計量經(jīng)濟學(xué)-重點講解

計量經(jīng)濟學(xué)-重點講解計量經(jīng)濟學(xué)重點第一章經(jīng)濟計量學(xué)的特征及研究范圍1、經(jīng)濟計量學(xué)的定義（P1）（1）經(jīng)濟計量學(xué)是利用經(jīng)濟理論、數(shù)學(xué)、統(tǒng)計推斷等工具對經(jīng)濟現(xiàn)象進行分析的一門社會科學(xué)；（2）經(jīng)濟計量學(xué)運用數(shù)理統(tǒng)計學(xué)分析經(jīng)濟數(shù)據(jù)，對構(gòu)建于數(shù)理經(jīng)濟學(xué)基礎(chǔ)之上的模型進行實證分析，并得出數(shù)值結(jié)果。2、學(xué)習(xí)計量經(jīng)濟學(xué)的目的（計量經(jīng)濟學(xué)與其它學(xué)科的區(qū)別）（P1-P2）（1）計量經(jīng)濟學(xué)與經(jīng)濟理論經(jīng)濟理論：提出的命題和假說，多以定性描述為主計量經(jīng)濟學(xué)：依據(jù)觀測或試驗，對大多數(shù)經(jīng)濟理論給出經(jīng)驗解釋，進行數(shù)值估計（2）計量經(jīng)濟學(xué)與數(shù)理經(jīng)濟學(xué)數(shù)理經(jīng)濟學(xué)：主要是用數(shù)學(xué)形式或方程（或模型）描述經(jīng)濟理論計量經(jīng)濟學(xué)：采用數(shù)理經(jīng)濟學(xué)家提出的數(shù)學(xué)模型，把這些數(shù)學(xué)模型轉(zhuǎn)換成可以用于經(jīng)驗驗證的（1）概念：是總體回歸函數(shù)的近似（2）表達式①確定/非隨機樣本回歸函數(shù)：?i=b1+b2Xib1：截距；b2：斜率②隨機/統(tǒng)計樣本回歸函數(shù)：Yi=b1+b2Xi+eiei：殘差項（殘差），ei=Yi-?iB1+B2Xi：系統(tǒng)/確定性部分μ：非系統(tǒng)/隨機部分6、條件期望與非條件期望（1）E（Y|Xi）（條件期望）：在解釋變量X給定條件下Y的條件期望，可以通過X給定條件下的條件（概率分布）得到；（2）非條件期望：在不考慮其他隨機變量取值情況時，某個隨機變量的期望值。它可以通過該隨機變量的非條件分布或邊緣分布得到。6、線性回歸模型回歸參數(shù)為線性（B）的模型7、回歸系數(shù)/回歸參數(shù)線性回歸模型中的B參數(shù)8、回歸系數(shù)的估計量（bs）說明了如何通過樣本數(shù)據(jù)來估計回歸系數(shù)Bs，計算出的回歸系數(shù)的值稱為樣本回歸估計值9、隨機總體回歸函數(shù)與隨機樣本回歸函數(shù)的關(guān)系（1）隨機樣本回歸函數(shù)：從所抽取樣本的角度說明了被解釋變量Yi同解釋變量Xi及殘差ei之間的關(guān)系；（2）隨機總體回歸函數(shù)：從總體的角度說明了被解釋變量Yi同解釋變量Xi及隨機誤差項μ之間的關(guān)系。10、關(guān)于線性回歸的兩種解釋（P25-P26）（1）變量線性：應(yīng)變量的條件均值是自變量的線性函數(shù)此解釋下的非線性回歸：E（Y）=B1+B2Xi2；E（Y）=B1+B2×1/Xi（2）參數(shù)線性：應(yīng)變量的條件均值是參數(shù)B的線性函數(shù)此解釋下的非線性回歸：E（Y）=B1+B22Xi*線性回歸在教材中指的是參數(shù)線性的回歸11、多元線性回歸的表達式（P26）（1）確定/非隨機總體回歸函數(shù)：E（X）=B1+B2X2i+B3X3i+B4X4i（2）隨機/統(tǒng)計總體回歸函數(shù)：Yi=B1+B2X2i+B3X3i+B4X4i+μi12、最小二乘法（OLS法）（P26-P28）（1）最小二乘以殘差（被解釋變量的實際值同擬合值之間的差）平方和最小的原則對回歸模型中的系數(shù)進行估計的方法。