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

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

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

15.1 联立方程模型的性质 15.2 联立方程的偏误：OLS估计量的不一致性 15.3 间接最小二乘法 15.4 间接最小二乘：一则实例 15.5 模型识别问题 15.6 识别规则：识别的阶条件 15.7 过度识别方程的估计：两阶段最小二乘法 15.8 两阶段最小二乘法2SLS：一个数字例子 15.9 总结

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

对于 i i i y = b + b x + ε 1 2 (与教材中的符号不同)，应记住以下 OLS 估计与检验的计算公式： (其中 n 为样本个数， k 为包括自变量和因变量在内的变量个数)

一、单项选择题 1、把反映某一总体特征的同一指标的数据，按一定的时间顺序和时间间 隔排列起来，这样的数据称为（ B ） A. 横截面数据 B. 时间序列数据 C. 修匀数据 D. 原始数据

一、单项选择题 1、在满足经典假定条件的回归分析中，下列有关解释变量和被解释变量的 说法正确的有（ C ） A．被解释变量和解释变量均为非随机变量 B. 被解释变量和解释变量均为随机变量 C．被解释变量为随机变量，解释变量为非随机变量 D. 被解释变量为非随机变量，解释变量为随机变量

一、单项选择题 1、对样本的相关系数γ ，以下结论错误的是（ A ） A. γ 越接近 0， X 与Y 之间线性相关程度高 B. γ 越接近 1， X 与Y 之间线性相关程度高 C. −≤ ≤ 1 γ 1 D、γ = 0，则在一定条件下 X 与Y 相互独立

多重共线性的概念 多重共线性的来源与后果 多重共线性检验 多重共线性的修正方法 案例分析 多重共线性的概念 多重共线性的来源与后果 多重共线性的来源 多重共线性的后果 多重共线性检验 多重共线性的修正方法 增加样本观测值 略去不重要的解释变量 用被解释变量的滞后值代替解释变量的滞后值 利用参数之间的关系 利用解释变量之间的关系 变换模型的形式 对数据进行中心化 案例分析