計(jì)量經(jīng)濟(jì)學(xué)+重點(diǎn)

1計(jì)量經(jīng)濟(jì)學(xué)重點(diǎn)2第一章經(jīng)濟(jì)計(jì)量學(xué)的特征及研究范圍31、經(jīng)濟(jì)計(jì)量學(xué)的定義(P1)4(1)經(jīng)濟(jì)計(jì)量學(xué)是利用經(jīng)濟(jì)理論、數(shù)學(xué)、統(tǒng)計(jì)推斷等工具對(duì)經(jīng)濟(jì)現(xiàn)5象進(jìn)行分析的一門社會(huì)科學(xué)；6(2)經(jīng)濟(jì)計(jì)量學(xué)運(yùn)用數(shù)理統(tǒng)計(jì)學(xué)分析經(jīng)濟(jì)數(shù)據(jù)，對(duì)構(gòu)建于數(shù)理經(jīng)濟(jì)7學(xué)基礎(chǔ)之上的模型進(jìn)行實(shí)證分析，并得出數(shù)值結(jié)果。8 92、學(xué)習(xí)計(jì)量經(jīng)濟(jì)學(xué)的目的(計(jì)量經(jīng)濟(jì)學(xué)與其它學(xué)科的區(qū)別)(P1-P2) 10(1)計(jì)量經(jīng)濟(jì)學(xué)與經(jīng)濟(jì)理論11經(jīng)濟(jì)理論：提出的命題和假說(shuō)，多以定性描述為主13進(jìn)行數(shù)值估計(jì)14(2)計(jì)量經(jīng)濟(jì)學(xué)與數(shù)理經(jīng)濟(jì)學(xué)15數(shù)理經(jīng)濟(jì)學(xué)：主要是用數(shù)學(xué)形式或方程(或模型)描述經(jīng)濟(jì)理論16計(jì)量經(jīng)濟(jì)學(xué)：采用數(shù)理經(jīng)濟(jì)學(xué)家提出的數(shù)學(xué)模型，把這些數(shù)學(xué)模17型轉(zhuǎn)換成可以用于經(jīng)驗(yàn)驗(yàn)證的形式18(3)計(jì)量經(jīng)濟(jì)學(xué)與經(jīng)濟(jì)統(tǒng)計(jì)學(xué)19經(jīng)濟(jì)統(tǒng)計(jì)學(xué)：涉及經(jīng)濟(jì)數(shù)據(jù)的收集、處理、繪圖、制表20計(jì)量經(jīng)濟(jì)學(xué)：運(yùn)用數(shù)據(jù)驗(yàn)證結(jié)論223、進(jìn)行經(jīng)濟(jì)計(jì)量的分析步驟(P2-P3) (1)建立一個(gè)理論假說(shuō)(2)收集數(shù)據(jù)(3)設(shè)定數(shù)學(xué)模型26(4)設(shè)立統(tǒng)計(jì)或經(jīng)濟(jì)計(jì)量模型27(5)估計(jì)經(jīng)濟(jì)計(jì)量模型參數(shù)28(6)核查模型的適用性：模型設(shè)定檢驗(yàn)29(7)檢驗(yàn)源自模型的假設(shè)30(8)利用模型進(jìn)行預(yù)測(cè) 324、用于實(shí)證分析的三類數(shù)據(jù)(P3-P4) 33(1)時(shí)間序列數(shù)據(jù)：按時(shí)間跨度收集到的(定性數(shù)據(jù)、定量數(shù)據(jù))；34(2)截面數(shù)據(jù)：一個(gè)或多個(gè)變量在某一時(shí)點(diǎn)上的數(shù)據(jù)集合；35(3)合并數(shù)據(jù)：包括時(shí)間序列數(shù)據(jù)和截面數(shù)據(jù)。37同一個(gè)橫截面單位的跨期調(diào)查數(shù)據(jù))39第二章線性回歸的基本思想：雙變量模型401、回歸分析(P18)41用于研究一個(gè)變量(稱為被解釋變量或應(yīng)變量)與另一個(gè)或多個(gè)42變量(稱為解釋變量或自變量)之間的關(guān)系442、回歸分析的目的(P18-P19) 45(1)根據(jù)自變量的取值，估計(jì)應(yīng)變量的均值；46(2)檢驗(yàn)(建立在經(jīng)濟(jì)理論基礎(chǔ)上的)假設(shè)；47(3)根據(jù)樣本外自變量的取值，預(yù)測(cè)應(yīng)變量的均值；48(4)可同時(shí)進(jìn)行上述各項(xiàng)分析。