(财务知识)计量经济学最全版
(完整word版)计量经济学复习笔记
计量经济学复习笔记CH1导论1、计量经济学：以经济理论和经济数据的事实为依据，运用数学、统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
研究主体是经济现象及其发展变化的规律。
2、运用计量分析研究步骤：模型设定——确定变量和数学关系式估计参数——分析变量间具体的数量关系模型检验——检验所得结论的可靠性模型应用——做经济分析和经济预测3、模型变量:解释变量:表示被解释变量变动原因的变量，也称自变量，回归元。
被解释变量:表示分析研究的对象，变动结果的变量，也成应变量。
内生变量:其数值由模型所决定的变量，是模型求解的结果。
外生变量:其数值由模型意外决定的变量。
外生变量数值的变化能够影响内生变量的变化，而内生变量却不能反过来影响外生变量。
前定内生变量：过去时期的、滞后的或更大范围的内生变量，不受本模型研究范围的内生变量的影响，但能够影响我们所研究的本期的内生变量。
前定变量：前定内生变量和外生变量的总称。
数据:时间序列数据：按照时间先后排列的统计数据。
截面数据：发生在同一时间截面上的调查数据。
面板数据：虚拟变量数据：表征政策，条件等，一般取0或1.4、估计评价统计性质的标准无偏：E（＾β）=β 随机变量，变量的函数？有效：最小方差性一致：N趋近无穷时，β估计越来越接近真实值5、检验经济意义检验：所估计的模型与经济理论是否相等统计推断检验：检验参数估计值是否抽样的偶然结果，是否显著计量经济检验：是否符合计量经济方法的基本假定预测检验：将模型预测的结果与经济运行的实际对比CH2 CH3 线性回归模型模型（假设）——估计参数——检验——拟合优度——预测1、模型（线性）（1）关于参数的线性模型就变量而言是线性的；模型就参数而言是线性的。
Y i=β1+β2lnX i+u i线性影响随机影响Y i=E（Y i|X i）+u i E（Y i|X i）=f(X i)=β1+β2lnX i引入随机扰动项，（3）古典假设A零均值假定 E（u i|X i）=0B同方差假定 Var(u i|X i)=E(u i2)=σ2C无自相关假定 Cov(u i,u j)=0D 随机扰动项与解释变量不相关假定 Cov(u i ,X i )=0E 正态性假定u i ~N(0,σ2)F 无多重共线性假定Rank(X)=k2、估计在古典假设下，经典框架，可以使用OLS方法：OLS 寻找min ∑e i 2＾β1ols = (Y 均值)-＾β2(X 均值)＾β2ols = ∑x i y i /∑x i 23、性质OLS 回归线性质（数值性质）（1）回归线通过样本均值 （X 均值,Y 均值）（2）估计值＾Y i 的均值等于实际值Y i 的均值（3）剩余项e i 的均值为0（4）被解释变量估计值＾Y i 与剩余项e i 不相关 Cov(＾Y i ,e i )=0（5）解释变量X i 与剩余项e i 不相关 Cov(e i ,X i )=0在古典假设下，OLS 的统计性质是BLUE 统计 最佳线性无偏估计4、检验(1)Z 检验Ho:β2=0 原假设 验证β2是否显著不为0标准化： Z=（＾β2-β2）/SE （＾β2）~N （0,1） 在方差已知，样本充分大用Z 检验拒绝域在两侧，跟临界值判断，是否β2显著不为0(2)t 检验——回归系数的假设性检验方差未知，用方差估计量代替 ＾σ2=∑e i 2/(n-k) 重点记忆t =（＾β2-β2）/＾SE （＾β2）~t （n-2）拒绝域：|t|>=t 2/a (n-2)拒绝，认为对应解释变量对被解释变量有显著影响。
(财务知识)建立计量经济学模型的步骤和要点最全版
（财务知识）建立计量经济学模型的步骤和要点建立计量经济学模型的步骤和要点壹、理论模型的设计对所要研究的经济现象进行深入的分析，根据研究的目的，选择模型中将包含的因素，根据数据的可得性选择适当的变量来表征这些因素，且根据经济行为理论和样本数据显示出的变量间的关系，设定描述这些变量之间关系的数学表达式，即理论模型。
生产函数就是壹个理论模型。
