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

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

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、向量自回归模型定义 • 二、VAR的稳定性 • 三、VAR模型滞后期k的选择 • 四、VAR模型的脉冲响应函数和方差分解 • 五、格兰杰非因果性检验 • 六、VAR与协整 • 七、实例

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

• 多元线性回归模型 • 多元线性回归模型的参数估计 • 多元线性回归模型的统计检验 • 多元线性回归模型的预测 • 回归模型的其他形式 • 回归模型的参数约束

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

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