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

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

3.1 多元线性回归模型 3.2 回归参数的估计 3.3 参数估计量的性质 3.4 回归方程的显著性检验 3.5 中心化和标准化 3.6 相关阵与偏相关系数 3.7 本章小结与评注

时间序列数据或截面数据都是一维数据。例如时间序列数据是变量按时间得到的数据；截面数据是变量在截面空间上的数据。面板数据是同时在时间和截面上取得的二维数据。所以，面板数据（panel data）也称时间序列截面数据（time series and cross section data）或混合数据（pool data）

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

• 回归分析概述 • 双变量线性回归模型的参数估计 • 双变量线性回归模型的假设检验 • 双变量线性回归模型的预测 • 实例

Ch. 16 Stochastic Model Building Unlike linear regression model which usually has an economic theoretic model built somewhere in economic literature, the time series analysis of a stochastic process needs the ability to relating a stationary ARMA model to real data. It is usually best achieved by a three-stage

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)

Ch. 23 Cointegration 1 Introduction An important property of (1) variables is that there can be linear combinations of theses variables that are I(O). If this is so then these variables are said to be cointegrated. Suppose that we consider two variables Yt and Xt that are I(1) (For example, Yt= Yt-1+ St and Xt= Xi-1+nt.)Then, Yt and Xt are said to be cointegrated if there exists a B such

Ch. 4 Asymptotic Theory From the discussion of last Chapter it is obvious that determining the dis- tribution of h(X1, X2, . . Xr) is by no means a trival exercise. It turns out that more often than not we cannot determine the distribution exactly. Because of the importance of the problem, however, we are forced to develop approximations the subject of this Chapter