（1）表達式（2）重要性質(zhì)①用OLS法得出的樣本回歸線經(jīng)過樣本均值點：；②殘差的均值（）總為0；③對殘值與解釋變量的積求和，其值為0，即這兩個變量不相關(guān)：④對殘差與?i（估計的Yi）的積求和，其值為0，即第三章雙變量模型：假設(shè)檢驗1、古典線性回歸模型的假設(shè)（P41-P44）（1）回歸模型是參數(shù)線性的，但不一定是變量線性的：Yi=B1+B2Xi+μi（2）解釋變量X與擾動誤差項μ不相關(guān)（3）給定Xi，擾動項的期望或均值為0：E（μ|Xi）=0（4）μi的方差為常數(shù)，或同方差：var（μi）=σ2（每個Y值以相同的方差分布在其均值周圍，非這種情況為異方差）（5）無自相關(guān)假定：兩個誤差項之間不相關(guān)，cov（μi，μj）=0（6）回歸模型是正確假定的：實證分析的模型不存在設(shè)定偏差或設(shè)定誤差2、OLS估計量運用最小二乘法計算出的總體回歸參數(shù)的估計量3、普通最小二乘估計量的方差與標(biāo)準(zhǔn)誤（P44-P46）（1）的方差與標(biāo)準(zhǔn)誤①方差：②標(biāo)準(zhǔn)誤：（2）的方差與標(biāo)準(zhǔn)誤①方差：②標(biāo)準(zhǔn)差：（3）的計算公式（n-2為自由度：獨立觀察值的個數(shù)）（4）：回歸標(biāo)準(zhǔn)誤，常用于度量估計回歸線的擬合優(yōu)度，值越小，Y的回歸值越接近根據(jù)回歸模型得到的估計值4、OLS估計量的性質(zhì)（P46）（1）b1和b2是線性估計量：它們是隨機變量Y的線性函數(shù)（2）b1和b2是無偏估計量：E（b1）=B1，E（b2）=B2（3）E（σ^2）=σ^2：誤差方差的OLS估計量是無偏的（4）b1和b2是有效估計量：var（b1）小于B1的任意一個線性無偏估計量的方差，var（b2）小于B2的任意一個線性無偏估計量的方差5、OLS估計量的抽樣分布或概率分布（P47-P48）（1）新加的假設(shè)：在總體回歸函數(shù)Yi=B1+B2Xi+μi中，誤差項μi服從均值為0，方差為σ^2的正態(tài)分布：μi~N（0，σ^2）（2）OLS估計量服從的分布情況：b1~N（B1，σ2b1）b2~N（B2，σ2b2）6、假設(shè)檢驗（P48-P53）（1）使用公式（近似）（2）方法①置信區(qū)間法②顯著性檢驗法：對統(tǒng)計假設(shè)的檢驗過程（3）幾個相關(guān)檢驗①t檢驗法：基于t分布的統(tǒng)計假設(shè)檢驗過程②雙邊檢驗：備擇假設(shè)是雙邊假設(shè)的檢驗③單邊檢驗：備擇假設(shè)是單邊假設(shè)的檢驗7、判定系數(shù)r2（P53-P56）（1）重要公式：（TSS=ESS+RSS）①總平方和（TSS）=：真實Y值圍繞其均值的總變異；②解釋平方和（ESS）=：估計的Y值圍繞其均值（?=）的變異，也稱為回歸平方和（由解釋變量解釋的部分）③殘差平方和（RSS）=：Y變異未被解釋的部分（2）r2（判定系數(shù)）的定義：度量回歸線的擬合程度（回歸模型對Y變異的解釋比例/百分比）（3）r2的性質(zhì)①非負(fù)性②0≤r2≤1（4）r2的計算公式（5）r的計算公式8、同方差性方差相同9、異方差性方差不同10、BLUE最佳線性無偏估計量，即該估計量是無偏估計量，且在所有的無偏估計量中方差最小11、統(tǒng)計顯著拒絕零假設(shè)的簡稱第四章多元回歸：估計與假設(shè)檢驗1、三變量線性回歸模型E（Yi）=B1+B2Xt+B3X3tYi=B1+B2X2t+B3X3t+μi2、偏回歸系數(shù)（B2，B3）：（1）B2：在X3保持不變的情況下，X2單位變動引起Y均值E（Y）的變動量（2）B3：在X2保持不變的情況下，X3單位變動引起Y均值E（Y）的變動量3、多元線性回歸模型的若干假定（P73-P74）（1）回歸模型是參數(shù)線性的，并且是正確設(shè)定的（2）X2，X