(财务知识)计量经济学
财务管理专业核心课程_ 财务管理专业主要课程
介绍金融会计运行的原理、方法及主要金融业务的会计核算与管理，包括：商业银行主要业务核算与管理、中央银行主要业务核算与管理、行间支付系统的核算与管理、各金融公司主要业务的核算与管理、损益与财务报告等。
15
预算会计
以预算管理为中心的宏观管理系统和管理手段，是核算、反映、监督中央与地方预算以及事业行政单位收支预算执行情况的专业会计。主要包括对政府机关,行政单位财政资金和事业单位业务资金的运动的核算。
24
财政学
以市场经济为背景，紧紧围绕效率、公平和经济稳定线索，讲授公共部门的经济活动。课程从市场失效引出公共部门（政府）的经济作用，在讲述公共产品、公共选择等基础理论的基础之上，进而论述公共支出、公共收入、财政管理制度和财政政策问题。
25
经济法
以我国现行的经济法律为依据，紧密结合我国社会主义市场经济体制建设和法制建设的实际，阐述我国的经济法律制度。
16
会计制度设计
企业会计制度设计的基本理论、基本方法，同时，结合会计组织机构和会计岗位分工，对企业基本经济业务的内部会计控制制度及核算规程进行设计。
17
国际企业财务管理
介绍国际上通用的财务管理知识，论述国际企业的财务管理，指有国际业务的企业，不仅包括在世界各地设立分支机构的跨国公司，还包括有以外币计价的资产、负债、收入及成本费用的国内企业。
12
财务管理
研究如何通过计划、决策、控制、考核、监督等管理活动对资金运动进行管理，以提高资金效益。
13
企业财务诊断
针对企业的财务经营状况进行全面的调查分析， 通过一系列的方法，找出企业在财务管理方面的问题，并提出相应的改进措施。
14
金融企业会计
计量经济学应用研究的可信性革命
计量经济学应用研究的可信性革命在过去的几十年中，计量经济学作为经济学的一个重要分支，已经经历了两次可信性革命。
这些革命彻底改变了我们对于计量经济学应用研究可信性的理解和实践。
第一次可信性革命发生在20世纪70年代，以弗朗哥·魁奈尔（Franco Modigliani）和默顿·米勒（Merton Miller）的诺贝尔经济学奖获奖研究——MM定理（Modigliani-Miller Theorem）为标志。
MM定理为企业的投资决策和财务政策提供了新的视角，并改变了经济学家对于公司财务政策的研究方向。
这一理论革命强调了如果一个公司的投资决策和财务政策不受到税收、破产成本、以及代理关系等因素的影响，那么公司的投资决策和财务政策将与企业的市场价值无关。
这一革命性的研究为后来的企业金融、资产定价和宏观经济学等领域的研究提供了重要的理论基础。
第二次可信性革命发生在21世纪初，以本·伯南克（Ben Bernanke）和亚当·斯密（Adam Smith）的宏观经济理论为标志。
他们强调了货币政策对于稳定经济的重要性，并提出了一个基于“流动性陷阱”和“自然失业率”的理论框架来解释经济周期。
这一理论框架强调了中央银行通过控制货币供应量来稳定经济的必要性，以及经济中的结构性因素如劳动力市场和金融市场的不完善对于宏观经济稳定的影响。
这一革命性的研究为后来的货币政策制定、经济周期分析以及国际经济政策协调等领域的研究提供了重要的理论基础。
今天，我们正处在一个新的可信性革命的边缘。
以大数据和人工智能为代表的新兴技术正在对计量经济学应用研究产生深远的影响。
大数据的出现使得我们能够处理和分析了更多的数据，而人工智能则帮助我们更加深入地挖掘和理解这些数据背后的经济规律和趋势。
大数据已经改变了计量经济学应用研究的范式。
传统的计量经济学研究通常依赖于假设和简化现实世界的复杂性。
然而，大数据为我们提供了一个更为接近现实的、复杂的数据世界，使我们能够更准确地刻画和理解经济现象。
大学二年级经济学计量经济学基础
大学二年级经济学计量经济学基础计量经济学是经济学中的一个重要分支，它是运用数学和统计方法对经济现象进行定量分析的学科。
作为经济学专业的学生，学习计量经济学基础是十分必要的。
在大学二年级，我们将学习计量经济学的基本概念、方法和应用。
本文将介绍计量经济学的概述、基本原理以及与实际经济数据的应用。
1. 计量经济学的概述计量经济学是经济学中研究经济现象的数量关系的一门学科。
它利用数学和统计学的工具，在收集到的经济数据的基础上，建立经济理论和经济政策的模型，分析经济现象之间的因果关系。
计量经济学的研究对象包括经济变量的测量、经济关系的建模以及经济政策的评估。
2. 计量经济学的基本原理计量经济学的基本原理包括经济变量的测量和建模。
首先，经济变量的测量是计量经济学的基础。
经济变量是指反映经济现象的数量指标，例如GDP、失业率等。
在计量经济学中，我们需要对这些经济变量进行准确的测量，以确保我们得到的分析结果是可靠的。
其次，建模是计量经济学的核心内容之一。
建模是指根据理论和数据，建立描述经济关系的数学模型。
通过建立适当的模型，我们可以揭示经济变量之间的因果关系，进一步进行经济政策的研究和制定。
在建立模型时，我们需要选择适当的经济理论和数学方法，同时注意模型的假设和限制条件。
3. 计量经济学的应用计量经济学的方法和理论在实际经济研究中有广泛的应用。
首先，计量经济学可以帮助我们分析经济政策的效果。
通过对政策变量和经济变量的关系进行测量和建模，我们可以评估不同政策对经济的影响，并提出合理的政策建议。
