一、GLS法原理 二、异方差的来源及后果 三、异方差的检验 四、消除异方差和估计模型 五、EViews的应用 六、案例

一、多重共线性的含义 二、多重共线性来源及对OLSE性质的影响 三、多重共线检验：可决系数法、方差膨胀因子 四、多重共线的解决办法：逐步回归法 五、遗漏重要解释变量的后果 六、理解案例

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

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

一、简单线性回归模型的设定 二、简单线性回归模型的基本假定 三、简单线性回归模型参数的估计方法 四、参数估计量的统计性质 五、拟合优度的度量 六、回归系数的区间估计和假设检验 七、回归模型预测 八、EViews应用

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

A True panel vs a Pooled cross section Often loosely use the term panel data to refer to any data set that has both a cross sectional dimension and a time-series dimension More precisely it's only data following the same cross-section units over time Otherwise it's a pooled cross-section Economics 20- Prof anderson

要点：掌握统计推断的基本方法。了解统计推断的含义， 掌握参数估计和假设检验的基本思想。了解点估计量的性 质。初步掌握假设检验的显著性检验方法

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