3與擾動誤差項μ不相關(guān)①X2，X3非隨機：自動滿足②X2，X3隨機：必須獨立同分布于誤差項μ（3）誤差項的期望或均值為0：E（μi）=0（4）同方差假定：var（μi）=σ2（5）誤差項μi，μi無自相關(guān)：兩個誤差項之間不相關(guān)，cov（μi，μj）i≠j（6）解釋變量X2和X3之間不存在完全共線性，即兩個解釋變量之間無嚴(yán)格的線性關(guān)系（X2不能表示為另一變量X3的線性函數(shù)）（7）隨機誤差μ服從均值為0，（同）方差為σ^2的正態(tài)分布：μi~N（0，σ2）4、多重共線性問題（1）完全共線性：解釋變量之間存在的精確的線性關(guān)系（2）完全多重共線性：解釋變量之間存在著多個精確的線性關(guān)系5、多元回歸函數(shù)的估計（P74-P75）6、OLS估計量的方差與標(biāo)準(zhǔn)誤（P75-P76）（1）b1的方差與標(biāo)準(zhǔn)誤（2）b1的方差與標(biāo)準(zhǔn)誤（3）b3的方差與標(biāo)準(zhǔn)誤7、多元判定系數(shù)（P76-P77）8、多元回歸的假設(shè)檢驗（P78）（方法類似于第三章）9、檢驗聯(lián)合假設(shè)（P80-P81）（1）聯(lián)合假設(shè)：H0：B2=B3=0（H0：R2=0）（多元回歸的總體顯著性檢驗）（2）三變量回歸模型的方差分析表變異來源平方和自由度MSS=ss/d.f.來自回歸（ESS）2來自殘差（RSS）n-3總計（TSS）n-1（2）F分布公式10、F與R2之間的重要關(guān)系（P82-P83）（1）關(guān)系式（2）R2形式的方差分析表變異來源平方和自由度MSS=SS/d.f.來源于回歸（ESS）2來源于殘差（RSS）n-3總和（TSS）n-111、設(shè)定誤差（P84）會導(dǎo)致模型中遺漏相關(guān)變量12、校正判定系數(shù)（P84-P85）（1）作用衡量了解釋變量能解釋的離差占被解釋變量總離差的比例（2）公式（3）性質(zhì)①如果k>1，則≤R2，即隨著模型中解釋變量個數(shù)的增加，校正判定系數(shù)越來越小于非校正判定系數(shù)②雖然未校正判定系數(shù)R2總為正，但校正判定系數(shù)可能為負(fù)13、受限最小二乘法（P86-P87）（1）受限模型：B2=B3=0（2）非受限模型：包含了所有相關(guān)變量（3）受限最小二乘法：對受限模型用OLS估計參數(shù)（4）非受限最小二乘法：對非受限模型用OLS估計參數(shù)（5）判定對模型施加限制是否有效的F分布公式14、顯著性檢驗（1）單個多元回歸系數(shù)的顯著性檢驗①提出零假設(shè)和備擇假設(shè)；②選擇適當(dāng)?shù)娘@著性水平；③在零假設(shè)為真的情況下，計算t統(tǒng)計量；④將t統(tǒng)計量的絕對值|t|同相應(yīng)自由度和顯著性水平下的臨界值相比較；⑤如果t統(tǒng)計量大于臨界值，則拒絕零假設(shè)。該步驟中務(wù)必要使用合適的單邊或雙邊檢驗。（2）所有偏斜率系數(shù)的顯著性檢驗①零假設(shè)：H0：B2=B3=...=Bk=0，即所有的偏回歸系數(shù)均為0；②備擇假設(shè)：至少一個偏回歸系數(shù)不為0；③運用方差分析和F檢驗；④如果F統(tǒng)計量的值大于相應(yīng)顯著性水平下的臨界值，拒絕零假設(shè)，否則接受；⑤（3）在（1）和（2）中可以不事先選擇好顯著性水平，只需得到相應(yīng)統(tǒng)計量的p值，如果p值足夠小，我們就可以拒絕零假設(shè)。第五章回歸模型的函數(shù)形式1、不同的函數(shù)形式（P121）模型形式斜率強性線性雙對數(shù)對數(shù)—線性線性—對數(shù)倒數(shù)逆對數(shù)2、多元對數(shù)線性回歸模型（P104-P107）3、線性趨勢模型（P110）4、多項式回歸模型（P116-P117）5、過原點的回歸（P118）6、標(biāo)準(zhǔn)化變量的回歸（P120）第六章虛擬變量回歸模型1、虛擬變量（P133-P134）因變量受到一些定性變量的影響，這類定性變量稱為虛擬變量，用D表示虛擬變量，虛擬變量的取值通常為0和1