理论模型的设计主要包含三部分工作，即选择变量、确定变量之间的数学关系、拟定模型中待估计参数的数值范围。
1、确定模型所包含的变量在单方程模型中，变量分为俩类。
作为研究对象的变量，也就是因果关系中的“果”，例如生产函数中的产出量，是模型中的被解释变量；而作为“原因”的变量，例如生产函数中的资本、劳动、技术，是模型中的解释变量。
确定模型所包含的变量，主要是指确定解释变量。
能够作为解释变量的有下列几类变量：外生经济变量、外生条件变量、外生政策变量和滞后被解释变量。
其中有些变量，如政策变量、条件变量经常以虚变量的形式出现。
严格他说，上述生产函数中的产出量、资本、劳动、技术等，只能称为“因素”，这些因素间存在着因果关系。
为了建立起计量经济学模型，必须选择适当的变量来表征这些因素，这些变量必须具有数据可得性。
于是，我们能够用总产值来表征产出量，用固走资产原值来表征资本，用职工人数来表征劳动，用时间作为壹个变量来表征技术。
这样，最后建立的模型是关于总产值、固定资产原值、职工人数和时间变量之间关系的数学表达式。
下面，为了叙述方便，我们将“因素”和“变量”间的区别暂时略去，都以“变量”来表示。
关键在于，在确定了被解释变量之后，怎样才能正确地选择解释变量。
首先，需要正确理解和把握所研究的经济现象中暗含的经济学理论和经济行为规律。
这是正确选择解释变量的基础。
例如，在上述生产问题中，已经明确指出属于供给不足的情况，那么，影响产出量的因素就应该在投入要素方面，而在当前，壹般的投入要素主要是技术、资本和劳动。
计量经济学重点知识整理
计量经济学重点知识整理计量经济学是经济学中重要的一个分支，主要研究经济现象和经济理论的数理化方法。
本文将整理计量经济学中的重点知识，帮助读者系统地理解和掌握这门学科。
一、计量经济学简介计量经济学是运用统计方法和经济模型对经济问题进行定量分析的学科。
它利用数理统计学的工具，根据经济理论和实证研究的需要，对经济现象进行测度和解释。
计量经济学方法的特点是同时考虑了外生性和内生性变量之间的关系，能够揭示其中的因果关系。
二、计量经济学的基本原理1. 线性回归模型线性回归模型是计量经济学中最基本的模型之一，用于描述因变量与自变量之间的线性关系。
常见的线性回归模型有简单线性回归模型和多元线性回归模型。
对于简单线性回归模型，可以通过最小二乘法估计模型参数，求得最佳拟合曲线。
而多元线性回归模型则通过矩阵运算推导出参数的估计公式。
2. 假设检验在计量经济学中，假设检验是一种重要的统计方法，用于验证经济理论的假设。
常见的假设检验包括 t 检验、F 检验和卡方检验等。
通过构建原假设和备择假设，并计算相应的统计量，可以对经济理论提出的假设进行检验，从而得出结论。
3. 时间序列分析时间序列分析是计量经济学中的一个重要分支，用于研究随时间变化的经济现象。
常见的时间序列分析方法包括自相关函数（ACF）和偏自相关函数（PACF）的计算，以及平稳性检验、白噪声检验、单位根检验等。
这些方法可以帮助我们了解时间序列数据的性质，并进行有效的预测。
4. 面板数据分析面板数据是计量经济学中常用的一种数据类型，指同一时期内多个个体或单位的多个观测数据。
面板数据分析方法可以更好地解决普通截面数据和时间序列数据的缺陷，提高分析的效果。
常见的面板数据模型包括固定效应模型和随机效应模型，通过估计模型参数，可以得到各个因素对经济变量的影响。
三、计量经济学的应用领域1. 消费者行为分析计量经济学方法可以应用于消费者行为的分析，通过对消费者支出和收入等因素的测度和分析，揭示消费者行为背后的规律。
计量经济学总复习
第一章 导论掌握计量经济学、外生变量、前定变量、内生变量的含义；理解建立计量经济模型的主要步骤和模型检验的主要内容。
第二章 一元线性回归掌握最小二乘估计、估计标准差、拟合优度、总变差、回归平方和、剩余平方和样本决定系数、随机误差项的含义；理解回归模型规定的基本假定、随机误差项产生的原因、决定系数2R 含义及与相关系数的区别与联系、影响预测精度的主要因素。
第三章 多元线性回归掌握偏相关、可线性化模型等含义；理解修正的样本决定系数2R 的作用、多元回归模型中F 检验与t 检验的区别。
