一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数(SRF)

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 一元线性回归模型的概念 第二节 模型参数的最小二乘估计 第三节 最小二乘估计量的统计性质及分布 第四节 一元线性回归模型的统计检验 第五节 一元线性回归模型的预测 第六节 案例分析

问题的提出 在前述各章中我们假定随机扰动项服从均值=0,方差 等于(常数),独立同分布。但是,并没有假定随机扰 动项服从何种具体的分布。 由于没有假定服从何种具体的分布,因而无法计算随 机扰动项取不小于某值的概率,因而也无法计算估计量 取某种值的概率,也就无法对统计量进行假设检验和进 行区间估计

一、变量间的关系及回归分析的基本概念 二、总体回归函数（PRF） 三、随机扰动项 四、样本回归函数（SRF）

§5.1 虚拟变量模型 Dummy Variables Regression Models 一、虚拟变量的基本含义 二、虚拟变量的引入 三、虚拟变量的设置原则 §5.2 滞后变量模型 Lagged Variables Regression Models 一、滞后变量模型 二、分布滞后模型的参数估计 三、自回归模型的参数估计 四、格兰杰因果关系检验 §5.3 模型设定偏误问题 Model Specification Error(Bias) 一、模型设定偏误的类型 二、模型设定偏误的后果 三、模型设定偏误的检验

❖加速模型 ❖利润决定的投资函数模型 ❖新古典投资函数模型 ❖一个中国的投资函数模型

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

§4.3 多重共线性 Multicollinearity 一、多重共线性的概念 二、多重共线性的后果 三、多重共线性的检验 四、克服多重共线性的方法 五、例题 六、分部回归与多重共线性 §4.4 随机解释变量问题 Random Explanatory Variables 一、随机解释变量问题 二、随机解释变量的后果 三、工具变量法 四、例题

几个重要概念 几种重要的单方程需求函数模型及其参数估计 线性支出系统需求函数模型及其参数估计 几种需求函数模型系统 建立与应用需求函数模型中的几个问题