2、虛擬變量陷阱（P136）引入的虛擬變量個數(shù)應(yīng)該比研究的類別少一個，否則就會造成完全多重共線，即通常說的虛擬變量陷阱3、虛擬變量回歸模型的類型包含一個定量變量、一個定性變量的回歸模型（1）只影響截距（加法模型）（2）只影響斜率（乘法模型）（3）同時影響截距與斜率（混合模型）4、交互效應(yīng)（P142）：交互作用虛擬變量5、分類變量和定性變量這類變量的取值不是一般的數(shù)據(jù)（數(shù)值變量或定量變量），它們通常代表所研究的對象是否具有的某種特征。6、方差分析模型（ANOVA）解釋變量僅包含定型變量或虛擬變量的回歸模型。7、協(xié)方差分析模型（ANOCVA）回歸模型中的解釋變量有些是線性的，有些是定量的。8、差別截距虛擬變量包含此變量的模型能夠分辨被解釋變量的均值在不同類別之間是否相同。9、差別斜率虛擬變量包含此變量的模型能夠分辨不同類別之間被解釋變量均值變化率的變化范圍第七章模型選擇：標(biāo)準(zhǔn)與檢驗1、好的模型具有的性質(zhì)（P164-P165）（1）簡約性：模型應(yīng)盡可能簡單；（2）可識別性：每個參數(shù)只有一個估計值；（3）擬合優(yōu)度：用模型中所包含的解釋變量盡可能地解釋應(yīng)變量的變化；（4）理論一致性：構(gòu)建模型時，必須有一定的理論基礎(chǔ)；（5）預(yù)測能力：選擇理論預(yù)測與實踐吻合的模型。2、產(chǎn)生設(shè)定誤差的原因（1）研究者對所研究問題的相關(guān)理論了解不深（2）研究者沒有關(guān)注本領(lǐng)域前期的研究成果（3）研究者在研究中缺乏相關(guān)數(shù)據(jù)（4）數(shù)據(jù)測量時的誤差3、設(shè)定誤差的類型（P165）（1）遺漏相關(guān)變量：“過低擬合”模型（P165-P168）實際模型：估計模型：后果：①如果遺漏變量X3與模型中的變量X2相關(guān)，則a1和a2是有偏的。也就是說，其均值或期望值與真實值不一致；②a1和a2也是不一致的，即無論樣本容量有多大，偏差也不會消失；③如果X2和X3不相關(guān)，則b32為零，即a2是無偏的，同時也是一致的；④根據(jù)兩變量模型得到的誤差方差是真實誤差方差σ2的有偏估計量；⑤此外，通常估計的a2的方差是真實估計量方差的有偏估計量。即使等于零，這一方差仍然是有偏的；⑥通常的置信區(qū)間和假設(shè)檢驗過程不再可靠。置信區(qū)間將會變寬，因此可能會“更頻繁地”接受零假設(shè)：系數(shù)的真實值為零。（2）包括不相關(guān)變量：“過度擬合”模型（P168-169）正確模型：錯誤模型：后果：①過度擬合模型的估計量是無偏的（也是一致的）；②從過度擬合方程得到的σ2的估計量是正確的；③建立在t檢驗和F檢驗基礎(chǔ)上的標(biāo)準(zhǔn)的置信區(qū)間和假設(shè)檢驗仍然是有效的；④從過度擬合模型中估計的a是無效的——其方差比真實模型中估計的b的方差大。因此，建立在a的標(biāo)準(zhǔn)誤上的置信區(qū)間比建立在b的標(biāo)準(zhǔn)誤上的置信區(qū)間寬，盡管前者的假設(shè)檢驗是有效的?？傊瑥倪^度擬合模型中得到的OLS估計量是線性無偏估計量，但不是最優(yōu)先性無偏估計量。（3）不正確的函數(shù)形式（P170-171）如果選了錯誤的函數(shù)形式，則估計的系數(shù)可能是真實系數(shù)的有偏估計量。（4）度量誤差①應(yīng)變量中度量誤差對回歸結(jié)果的影響i.OLS估計量是無偏的；ii.OLS估計量的方差也是無偏的；iii.估計量的估計方差比沒有度量誤差時的大，因為應(yīng)變量中的誤差加入到了誤差項中。