DF 检验要求模型 的随机 扰动项 t e 独立同分 布。但在实际应用中这 一条件往往不 能满足（如上一节中的有关例子）。一般来说，如果估计 模型的 DW 值偏离 2 较大，表明随机扰动 项是序列相关的，在这种情 况下使用 DF 检验可能会导致偏误，需要 寻找新的检验方法

不确定性是现代经济和金融理论经常涉及到的一个焦点问题。例如，宏观经 济波动的不确定性、金融市场上收益的不确定性以及外汇市场上各国汇率的不确 定性等。在模型分析中，经济或金融变量的不确定性一般用方差来进行描述和度 量。而且为了分析简洁，通常对模型作出一些假定，例如在回归模型中假定随机 扰动项满足零均值、同方差和互不相关

一、伪回归现象 所谓“伪回归”，是指变量间本来不存在相依关系，但回归结果却得出存在 相依关系的错误结论。这是传统回归分析方法较易犯的一种错误。 经济学家早就发现经济变量之间可能会存在伪回归现象。 20 世纪 70 年代，Grange、Newbold 研究发现，造成“伪回归”的根本原因 在于变量的时序序列的非平稳性

一、单位根过程 1、平稳过程与非平稳过程的差异 平稳时间序列具有如下特性： 具有常定均值，序列围绕在长期均值周围波动；

一、自回归模型（AR） 由于经济系统惯性的作用，经济时间序列往往存在着前后依存关 系。最简单的一种前后依存关系就是变量当前的取值主要与其前一时 期的取值状况有关。用数学模型来描述这种关系就是如下的一阶自回 归模型：

1. 已知随机变量 X服从参数为1/2的指数分布，则随机变量 Z=3X-2的数学期望E（Z）=（ ）

二维随机变量(X,作为一个整体,具有联合分 布函数F(x2y),而X,Y各自都是随机变量,它们也 有自己的分布函数Fx(x),F().相对于二维随机变 量(X,)的联合分布函数,我们分别称Fx(x),Fr() 为X和Y的边缘分布函数。相应地,也有边缘概率密 度和边缘分布律的概念。我们将它们统称为边缘分 布

一只与区间长度有关,与区间的位置无关。即X落在两 个长度相等的区间内的概率相等。具有上述特点的随 机变量便是均匀分布的随机变量。 如:测量物体长度时读数的舍入误差服从均匀分 布。在(a,b)上随机掷质点

就随机现象而言，仅仅知道可能发生哪些 事件是不够的，更重要的是对事件发生的可能 性做出定量的描述.这就涉及到一个概念——事 件的概率(Probability)

生产实际中遇到的线性规划问题常常是规模很大的，如果约束条件多到超过计算机容量 的程度，就会给求解造成困难。为了克服这一困难，对于大型问题，针对其具体结构，往往 可把它分解成几个较小问题来处理，这类方法称为分解算法