练习题 1、某公司为筹建百货公司选址做决策，对已有30个百货公司的相关数据做回归，结果如下：43210.30.1001.01.030ˆx x x x y++++= （标准差） （0.02） （0.01） （1.0） （1.0）其中，y 为第i 个百货公司的日均销售额（百美元）；x 1、x 2、x 3、x 4分别为第i 个百货公司前每小时通过的汽车数量（10辆）、所处区域内的人均收入（美元）、店内所有的桌子数量、所处地区竞争店面的数量。
请回答以下问题：1）说明本方程中系数0.1和0.01的经济含义？2）各变量前参数估计的符号是否与期望的符号一致？ 3）在0.05的显著水平下检验各变量的显著性。
（已知参数，已知t 0.025（25）=2.06, t 0.025（26）=2.056, t 0.05（25）1.708, t 0.05（26）=1.706）2、为研究中国各地区入境旅游状况，建立了各省市旅游外汇收入（y ，百万美元）、旅行社职工人数（x 1，人）、国际旅游人数（x 2，万人次）的模型，用2009年31个省市的截面数据估计结果如下：215452.11179.00263.151ˆx x y++= （t ） （-3.0668） （6.6529） （3.3781） R 2=0.9343 9296.02=R F=191.18941）从经济意义上考察估计模型的合理性，并解释各系数的含义；2）进行拟合优度检验；3）在5%水平上检验模型的整体显著性，并分别检验各参数的显著性。
(完整版)计量经济学重点知识归纳整理
1.普通最小二乘法(Ordinary Least Squares,OLS)：已知一组样本观测值{}n i Y X i i ,2,1:),(⋯=，普通最小二乘法要求样本回归函数尽可以好地拟合这组值，即样本回归线上的点∧i Y 与真实观测点Yt 的“总体误差”尽可能地小。
普通最小二乘法给出的判断标准是：被解释变量的估计值与实际观测值之差的平方和最小。
2.广义最小二乘法GLS ：加权最小二乘法具有比普通最小二乘法更普遍的意义，或者说普通最小二乘法只是加权最小二乘法中权恒取1时的一种特殊情况。
从此意义看，加权最小二乘法也称为广义最小二乘法。
3.加权最小二乘法WLS ：加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数。
4.工具变量法IV ：工具变量法是克服解释变量与随机干扰项相关影响的一种参数估计方法。
5.两阶段最小二乘法2SLS, Two Stage Least Squares ：两阶段最小二乘法是一种既适用于恰好识别的结构方程，以适用于过度识别的结构方程的单方程估计方法。
6.间接最小二乘法ILS ：间接最小二乘法是先对关于内生解释变量的简化式方程采用普通小最二乘法估计简化式参数，得到简化式参数估计量，然后过通参数关系体系，计算得到结构式参数的估计量的一种方法。
7.异方差性Heteroskedasticity ：对于不同的样本点，随机干扰项的方差不再是常数，而是互不相同，则认为出现了异方差性。
8.序列相关性Serial Correlation ：多元线性回归模型的基本假设之一是模型的随机干扰项相互独立或不相关。
如果模型的随机干扰项违背了相互独立的基本假设，称为存在序列相关性。
9.多重共线性Multicollinearity ：对于模型i k i i X X X Y μββββ++⋯+++=i k 22110i ，其基本假设之一是解释变量X 1,X 2,…,Xk 是相互独立的。
计量经济学知识要点
计量经济学复习知识要点计量经济学定义。
P1统计学、经济理论和数学的结合建立及应用计量经济学模型的主要步骤。
P9-P18理论模型的设计、样本数据的收集、模型参数的估计、模型的检验、模型的应用理论模型的设计包含的三局部工作。
P9选择变量、确定变量之间的数学关系、拟定模型中待估计参数的数值范围在确定了被解释变量之后，怎样才能正确地选择解释变量。