②解釋變量的度量誤差對回歸結(jié)果的影響i.OLS估計量是有偏的；ii.OLS估計量也是不一致的。③解決方法：如果解釋變量中存在度量誤差，建議使用工具變量或替代變量。4、設(shè)定誤差的診斷（1）診斷非相關(guān)變量（P172-P174）（2）對遺漏變量和不正確函數(shù)形式的檢驗（P174-P175）①判定系數(shù)R2和校正后的R2（）。②估計的t值。③與先驗預(yù)期相比，估計系數(shù)的符號。（3）在線性和對數(shù)線性模型之間選擇：MWD檢驗（P175-P176）①設(shè)定如下假設(shè)。H0：線性模型：Y是X的線性函數(shù)H1：對數(shù)線性模型：lnY是X或lnX的線性函數(shù)②估計線性模型，得到Y(jié)的估計值③估計線性對數(shù)模型，得到lnY的估計值④求⑤做Y對X和的回歸，如果根據(jù)t檢驗的系數(shù)是統(tǒng)計顯著的，則拒絕H0⑥求⑦做lnY對X或lnX和的回歸，如果的系數(shù)是統(tǒng)計顯著的，則拒絕H1（4）回歸誤差設(shè)定檢驗：RESET（P177-P178）①根據(jù)模型估計出Y值。②把的高次冪，，等納入模型以獲取殘差和之間的系統(tǒng)關(guān)系。由于上圖表明殘差和估計的Y值之間可能存在曲線關(guān)系，因而考慮如下模型③令從以上模型中得到的為，從前一個方程得到的為，然后利用如下F檢驗判別從以上方程中增加的是否是統(tǒng)計顯著的。④如果在所選的顯著水平下計算的Ｆ值是統(tǒng)計顯著的，則認(rèn)為原始模型是錯誤設(shè)定的。第八章多重共線性：解釋變量相關(guān)會有什么后果1、完全多重共線性（P183-P185）回歸模型的某個解釋變量可以寫成其他解釋變量的線性組合。設(shè)X2可以寫成其他某些解釋變量的線性組合，即：X2=a3X3＋a4X4…＋akXk至少有一個ai≠0,（i=2,3,…k）稱存在完全多重共線性2、高度多重共線性（P185-P187）X2與其他解釋變量高度共線性，即可以近似寫成其他解釋變量的線性組合X2=a3X3＋a4X4…＋akXk＋i至少有一個ai≠0,(i=2,3,…k),vi是隨機誤差項。3、產(chǎn)生多重共線的原因（1）時間序列解釋變量受同一因素影響經(jīng)濟發(fā)展、政治事件、偶然事件、時間趨勢經(jīng)濟變量的共同趨勢（2）模型設(shè)立：解釋變量中含有當(dāng)期和滯后變量4、多重共線性的理論后果（P187-P188）OLS估計量仍然是最優(yōu)無偏估計量（1）在近似共線性的情形下，OLS估計量仍然是無偏的；（2）近似共線性并未破壞OLS估計量的最小方差性；（3）即使在總體回歸方程中變量X之間不是線性相關(guān)的，但在某個樣本中，X變量之間可能線性相關(guān)。5、多重共線性的實際后果（P188-P189）（1）OLS估計量的方差和標(biāo)準(zhǔn)誤較大；（2）置信區(qū)間變寬；（3）t值不顯著；（4）R2值較高；（5）OLS估計量及其標(biāo)準(zhǔn)誤對數(shù)據(jù)的微小變化非常敏感（6）回歸系數(shù)符號有誤；（7）難以評估各個解釋變量對回歸平方和（ESS）或者R2的貢獻6、多重共線性的診斷（P189-P192）（1）觀察回歸結(jié)果R2較高，F(xiàn)很大，但t值顯著的不多。（多重共線性的經(jīng)典特征）R2較高，F(xiàn)檢驗拒絕零假設(shè)，但各變量的t檢驗表明，沒有（或少有）變量系數(shù)是統(tǒng)計顯著的。（2）簡單相關(guān)系數(shù)法解釋變量兩兩高度相關(guān)。變量相關(guān)系數(shù)比如超過0.8，則可能存在較為嚴(yán)重的共線性。