503、總體回歸函數(shù)(PRF)(P19-P22)51(1)概念：反映了被解釋變量的均值同一個(gè)或多個(gè)解釋變量之間的52關(guān)系53(2)表達(dá)式：i12i2i12ii58μi：隨機(jī)擾動(dòng)項(xiàng)(隨機(jī)誤差項(xiàng)、噪聲)12i60μ：非系統(tǒng)/隨機(jī)部分i 624、隨機(jī)誤差項(xiàng)(P22) 65項(xiàng)的均值為066(2)性質(zhì) 67①誤差項(xiàng)代表了未納入模型變量的影響；68②反映人類行為的內(nèi)在隨機(jī)性；69③代表了度量誤差；70④反映了模型的次要因素，使得模型描述盡可能簡(jiǎn)單。725、樣本回歸函數(shù)(P22-P25)73(1)概念：是總體回歸函數(shù)的近似74(2)表達(dá)式75①確定/非隨機(jī)樣本回歸函數(shù)：?=b+bXi12i2i12ii78e：殘差項(xiàng)(殘差)，e=Y-?iiii12i826、條件期望與非條件期望84可以通過(guò)X給定條件下的條件(概率分布)得到；85(2)非條件期望：在不考慮其他隨機(jī)變量取值情況時(shí)，某個(gè)隨機(jī)變86量的期望值。它可以通過(guò)該隨機(jī)變量的非條件分布或邊緣分布得到。886、線性回歸模型 89回歸參數(shù)為線性(B)的模型 917、回歸系數(shù)/回歸參數(shù) 948、回歸系數(shù)的估計(jì)量(b) 95說(shuō)明了如何通過(guò)樣本數(shù)據(jù)來(lái)估計(jì)回歸系數(shù)Bs，計(jì)算出的回歸系96數(shù)的值稱為樣本回歸估計(jì)值 989、隨機(jī)總體回歸函數(shù)與隨機(jī)樣本回歸函數(shù)的關(guān)系 99(1)隨機(jī)樣本回歸函數(shù)：從所抽取樣本的角度說(shuō)明了被解釋變量Yiii101(2)隨機(jī)總體回歸函數(shù)：從總體的角度說(shuō)明了被解釋變量Y同解釋i102變量X及隨機(jī)誤差項(xiàng)μ之間的關(guān)系。i10410、關(guān)于線性回歸的兩種解釋(P25-P26)105(1)變量線性：應(yīng)變量的條件均值是自變量的線性函數(shù)12i12i12i109*線性回歸在教材中指的是參數(shù)線性的回歸【精品文檔】11111、多元線性回歸的表達(dá)式(P26)12(1)確定/非隨機(jī)總體回歸函數(shù)：E(X)=B+BX+BX+BX122i33i44ii122i33i44ii11512、最小二乘法(OLS法)(P26-P28)116(1)最小二乘118原則對(duì)回歸模型中的系數(shù)進(jìn)行估計(jì)的方法。119(1)表達(dá)式122(2)重要性質(zhì)1124②殘差的均值()總為0；ii129第三章雙變量模型：假設(shè)檢驗(yàn) 1301、古典線性回歸模型的假設(shè)(P41-P44) 131(1)回歸模型是參數(shù)線性的，但不一定是變量線性的：Y=B+BX+i12i132μi【精品文檔】133(2)解釋變量X與擾動(dòng)誤差項(xiàng)μ不相關(guān)134(3)給定X，擾動(dòng)項(xiàng)的期望或均值為0：E(μ|X)=0ii135(4)μ的方差為常數(shù)，或同方差：var(μ)=σ2(每個(gè)Y值以相ii136同的方差分布在其均值周圍，非這種情況為異方差)137(5)無(wú)自相關(guān)假定：兩個(gè)誤差項(xiàng)之間不相關(guān)，cov(μ，μ)=0ij138(6)回歸模型是正確假定的：實(shí)證分析的模型不存在設(shè)定偏差或設(shè)139定誤差、OLS估計(jì)量142運(yùn)用最小二乘法計(jì)算出的總體回歸參數(shù)的估計(jì)量1443、普通最小二乘估計(jì)量的方差與標(biāo)準(zhǔn)誤(P44-P46)(1)(1)1146①方差：147147②標(biāo)準(zhǔn)誤：(2)149①方差：150150②標(biāo)準(zhǔn)差：(3)【精品文檔】153153(4)：回歸標(biāo)準(zhǔn)誤，常用于度量估計(jì)