§4.1 异方差性 Heteroscedasticity 一、异方差的概念 二、异方差性的后果 三、异方差性的检验 四、异方差的修正 五、例题 §4.2 序列相关性 Autocorrelation 一、序列相关性的概念 二、序列相关性的后果 三、序列相关性的检验 四、具有序列相关性模型的估计 五、例题

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

• 一、时间序列模型的基本概念及其适用性 • 二、随机时间序列模型的平稳性条件 • 三、随机时间序列模型的识别 • 四、随机时间序列模型的估计 • 五、随机时间序列模型的检验

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

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

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

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

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、序列相关性 二、序列相关性的后果 三、序列相关性的检验 四、具有序列相关性模型的估计 五、案例

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