P9-P101)需要正确理解和把握所研究的经济现象中暗含的经济学理论和经济行为规律2)选择变量要考虑数据的可得性3)选择变量时要考虑所有入选变量之间的关系，使得每个解释变量都是独立的如何恰当地确定模型的数学形式。
P111）依据经济行为理论2）根据变量数据的散点图判断解释变量及被解释变量之间的数学关系3）试模拟常用的样本数据类型。
样本数据质量。
P12,P13时间序列数据、截面数据、虚变量数据完整性、准确性、可比性、一致性虚变量。
带常数项的计量模型引入虚拟变量个数原那么。
P13,p145虚变量数据也称为二进制数据，一般取0或1M-1 〔M为水平数量〕计量经济学模型必须通过四级检验。
P14经济意义检验、统计学检验、计量经济学检验、模型预测检验计量经济模型成功的三要素。
P16理论、方法、数据计量经济学模型几方面应用领域。
P18-P20构造分析、经济预测、政策评价、检验及开展经济理论相关分析及回归分析的区别及关系。
P23-P24联系：二者都是分析具有非确定性关系的变量区别：1.相关分析仅从数据上测度变量间的相关程度，所分析的变量地位是对称的，都是随机变量2.回归分析是分析变量的因果关系，所分析的变量地位是不对称的，解释变量被设为非随机变量随机误差项包含哪些因素影响。
P271）代表未知的影响因素2）代表残缺数据3）代表众多细小影响因素4）代表数据观测误差5）代表模型设定误差6）变量的内在随机性线性回归模型的根本假设。
违背根本假设的计量经济模型是否可以估计。
P30,P56-P571）回归模型是正确设定的2）解释变量X是确定型变量，并且互不相关3）解释变量及随机扰动项不想改4）随机扰动项服从零均值、同方差的正态分布5）随机扰动项具有零均值、同方差6）不同样本点对应的随机扰动项不相关最小二乘法和最大似然法的根本原理。
(完整版)计量经济学知识点(超全版)
1．经济变量：经济变量是用来描述经济因素数量水平的指标。
（3分）2．解释变量：是用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。
（2分）它对因变量的变动做出解释，表现为方程所描述的因果关系中的“因”。
（1分）3．被解释变量：是作为研究对象的变量。
（1分）它的变动是由解释变量做出解释的，表现为方程所描述的因果关系的果。
（2分）4．内生变量：是由模型系统内部因素所决定的变量，（2分）表现为具有一定概率分布的随机变量，是模型求解的结果。
（1分）5．外生变量：是由模型系统之外的因素决定的变量，表现为非随机变量。
（2分）它影响模型中的内生变量，其数值在模型求解之前就已经确定。
（1分）6．滞后变量：是滞后内生变量和滞后外生变量的合称，（1分）前期的内生变量称为滞后内生变量；（1分）前期的外生变量称为滞后外生变量。
（1分）7．前定变量：通常将外生变量和滞后变量合称为前定变量，（1分）即是在模型求解以前已经确定或需要确定的变量。
（2分）8．控制变量：在计量经济模型中人为设置的反映政策要求、决策者意愿、经济系统运行条件和状态等方面的变量，（2分）它一般属于外生变量。
（1分）9．计量经济模型：为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型，（2分）是以数学形式对客观经济现象所作的描述和概括。
（1分）10．函数关系：如果一个变量y的取值可以通过另一个变量或另一组变量以某种形式惟一地、精确地确定，则y与这个变量或这组变量之间的关系就是函数关系。
（3分）11．相关关系：如果一个变量y的取值受另一个变量或另一组变量的影响，但并不由它们惟一确定，则y与这个变量或这组变量之间的关系就是相关关系。
（3分）12．最小二乘法：用使估计的剩余平方和最小的原则确定样本回归函数的方法，称为最小二乘法。
（3分）13．高斯－马尔可夫定理：在古典假定条件下，OLS估计量是模型参数的最佳线性无偏估计量，这一结论即是高斯－马尔可夫定理。
(财务知识)计量经济学重点最全版
（财务知识）计量经济学重点计量经济学是以经济理论为前提，利用数学、数理统计方法和计算技术，根据实际观测资料来研究带有随机影响的经济数量关系和规律的壹门学科。
经济理论、数据和统计理论这三者对于真正了解现代经济生活中的数量关系都是必要的，但本身且非是充分条件。
