16.1 动态经济模型：自回归和分布滞后模型 16.2 伪回归现象：非平稳时间序列 16.3 平稳性检验 16.4 协整时间序列 16.5 随机游走模型 16.6 logit模型 16.7 总结

1. Suppose the linear regression model is如果不恒成立,则称误差项是序列相关的(自相关的)。(serial correlation) 2.产生序列相关的原因及序列相关的影响 1)原因 (1)经济行为的惯性或冲击的惯性(SARS) (2)模型误设(Model misspecification) 2、序列相关对估计与检验的影响与异方差性类似

西方国家盛行“ Occam's razor”原则,意思是 “简单优于复杂”的节约性原则。经济模型永远 无法完全把握现实,在建立模型中一定的抽象和 简化是不可避免的。 在研究进口与国内生产总值的关系时,考虑到时 间趋势,建立并估计了以下模型

3.1 遗漏变量 3.2 无关变量 3.3建模策略:“由小到大”or“由大到小” 3.4 解释变量个数的选择 3.5 对函数形式的检验 3.6 多重共线性 3.7 极端数据 3.8 虚拟变量 3.9 经济结构变动的检验 3.10 缺失数据与线性插值 3.11 变量单位的选择

中国经济的快速发展，使居民收入不断增加，数以百万 计的中国人开始得以实现拥有汽车的梦想，中国也成为世界 上成长最快的汽车市场。 中国交通部副部长在中国交通可持续发展论坛上做出预 测 :“2020年，中国的民用汽车保有量将比2003年的数字 增长６倍，达到1.4亿辆左右”

10.1 下表是某国的宏观经济数据（GDP——国内生产总值，单位：10 亿美元；PDI—— 个人可支配收入，单位：10 亿美元；PCE——个人消费支出，单位：10 亿美元；利润——公 司税后利润，单位：10 亿美元；红利——公司净红利支出，单位：10 亿美元）

• 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

§2.1 回归分析概述 (Regression Analysis) 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 §2.2 一元线性回归模型的参数估计 (Estimation of Simple Linear Regression Model) 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 §2.3 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.4 一元线性回归分析的应用——预测问题 一、Ŷ0是条件均值E(Y|X=X0)或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间

9.1虚拟变量的性质 一、回归分析中,被解释变量不仅常受一些比率尺度变量(如收入、产量、价格、成本、高度和温度)的影响,而且还受定性性质变量(也被称为名义尺度变量,如性别、种族、肤色、宗教、国籍、战争)的影响。 二、为了在模型中能够反映这些定性性质变量的影响,并提高模型的精度,需要将它们量化

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