回歸線的擬合優(yōu)度，1564、OLS估計(jì)量的性質(zhì)(P46)12121122bB1211221635、OLS估計(jì)量的抽樣分布或概率分布(P47-P48)12iiii11b122b21706、假設(shè)檢驗(yàn)(P48-P53)171(1)使用公式(近似)【精品文檔】(2)方法間法②顯著性檢驗(yàn)法：對(duì)統(tǒng)計(jì)假設(shè)的檢驗(yàn)過(guò)程(3)幾個(gè)相關(guān)檢驗(yàn)②雙邊檢驗(yàn)：備擇假設(shè)是雙邊假設(shè)的檢驗(yàn)③單邊檢驗(yàn)：備擇假設(shè)是單邊假設(shè)的檢驗(yàn)183183(1)重要公式：(TSS=ESS+RSS)①總平方和(TSS)=1185②解釋平方和(ESS)=：估計(jì)的Y值圍繞其均值(?=)的186變異，也稱為回歸平方和(由解釋變量解釋的部分)1187③殘差平方和(RSS)=：Y變異未被解釋的部分188(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(duì)Y189變異的解釋比例/百分比)(3)r2的性質(zhì)(4)r2的計(jì)算公式195(5)r的計(jì)算公式【精品文檔】1988、同方差性199方差相同 2019、異方差性 202方差不同20410、BLUE206偏估計(jì)量中方差最小20811、統(tǒng)計(jì)顯著209拒絕零假設(shè)的簡(jiǎn)稱211第四章多元回歸：估計(jì)與假設(shè)檢驗(yàn)2121、三變量線性回歸模型i12t33ti122t33ti2162、偏回歸系數(shù)(B，B)： 23Y232 218變動(dòng)量323220變動(dòng)量2223、多元線性回歸模型的若干假定(P73-P74)223(1)回歸模型是參數(shù)線性的，并且是正確設(shè)定的232323227(3)誤差項(xiàng)的期望或均值為0：E(μ)=0i228(4)同方差假定：var(μ)=σ2iiiijXX不存在完全共線性，即兩個(gè)解釋變量之232間無(wú)嚴(yán)格的線性關(guān)系(X不能表示為另一變量X的線性函數(shù))23i 2364、多重共線性問(wèn)題 237(1)完全共線性：解釋變量之間存在的精確的線性關(guān)系238(2)完全多重共線性：解釋變量之間存在著多個(gè)精確的線性關(guān)系【精品文檔】2405、多元回歸函數(shù)的估計(jì)(P74-P75)2456、OLS估計(jì)量的方差與標(biāo)準(zhǔn)誤(P75-P76)246(1)b的方差與標(biāo)準(zhǔn)誤1249(2)b的方差與標(biāo)準(zhǔn)誤1252(3)b的方差與標(biāo)準(zhǔn)誤32567、多元判定系數(shù)(P76-P77)【精品文檔】2598、多元回歸的假設(shè)檢驗(yàn)(P78)263(方法類似于第三章)2659、檢驗(yàn)聯(lián)合假設(shè)(P80-P81)266(1)聯(lián)合假設(shè)：H：B=B=0(H：R=0)(多元回歸的總體顯著性檢02302267驗(yàn))268(2)三變量回歸模型的方差分析表變異來(lái)變異來(lái)源來(lái)自回歸(ESS)來(lái)自殘差(RSS)總計(jì)(TSS)2n-1MSSssd.f.平方和269(2)F分布公式27210、F與R之間的重要關(guān)系(P82-P83) 273(1)關(guān)系式【精品文檔】275(2)R2形式的方差分析表變異來(lái)源來(lái)源于回歸(ESS)來(lái)源于殘差(RSS)總和(TSS)平方和2n-1MSSSS/d.f.27711、設(shè)定誤差(P84)278會(huì)導(dǎo)致模型中遺漏相關(guān)變量28012、校正判定系數(shù)(P84-P85)281(1)作用282衡量了解釋變量能解釋的離差占被解釋變量總離差的283比例284(2)公式286(3)性質(zhì)288正判定系數(shù)越來(lái)越小于非校正判定系數(shù)【精品文檔】289②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)29113、受限最小二乘法(P86-P87)23293(2)非受限模型：包含了所有相關(guān)變量S296(5)判定對(duì)模型施加限制是否有效的F分布公式 29914、顯著性檢驗(yàn) (1)單個(gè)多元回歸系數(shù)的顯著性檢驗(yàn)304④將t統(tǒng)計(jì)量的絕對(duì)值|t|同相應(yīng)自由度和顯著性水平下的臨界305值相比較；t假設(shè)。