三者结合起来就是力量，这种结合便构成了计量经济学。
经济理论的作用是对经济现象进行分析和解释，描述在壹定条件下经济变量之间的相互关系。
体当下计量经济学模型之中。
1.三大要素的经济理论：经济理论对于计量经济学是建立计量经济模型的依据和出发点。
计量经济学对于经济理论而言是理论到实际的桥梁和检验工具。
观测数据：主要是指统计数据和各种调查数据。
是所考察的经济对象的客观反映和信息载体，是计量经济工作处理的主要现实素材。
经济数据是计量经济分析的材料。
经济数据是经济规律的信息载体。
数据类型有时间序列数据、截面数据、平行数据、虚拟变量数据。
统计理论：是指各种数理统计方法，包括参数的估计，假设检验等内容。
是计量经济的主要数学基础，很多计量经济学方法都是在数理统计的基础上发展起来的。
2.计量经济模型的应用：结构分析经济预测政策评价检验和发展经济理论3.回归的含义：回归分析是研究关于壹个叫做被解释变量的变量对另壹个或多个叫做解释变量的依赖关系。
其用意在于通过后者（在重复抽样中）的已知或被设定值去估计和（或）预测前者的（总体）均值。
回归分析构成计量经济学的方法论基础，主要内容包括：根据样本观察值对经济计量模型参数进行估计，求得回归方程；对回归方程、参数估计值进行显著性检验；利用回归方程进行分析、评价及预测。
回归分析的用途：通过自变量的值来估计应变量的值。
对独立性进行假设检验——根据经济理论建立适当的假设。
通过自变量的值对应变量进行预测。
上述多个目标的综合。
4.回归关系和确定性关系：回归关系（统计关系）：研究的是非确定现象随机变量间的关系。
确定性关系（函数关系）：研究的是确定现象非随机变量间的关系。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（财务知识）计量经济学1、费里希（R.Frish）是经济计量学的主要开拓者和奠基人。
2、经济计量学和数理经济学和树立统计学的区别的关键之点是“经济变量关系的随机性特征”。
3、经济计量学识以数理经济学和树立统计学为理论基础和方法论基础的交叉科学。
它以客观经济系统中具有随机性特征的经济关系为研究对象，用数学模型方法描述具体的经济变量关系，为经济计量分析工作提供专门的指导理论和分析方法。
4、时序数据即时间序列数据。
时间序列数据是同壹统计指标按时间顺序记录的数据列。
5、横截面数据是在同壹时间，不同统计单位的相同统计指标组成的数据列。
6、对于壹个独立的经济模型来说，变量能够分为内生变量和外生变量。
内生变量被认为是具有壹定概率分布的随机变量，它们的数值是由模型自身决定的；外生变量被认为是非随机变量，它们的数值是在模型之外决定的。
7、对于模型中的壹个方程来说，等号左边的变量称为被解释变量，等号右边被称为解释变量。
在模型中壹个方程的被解释变量能够是其它方程的解释变量。
被解释变量壹定是模型的内生变量，而解释变量既包括外生变量，也包括壹部分内生变量。
8、滞后变量和前定变量。
有时模型的设计者仍使用内生变量的前期值作解释变量，在计量经济学中将这样的变量程为滞后变量。
滞后变量显然在求解模型之前是已知量，因此通常将外生变量和滞后变量合称为前定变量。
9、控制变量和政策变量。
由于控制论的思想不断渗入经济计量学，使某些经济计量模型具有政策控制的特点，因此在经济计量模型中又出现了控制变量、政策变量等名词。
政策变量或控制变量壹般在模型中表现为外生变量，但有时也表现为内生变量。
10、经济参数分为：外生参数和内生参数。
外生参数壹般是指依据经济法规人为确定的参数，如折旧率、税率、利息率等。
内生参数是依据样本观测值，运用统计方法估计得到的参数。
如何选择估计参数的方法和改进估计参数的方法，这是理论经济计量学的基本任务。
11、用数学模型描述经济系统应当遵循以下俩条基本原则：第壹、以理论分析作先导；第二模型规模大小要适度。
12、联立方程模型中的方程壹般划分为：随机方程和非随机方程。
随机方程是根据经济机能或经济行为构造的经济函数关系式。
在随机方程中，被解释变量被认为是服从某种概率分布的随机变量，且假设解释变量是非随机变量。
