教案（课件讲稿）08 估计量总结

对于 i i i y = b + b x + ε 1 2 (与教材中的符号不同)，应记住以下 OLS 估计与检验的计算公式： (其中 n 为样本个数， k 为包括自变量和因变量在内的变量个数)

武汉大学：《信号检测与估计》课程电子教案（课件讲稿）06 贝叶斯BAYES估计

武汉大学：《信号检测与估计》课程电子教案（课件讲稿）05 最小二乘估计LS与Moments

武汉大学：《信号检测与估计》课程电子教案（课件讲稿）02 估计与CRLB

武汉大学：《信号检测与估计》课程电子教案（课件讲稿）01 统计信号处理基础——估计理论（绪论）

第一章 企业组织形式案例 第二章 贴现率估计案例 第三章 财务分析案例 第四章 企业预算编制案例 第五章 货币的时间价值 第六章 股票与债券估值案例 第七章 企业资本预算案例 第八章 资本市场风险与收益案例 第九章 加权资本成本案例 第十章 企业资本结构案例 第十一章 企业融资方式案例 第十二章 股利分配政策案例 第十三章 营运资本管理案例 第十四章 企业破产案例

01 经典线性回归模型 02 普通最小二乘估计 03 拟合优度和模型选择准则 04 OLS估计量的无偏性和有效性 05 参数假设检验 06 应用与重要实例