几个重要概念 几种重要的单方程需求函数模型及其参数估计 线性支出系统需求函数模型及其参数估计 几种需求函数模型系统 建立与应用需求函数模型中的几个问题

§4.1 异方差性 Heteroscedasticity 一、异方差的概念 二、异方差性的后果 三、异方差性的检验 四、异方差的修正 五、例题 §4.2 序列相关性 Autocorrelation 一、序列相关性的概念 二、序列相关性的后果 三、序列相关性的检验 四、具有序列相关性模型的估计 五、例题

一、模型估计方法的比较 二、为什么普通最小二乘法被普遍采用 三、模型的检验

一、联立方程模型随机误差项方差——协方差矩阵 二、三阶段最小二乘法简介 三、完全信息最大似然法简介

一、识别的概念 二、从定义出发识别模型 三、结构式识别条件 四、简化式识别条件 五、实际应用中的经验方法

一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳时间序列分析 五、非平稳序列的确定性分析 六、非平稳序列的随机性分析 七、平稳性的单位根检验 八、单整、趋势平稳与差分平稳随机过程

一、含义 1、概念：序列相关（serial correlation）与自相关（autocorrelation） 通常不加区别，按时间（如在时间序列数据中）或者空间 （如在截面数据中）排列的观测值序列的成员之间的相 关

本章将一元回归模型拓展到了多元回归模型，其基本的建模思想与建模方法与一元的 情形相同。主要内容仍然包括模型的基本假定、模型的估计、模型的检验以及模型在预测方 面的应用等方面。只不过为了多元建模的需要，在基本假设方面以及检验方面有所扩充

本章介绍了回归分析的基本思想与基本方法。首先，本章从总体回归模型与总体回归 函数、样本回归模型与样本回归函数这两组概念开始，建立了回归分析的基本思想。总体回 归函数是对总体变量间关系的定量表述，由总体回归模型在若干基本假设下得到，但它只是 建立在理论之上，在现实中只能先从总体中抽取一个样本，获得样本回归函数，并用它对总 体回归函数做出统计推断

一、 拟和优度检验 总体平方和、回归平方和与残差平方和 1、总体平方和：TSS= 2( ˆ )i i  y − y 大小反映 y 的变动度