非随机方程是根据经济学理论和政策、法规的规定而构造的反应映某些经济变量关系得恒等式。
13、所谓经济计量分析工作是指依据经济理论分析，运用经济计量模型方法，研究现实经济系统的结构、水平、提供经济预测情报和评价经济政策等的经济研究和分析工作。
14、经济计量分析工作的程序包括四部分：1、设定模型；2、估计参数；3、检验模型；4、应用模型。
15、在社会经济现象中，变量之间的关系可分为俩类：函数关系和相关关系。
函数关系是指如果给定解释变量X的值，被解释变量Y的值就唯壹地确定了，Y和X的关系就是函数关系，即Y=f(X)。
相关关系是指如果给定了解释变量X的值，被解释变量Y的值不是唯壹确定，Y和X的关系就是相关关系。
16、回归分析和相关关系的联系和区别：回归分析研究壹个变量（被解释变量）对于壹个或多个其它变量（解释变量）的依存关系，其目的在于根据解释变量的数值来估计或预测被解释变量的总体均值。
相关分析研究变量之间相互关联的程度，用相关系数来表示，相关系数又分为简单相关系数和复相关系数；前者表示俩个变量之间的相互关联程度，后者描述三个或三个之上变量之间的相关程度。
回归分析和相关分析二者是有联系的，它们都是研究相关关系的方法。
但二者之间也有区别：相关分析关心的是变量之间的相关程度，但且不能给出变量之间的因果关系；而回归分析则要通过建立回归方程来估计解释变量和被解释变量之间的因果关系。
此外，在回归分析中，定义被解释变量为随机变量，解释变量为非随机变量；而在相关分析中，把所考察的变量都见作是随机变量。
27、复相关系数R表示所有解释变量和Y的线性相关程度。
在二元回归分析中，复相关系数R表示的就是解释变量X1X2和被解释变量Y之间的线性相关程度。
28、对总体回归模型的显著性检验（F检验）多元线性回归模型的总体显著性检验是检验所有解释变量对Y的共同影响是否显著。
构造F统计量：ESS/（k－１）R2/(k—1)F=——————=———————————其中k为模型中的参数个数，n为样本个数RSS/(n—k)（1—R2）/（n—k）对于给定的显著性水平，自由度为k—1和n—k，查F分布表可得临界值Fα（k-1,n-k），如果有F≥Fα（k-1,n-k）则认为X1和X2对Y的线性影响是显著的；反之，如果有F≤Fα（k -1,n-k），则总体线性回归模型不能成立。
29、方差非齐性：经典线性回归分析的壹个基本假定就是回归模型中的随机误差项的方差为常数，称为方差齐性假定或同方差性假定。
如果回归模型中的随机误差项的方差不是常数，则称随机误差项的方差非齐性或为异方差。
异方差主要存在于横截面数据中。
存在异方差性将导致的后果：1.参数的普通最小二乘估计虽然是无偏的，但却是非有效的。
2.参数估计量的方差估计量是有偏的，这将导致参数的假设检验也是非有效的。
30、方差非齐性的检验：1.样本分段比较法，这种方法由戈德菲尔德（S.M.Goldfeld）和匡特（R.E.Quan dt）于1972年提出的，又称为戈德菲尔德-匡特检验。
2.残差回归检验法，这种方法是用模型普通最小二乘估计的残差或其绝对值和平方作为被解释变量，建立各种回归方程，然后通过检验回归系数是否为0，来判断模型的随机误差项是否有某种变动规律，以确定异方差是否存在。
包括：（1）安斯卡姆伯（1961）和雷姆塞（1969）检验；（2）怀特检验（1980）；（3）戈里瑟检验（1969）31、方差非其性下的参数估计采用：加权最小二乘法。
鉴于异方差存在时普通最小二乘法估计的非有效性，对于已经检验确定存在非齐性方差的回归模型，就不应再直接应用普通最小二乘法来估计模型的参数。
通常，解决这壹问题的办法是采用加权最小二乘法。
32、序列相关性：对于时间序列资料，由于经济发展的惯性等原因，经济变量的前期水平往往会影响其后期水平，从而造成其前后期随机误差项的序列相关，也称为自相关。
产生序列相关性的原因：1.经济变量惯性的作用引起随机误差项自相关；2.经济行为的滞后性引起随机误差项自相关；3.壹些随机因素的干扰或影响引起随机误差项自相关；4.模型设定误差引起随机误差项自相关；5.观测数据处理引起随机误差项序列相关。
