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

问题的提出 现实生活中引起因变量 变化的因素并非仅只一个自变量,可能 有很多个自变量。为了简便先讨论只有 两个自变量的线性模型。 例如,产出往往受各种 投入要素—资本、劳动、技术等的影 响;销售额往往受价格和公司对广告费 的投入的影响。 所以在一元线性模型的 基础上,提出了二元线性模型:

问题的提出 在前述基本假定下OLS估计具有BLUE的优 良性。 然而实际问题中,这些基本假定往往不能 满足,使OLS方法失效不再具有BLUE特性 估计参数时,必须检验基本假定是否满足 ,并针对基本假定不满足的情况,采取相 应的补救措施或者新的方法

1、参数OLS估计的方差增大 2、t检验失效,不能拒绝H0的可能僧大常常犯纳伪错误 3、降低预测

问题的提出 一、数据背后存在着某种规律性 二、最小二乘保证了3条性质——残差和=0,残差与自变量无关、残差与拟合值无关