其次，计量经济学可以用于预测经济变量的未来走势。
通过对历史数据的分析和建模，我们可以预测未来经济变量的发展趋势，为政府和企业的决策提供参考。
例如，我们可以利用计量经济学的方法预测未来的通货膨胀率或利率。
最后，计量经济学还可以用于经济理论的验证与扩展。
通过对经济理论进行计量化的检验，我们可以评估理论的有效性和适用范围，并进一步发展和拓展经济学理论。
(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。
经济与金融专业学什么
经济与金融专业学什么引言经济与金融专业是当前大学中非常受欢迎的专业之一。
在经济全球化和金融市场不断发展的背景下，学习经济与金融专业成为了很多人的选择。
本文将介绍在经济与金融专业中学习的内容以及所涉及的知识领域。
经济学基础学习经济与金融专业的第一步是掌握经济学的基本理论和方法。
经济学研究的是社会资源的分配和利用，以及与之相关的生产、消费和分配问题。
在经济学基础课程中，学生将学习供求关系、市场结构、成本与效益分析等基本概念和基本理论。
金融学核心金融学是经济与金融专业的重要组成部分。
学习金融学可以帮助人们理解金融市场和金融产品的运作机制。
学生将学习金融市场的结构和功能，金融风险管理，投资组合理论，以及金融工程等内容。
通过学习金融学，学生将具备分析金融市场和金融产品的能力。
统计学与计量经济学统计学与计量经济学在经济与金融专业中也扮演着重要的角色。
统计学可以帮助人们分析和解读经济数据，掌握经济现象的变化规律。
计量经济学则是在统计学的基础上，运用数理统计方法研究经济现象的定量关系。
通过学习统计学和计量经济学，学生将具备处理经济数据和经济问题的能力。
财务管理财务管理是经济与金融专业中的另一个重要方向。
学习财务管理可以帮助人们理解企业的经营和决策过程，学习如何评估企业的财务状况和经营绩效。
学生还将学习财务规划、投资决策、资本结构、风险管理等内容。
通过学习财务管理，学生将具备分析和解决企业财务问题的能力。
国际金融与国际经济随着经济全球化的深入发展，国际金融与国际经济的学习变得越来越重要。
学生将学习国际贸易理论、国际金融市场、汇率决定和国际投资等内容。
通过学习国际金融和国际经济，学生将了解全球经济发展的格局和趋势，并具备分析国际经济问题的能力。
总结经济与金融专业不仅为学生提供了理论知识的学习，还培养了学生的分析和解决问题的能力。
通过学习经济与金融专业，学生将具备适应经济与金融领域工作的基础知识和能力。
以上只是介绍了经济与金融专业学习的一部分内容，希望学生们能够在专业学习中不断深入探索，为自己的未来发展打下坚实的基础。
经济金融学习的重点科目及顺序
1 公司理财-->金融市场学-->投资学-->货币银行学-->固定收益证券-->国际金融-->衍生工具-->金融工程学-->金融经济学--->各研究领域2 先看黄达的金融学（精编版），既了解了金融概述，也学习了货币银行学（国内金融学最基础部分）。
政治经济学，国际金融，投资学，金融投资，公司理财，财务管理，保险学，金融工程。
先看这些吧。
看完这些，就应该知道金融大概是怎么回事，怎么学了。
3 建议先学微观经济学，宏观经济学，计量经济学，再学货币银行学，公司理财，投资学，国际金融，金融市场学，货币经济学，金融工程学，国际经济学。
一家之言，仅供参考。
1。
基础类课程：宏观经济学/微观经济学/国际经济学/货币经济学（可由浅入深）2。
工具类课程：1）微积分/线性代数/概率论/数理统计/运筹学/微分方程和差分方程/随即过程/测度论2）统计学/计量经济学3）会计和财务知识4）计算机编程（如果可以）5）常用的软件（Excel，SAS，Eviews，Spss）这个会让你事半功倍，尤其和统计学，计量经济学一起学；3。
专业类课程：（1）金融市场与金融工具（有助于对整个金融有个全面感性的认识）（2）金融经济学；（3）资产定价；（股票/固定收益/衍生品）（5）金融工程学/投资学/公司财务/（6）各类金融企业管理学（银行管理学/保险学/。
）建议入门先看看莫顿的《金融学》、罗斯的《公司理财》、米什金的《货币金融学》。
这三本任选一本开始都可以，个人觉得没有先后之分。
如果三本全部看完，金融学的知识框架就有了，剩下的你自己就知道该看什么了。
－－－－个人意见，仅供参考。
公司金融学（金融机构管理）－投资学－金融市场学－国际金融市场－金融工程学－固定收益证券－衍生金融工具到这里我想就可以硕士毕业了吧？进一步学习的话，则应该：金融经济学（以及数理金融基础）－高级公司金融理论－高级资产定价理论－实证金融法和金融学行为金融学这三个可以作为博士生的不同研究方向吧。
计量经济学论文研究主题选取
1、政府间策略性博弈中的FDI区位选择研究〔1〕我国外商直接投资的空间分布结构分析结合外商直接投资理论、新地理经济学理论、空间经济学理论，运用Moran指数、Moran 散点图、Moran’I、Geary’C、局部Moran、局部Geary与LISA等指标从全域与局域两个层面考察我国FDI的区域空间及产业空间的关联性，包括FDI的区域分布、FDI的产业分布是否存在地理上的结块效应，以及这种集聚特征的时空跃变规律。
