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

一、假设检验的概念 二、两类错误 三、假设检验与区间估计间的关系:置信区间法 四、假设检验的应用

第一节 线性回归模型概述 第二节 一元线性回归模型的参 第六节 异方差性 第七节 序列相关性 第八节 多重共线性

四个基本定义与数理统计学的逻辑结构 一、随机变量的分布 二、二元随机变量 三、独立性 四、随机变量函数和分布