要点：掌握概率分布的基本特征。掌握总体的期望值、方 差、协方差、相关系数、偏度和峰度定义；掌握样本均值、 方差、协方差、相关系数、偏度和峰度定义；总体与样本 的区别与联系

一、异方差性的概念——违反基本假设的定义及违反的原因 二、异方差性的后果——违反基本假设会造成什么样的后果 三、异方差性的检验——怎样诊断是否违反基本假设 四、出现异方差时的补救措施——如何消除或减弱对基本假设的违反 五、案例

▪ 10.1 时间序列分解 ▪ 10.2 长期趋势分析 ▪ 10.3 季节变动分析 ▪ 10.4 循环波动分析 ▪ 10.5 时间序列的自相关分析 ▪ 10.6 时间序列的动态分析指标 ▪ 10.7 景气循环分析

4.1 细胞反应的计量学 4.2 细胞反应的碳平衡 4.3 细胞反应的氧平衡和ATP平衡 4.4 细胞反应的能量平衡

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

Single equation regression models: -The dependent variable, Y, is expressed as a linear function of one or more explanatory variables, the Xs. Assumption the cause-and-effect relationship, if any, between Y and the Xs is unidirectional: explanatory variables are the cause; the dependent variable is the effect

14.1 Restricted Least Squares (RLS) 1. OLS and RLS ()Unrestricted least squares(ULS) When using the ordinary least square method(OLS) to estimate the parameters, we do not put any prior constraint() or restriction(s) on the parameters. So we can estimate the parameters without any restrictions. This is ULS

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)

9.1 向量自回归理论 9.2 结构VAR(SVAR)模型的识别条件 9.3 VAR模型的检验 9.4 脉冲响应函数 9.5 方差分解 9.6 Johansen协整检验 9.7 向量误差修正模型(VEC)

12.1 The Nature of Autocorrelation 1. Definition (1) CLRM assumption: No autocorrelation exist in dishurbances ui; E(iμi)=0 Autocorrelation means: E(μiμ)≠0 (2) Autocorrelation is usually associated with time series data, but it can also occur in cross-sectional data, which is called spatial correlation