〔2〕我国地方政府间的策略性博弈行为分析基于空间经济分析理论，本部分将总结归纳某地方政府支出决策与其它政府支出决策之间的关系，即影响地方政府支出规模与结构决策的因素应包括：自身预算约束、其它政府的同期博弈、其它政府的跨期博弈。
在此基础上，拟运用空间动态面板模型，考察地方政府尤其是在财政政策上的竞争和博弈行为，包括同期外溢效应、时间滞后效应与跨期外溢效应。
〔3〕地方政府间策略性博弈行为影响FDI区位选择的理论机制基于“第三方效应”理论，构建由某地方政府、其它政府与外资企业三方参与的两阶段博弈模型，试图阐明地方政府间策略性博弈行为影响FDI区位选择的机理：①政府间相对竞争的强弱会影响两区域内外资企业的相对生产成本，影响外资企业的生产决策；②政府间竞争的外溢效应会改变本区域外资企业生产总成本；③不同产业对于地方政府竞争行为引致的生产成本变化的敏感性差异，会导致产业空间分布的变化。
〔4〕地方政府间策略性博弈行为影响FDI区位选择的经验检验基于上述模型分析，结合FDI区位选择理论，采用空间滞后模型、空间误差模型等空间计量模型，建立地方政府间策略性博弈行为影响FDI的实证模型，验证地方政府竞争的同期外溢效应、时间滞后效应与跨期外溢效应对FDI流入及FDI产业结构的影响，并结合不同的空间权重矩阵以及不同的“距离”范围，考察这种影响效应的差异性。
〔5〕有效利用地方政府间策略性博弈行为优化FDI的策略研究着重从以下两个方面就优化FDI从地方政府竞争行为视角提出相关对策：一是如何充分考虑与邻近区域政府在政策上可能存在的冲突，充分运用本区域政策促进区域要素结构提升与环境改善，强化本省政府行为尤其是财政行为的引资效应。
计量经济学时间序列
计量经济学中的时间序列是指按照时间顺序排列的一系列数据，这些数据可以是同一指标在不同时间点的观测值，也可以是多个指标在不同时间点的观测值组合。
时间序列数据的分析主要涉及两个方面：一是数据平稳性检验，二是数据建模与分析。
数据平稳性检验是时间序列分析中非常重要的一个步骤。
平稳性是指时间序列数据的统计特性不随时间推移而发生变化。
如果数据不满足平稳性条件，那么传统的回归分析方法可能会出现问题。
因此，在利用回归分析方法讨论经济变量有意义的经济关系之前，必须对经济变量时间序列的平稳性与非平稳性进行判断。
如果数据是非平稳的，可能需要采用适当的处理方法，如差分、对数转换等，使其满足平稳性条件。
在数据平稳性检验通过后，接下来需要进行数据建模与分析。
在计量经济学中，自回归模型（AR模型）是一种常用的时间序列模型。
自回归模型是统计上一种处理时间序列的方法，它用同一变数例如x 的之前各期，亦即x 1至x t-1来预测本期x t的表现，并假设它们为一线性关系。
除了自回归模型外，还有其他的模型可用于时间序列分析，如移动平均模型（MA模型）、自回归移动平均模型（ARMA模型）等。
这些模型的参数估计与假设检验方法也是计量经济学中研究的重点内容之一。
总之，计量经济学中的时间序列分析是一个相对独立且完整的领域，它为经济学、金融学等领域的研究提供了重要的方法论支持和实践指导。
- 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)。
1、费里希（R.Frish）是经济计量学的主要开拓者和奠基人。
2、经济计量学与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。
时间序列数据是同一统计指标按时间顺序记录的数据列。
5、横截面数据是在同一时间，不同统计单位的相同统计指标组成的数据列。
6、对于一个独立的经济模型来说，变量可以分为内生变量和外生变量。
内生变量被认为是具有一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、对于模型中的一个方程来说，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。
在模型中一个方程的被解释变量可以是其它方程的解释变量。
被解释变量一定是模型的内生变量，而解释变量既包括外生变量，也包括一部分内生变量。
8、滞后变量与前定变量。
有时模型的设计者还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与滞后变量合称为前定变量。
9、控制变量与政策变量。
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一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。
外生参数一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两条基本原则：第一、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一般划分为：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两类：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的值就唯一地确定了，Y与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的值不是唯一确定，Y与X的关系就是相关关系。