33、自相关性的后果：1.参数的普通最小二乘估计虽然是无偏的，但却是非有效的。
2.参数估计量的方差估计量是有偏的，这将导致参数的假设检验也是非有效的。
34、序列相关的检验——DW检验（德宾—瓦森检验）构造德宾—瓦森统计量：DW≈2（1-ρ），其中ρ为自相关系数，其变动范围在-1到+1之间，所以可得构造德宾—瓦森统计量的取值范围为：0≤DW≤4,显然，由检验统计量DW和样本回归残差的自相关系数ρ的关系可知：（1）当0≤DW＜2时，有0≤ρ＜1，这时样本回归残差中存在壹阶正自相关。
且DW的值越接近于0，ρ的值就越接近于1，表明样本回归残差中壹阶正自相关的程度就越强；当DW=0时，就有ρ=1，这时样本回归残差存在完全壹阶正自相性。
（2）当2＜DW≤4时，有-1≤ρ＜0，这时样本回归残差中存在壹阶负自相关。
且DW的值越接近于4，ρ的值就越接近于-1，表明样本回归残差中壹阶负自相关的程度就越强；当DW=4时，就有ρ=-1，这时样本回归残差存在完全壹阶负自相性。
（3）当DW=2时，有ρ=0，这时样本回归残差中不存在壹阶序列相关；DW的值越接近于2，样本回归残差中壹阶序列相关的程度就越弱。
在德宾—瓦森统计量临界值表中给出有上下俩个临界值d L和d U。
检验时可遵照如下规则进行：（1）若DW＜d L，拒绝ρ=0，则认为随机误差项μt存在壹阶正自相关；（2）若DW＞4-d L，拒绝ρ=0，则认为随机误差项μt存在壹阶负自相关；（3）若d U＜DW＜4-d L，接受ρ=0，则认为随机误差项μt不存在壹阶自相关；（4）若d L＜DW＜d U或４-d U＜DW＜4-d L则不能判断随机误差项μt是否存在壹阶序列相关。
35、序列相关情形下参数的估计（１）壹阶差分法：所谓差分就是考察变量的本期值和以前某期值之差，壹阶差分就是变量的本期值和前壹期值之差。
（２）广义差分法。
36、多重共线性是指线性回归模型中的若干解释变量或全部解释变量的样本观测值之间具有某种线性的关系。
其产生的原因：（1）经济变量之间往往存在同方向的变化趋势。
（2）经济变量之间往往存在着密切的关联程度。
（3）在模型中采用滞后变量也容易产生多重共线性。
（4）在建模过程中由于解释变量选择不当，引起了变量之间的多重共线性。
37、多重共线性产生的后果：（1）各个解释变量对被解释变量的影响很难精确鉴别。
（2）由于存在多重共线性时，模型回归系数估计量的方差会很大，这将使得进行显著性检验时认为回归系数的值和零无显著差异。
（3）模型参数的估计量对删除或增添少量的观测值以及删除壹个不显著的解释变量都可能非常敏感。
38、对多重共线性的检验（1）简单相关系数检测法：俩变量间的简单相关系数r是测定俩变量之间线性相关程度的重要指标，因此可用来检验回归模型的解释变量之间的共线程度。
（2）方差膨胀因子检测法：所谓方差膨胀因子就是将存在多重共线性时回归系数估计量的方差和无多重共线时回归系数估计量的方差对比而得出的比值系数。
如果某个解释变量和其他所有解释变量都不相关，则其方差膨胀因此为1；膨胀因子的值大于1，就意味着所考虑的解释变量和其他解释变量有壹定程度的相关，即存在壹定程度的多重共线性。
经验认为，方差膨胀因子大于5，多重共线性的程度就很严重。
（3）判定系数增量贡献法：这是希尔（H.Theil）提出的壹种方法，它是从解释变量和被解释变量的相关程度来检测多重共线性的。
51、在结构式模型中，壹些变量可能在壹个方程中作为解释变量，而在另壹方程中又作为被解释变量。
这就使得解释变量和随机误差项μ之间存在相关关系，从而违背了最小二乘估计理论的壹个重要假定，估计量因此是有偏的和非壹致的。
这就是所谓的联立方程偏倚。
52、简化式模型就是把结构式模型中的内生变量表示为前定变量和随机误差项的函数模型。
和结构参数不同，简化式参数反映前定变量的变化对内生变量产生的总影响，包括直接影响和间接影响。
简化式参数的最小二乘估计量是无偏的、壹致的。
53、所谓识别，就是能否从模型的简化式参数得出结构式参数。
如果能够得出，我们就说模型可识别；如果不能够得出，我们就说模型不可识别。
在可识别中，又分为恰好识别和过度识别二种。