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

一、序列相关性的概念——违反基本假设的定义及违反的原因 二、序列相关性的后果——违反基本假设会造成什么样的后果 三、序列相关性的检验——怎样诊断是否违反基本假设 四、具有序列相关性模型的估计——如何消除或减弱对基本假设的违反 五、案例

13.1 异方差的性质 13.2 异方差的后果 13.3 异方差的诊断：如何知道存在异方差问题 13.4 观察到异方差该怎么办：补救措施 13.5 怀特异方差校正后的标准误和 t 统计量 13.6 若干异方差实例 13.7 总结

12.1 多重共线性的性质：完全多重共线性的情形 12.2 接近或者不完全多重共线性的情形 12.3 多重共线性的理论后果 12.4 多重共线性的实际后果 12.5 多重共线性的诊断 12.6 多重共线性必定不好吗 12.7 一个扩展例子 12.8 如何对付多重共线性：补救措施 12.9 总结

CLMR的假定之一是模型是正确设定的，所以一个最基本 的问题就是：如何发现正确的模型？第11章详细讨论了 这个问题。首先考虑了一个“好”模型应具备的特性，然后 讨论了拟合错误模型的后果，最后介绍了各种模型设定错 误

10.1 虚拟变量的性质 10.2 ANCOVA模型：包含一个定量变量，一个两分定性变量的回归 10.3 包含一个定量变量、一个多分定性变量的回归 10.4 包含一个定量变量和多个定性变量的回归 10.5 比较两个回归 10.6 虚拟变量在季节分析中的应用 10.7 因变量也是虚拟变量的情形：(略) 10.8 总结

5.4 样本自相关与部分自相关函数 5.5 自相关性检验 5.6 ARMA模型的实证分析及应用 5.7 实例应用：中国CPI通胀率的AR模型

4.1假设在模型Y1=B1+B2X21+B3X32+u1中X2与X3之间的相关系数为零,于 是有人建议你进行如下回归:

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

要点：掌握一元线性回归模型中的基本假设、检验方法。 重点掌握一元线性回归模型的约束条件；正态性检验方法。 理解单侧和双侧假设检验