一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计

§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、解释变量的内生性检验

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、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程

一、传统建模理论与数据开采问题 二、“从一般到简单”——约化建模型理论 三、非嵌套假设检验 四、约化模型的准则

一、拟合优度检验 二、方程的显著性检验(F检验) 三、变量的显著性检验（t检验） 四、参数的置信区间

一、普通最小二乘估计 *二、最大或然估计 *三、矩估计 四、参数估计量的性质 五、样本容量问题 六、估计实例

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

10.1多重共线性的性质 一、定义: 狭义模型中一些或全部解释变量之间存在一种完全的线性关系(完全共线性)。 广义模型中一些或全部解释变量之间存在一种完全或非完全的线性关系(近似共线性)

一、虚拟变量的基本含义 二、虚拟变量的设置原则 三、虚拟变量的引入 四、虚拟变量的特殊应用 五、虚拟变量引入模型的作用

一、虚拟变量的基本含义 二、虚拟变量的设置原则 三、虚拟变量的引入 四、虚拟变量的特殊应用 五、虚拟变量引入模型的作用