這一標(biāo)準(zhǔn)并不總是可靠，相關(guān)系數(shù)較低時，也有可能存在共線性（3）檢查偏相關(guān)系數(shù)（不一定可行）（4）判定系數(shù)法（輔助回歸）某個解釋變量對其余的解釋變量進行回歸如果判定系數(shù)很大，F(xiàn)檢驗顯著，即Xi與其他解釋變量存在多重共線（5）方差膨脹因子7、多重共線性的補救（P195-P198）（1）從模型中刪除引起共線性的變量①找出引起多重共線性的解釋變量，將它排除出去（最為簡單的克服多重共線性問題的方法）。②逐步回歸法i.逐步引入如果擬合優(yōu)度變化顯著—新引入的變量是一個獨立解釋變量；選擇解釋變量的原則:a.調(diào)整的R2增加,每個∣t∣增加,則保留引入變量；b.調(diào)整的R2下降,每個∣t∣變化不大,則刪除引入變量；ii.逐步剔除①排除變量時應(yīng)該注意：i.由實際經(jīng)濟分析確定變量的相對重要性，刪除不太重要的變量；ii.如果刪除變量不當(dāng)，會導(dǎo)致模型設(shè)定誤差。（2）獲取額外的數(shù)據(jù)或新的樣本（3）重新考慮模型（4）先驗信息（5）變量變換將原模型變換為差分模型可有效消除存在于原模型中的多重共線性一般，增量之間的線性關(guān)系遠(yuǎn)比總量之間的線性關(guān)系弱得多。第九章異方差：如果誤差方差不是常數(shù)會有什么后果1、異方差的定義隨機誤差項ui的方差隨著解釋變量Xi的變化而變化，即：2、異方差的性質(zhì)（P205-P208）OLS估計仍是線性無偏，但不具最小方差（1）線性性（2）無偏性（3）方差式1不具有最小方差，式2具有最小方差3、異方差性的后果（P209-P210）經(jīng)典模型假定下，OLS估計量是最優(yōu)線性無偏估計量（BLUE）。去掉同方差假定：（1）OLS估計量仍是線性的；（2）OLS估計量仍是無偏的；（3）OLS估計量不再具有最小方差性，即不再是最優(yōu)（有效）估計量。（4）OLS估計量的方差通常是有偏的；（5）偏差的產(chǎn)生是由于，即不再是真實σ2的無偏估計量；（6）建立在t分布和F分布之上的置信區(qū)間和假設(shè)檢驗是不可靠的，如果沿用傳統(tǒng)的檢驗方法，可能得出錯誤的結(jié)論。4、異方差的檢驗（1）圖形檢驗（P211-P212）e2對一個或多個解釋變量或Y的擬合值作圖。（2）帕克檢驗（ParkTest）（P212-P214）假定誤差方差與解釋變量相關(guān)形式：步驟：①做OLS估計②對ei求平方，取對數(shù)③做輔助回歸④檢驗零假設(shè)：B2=0（3）格萊澤檢驗（GlejserTest）（P214）假定誤差方差與解釋變量相關(guān)形式：步驟：①做OLS估計②對ei求絕對值③做輔助回歸方程④檢驗零假設(shè)：B2=0（4）懷特檢驗（WhiteTest）（P215-P216）假定誤差方差與X、X2和交叉乘積呈線性關(guān)系步驟：①OLS估計得殘差②做輔助回歸③檢驗統(tǒng)計量5、異方差的修正（1）加權(quán)最小二乘法WLS（WeightedLeastSquares）（P217-P222）①方差已知原模型：加權(quán)后的模型：誤差項的方差為：1加權(quán)的權(quán)數(shù)：②方差未知i.誤差方差與Xi成比例：模型變換：ii.誤差方差與Xi2成比例：模型變換：（2）懷特異方差校正的標(biāo)準(zhǔn)誤（P222-P223）①如果存在異方差，則對于通過OLS得到的估計量不能進行t檢驗和F檢驗。②懷特估計方法③大樣本情形下回歸標(biāo)準(zhǔn)差和回歸系數(shù)的一致估計量，可以進行t檢驗和F檢驗。第十章自相關(guān)：如果誤差項相關(guān)會有什么結(jié)果1、自相關(guān)的定義（P233）按時間或空間順序排列的觀察值之間存在的相關(guān)關(guān)系。2、自相關(guān)的性質(zhì)（P233-P234）（1）若古典線性回歸模型中誤差項ui不存在自相關(guān)Cov（ui，uj）=E（ui，uj）=0，i≠j（2）若誤差項之間存在著依賴關(guān)系—ui存在自相關(guān)Cov