16、回归分析与相关关系的联系与区别：回归分析研究一个变量（被解释变量）对于一个或多个其它变量（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；前者表示两个变量之间的相互关联程度，后者描述三个或三个以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，但并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与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，把所考察的变量都看作是随机变量。
27、复相关系数R表示所有解释变量与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与被解释变量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一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.Quand t）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与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，解决这一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；3.一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一阶正自相关。
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一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一阶正自相性。
（2）当2＜DW≤4时，有-1≤ρ＜0，这时样本回归残差中存在一阶负自相关。
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一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一阶负自相性。
（3）当DW=2时，有ρ=0，这时样本回归残差中不存在一阶序列相关；DW的值越接近于2，样本回归残差中一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两个临界值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存在一阶正自相关；（2）若DW＞4-d L，拒绝ρ=0，则认为随机误差项μt存在一阶负自相关；（3）若d U＜DW＜4-d L，接受ρ=0，则认为随机误差项μt不存在一阶自相关；（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是否存在一阶序列相关。
35、序列相关情形下参数的估计（１）一阶差分法：所谓差分就是考察变量的本期值与以前某期值之差，一阶差分就是变量的本期值与前一期值之差。
（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与零无显著差异。
（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一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：两变量间的简单相关系数r是测定两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与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。
如果某个解释变量与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与其他解释变量有一定程度的相关，即存在一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）提出的一种方法，它是从解释变量与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，一些变量可能在一个方程中作为解释变量，而在另一方程中又作为被解释变量。
这就使得解释变量与随机误差项μ之间存在相关关系，从而违背了最小二乘估计理论的一个重要假定，估计量因此是有偏的和非一致的。
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。
与结构参数不同，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、一致的。
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，又分为恰好识别与过度识别二种。
所谓恰好识别，就是能够从简化式参数种获得唯一的结构参数；所谓过度识别，就是从简化参数中获得的结构参数不止一个。