該步驟中務(wù)必要使307用合適的單邊或雙邊檢驗(yàn)。308(2)所有偏斜率系數(shù)的顯著性檢驗(yàn)309①零假設(shè)：H：B=B=...=B=0，即所有的偏回歸系數(shù)均為0；023k【精品文檔】310②備擇假設(shè)：至少一個(gè)偏回歸系數(shù)不為0；F的臨界值，拒絕零假313設(shè)，否則接受；314⑤315(3)在(1)和(2)中可以不事先選擇好顯著性水平，只需得到相318第五章回歸模型的函數(shù)形式3191、不同的函數(shù)形式(P121)模型模型線性雙對(duì)數(shù)對(duì)數(shù)—線性線性—對(duì)數(shù)倒數(shù)逆對(duì)數(shù)形式斜率性3212、多元對(duì)數(shù)線性回歸模型(P104-P107)【精品文檔】 3243、線性趨勢(shì)模型(P110) 3274、多項(xiàng)式回歸模型(P116-P117)3305、過(guò)原點(diǎn)的回歸(P118)3336、標(biāo)準(zhǔn)化變量的回歸(P120)338第六章虛擬變量回歸模型 3391、虛擬變量(P133-P134) 340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， 3432、虛擬變量陷阱(P136) 344引入的虛擬變量個(gè)數(shù)應(yīng)該比研究的類別少一個(gè)，否則就會(huì)造成完【精品文檔】345全多重共線，即通常說(shuō)的虛擬變量陷阱3473、虛擬變量回歸模型的類型348包含一個(gè)定量變量、一個(gè)定性變量的回歸模型349(1)只影響截距(加法模型)353(2)只影響斜率(乘法模型)357(3)同時(shí)影響截距與斜率(混合模型)3624、交互效應(yīng)(P142)3665、分類變量和定性變量 367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368通常代表所研究的對(duì)象是否具有的某種特征。 3706、方差分析模型(ANOVA) 371解釋變量?jī)H包含定型變量或虛擬變量的回歸模型。3737、協(xié)方差分析模型(ANOCVA)374回歸模型中的解釋變量有些是線性的，有些是定量的。 3768、差別截距虛擬變量 377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378是否相同。 3809、差別斜率虛擬變量 381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382率的變化范圍384第七章模型選擇：標(biāo)準(zhǔn)與檢驗(yàn)3851、好的模型具有的性質(zhì)(P164-P165)386(1)簡(jiǎn)約性：模型應(yīng)盡可能簡(jiǎn)單；387(2)可識(shí)別性：每個(gè)參數(shù)只有一個(gè)估計(jì)值；388(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389變化；【精品文檔】390(4)理論一致性：構(gòu)建模型時(shí)，必須有一定的理論基礎(chǔ)；(5)預(yù)測(cè)能力：選擇理論預(yù)測(cè)與實(shí)踐吻合的模型。(1)研究者對(duì)所研究問(wèn)題的相關(guān)理論了解不深(2)研究者沒(méi)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(cè)量時(shí)的誤差3、設(shè)定誤差的類型(P165)400(1)遺漏相關(guān)變量：“過(guò)低擬合”模型(P165-P168)401實(shí)際模型：402估計(jì)模型：403后果：43212405也就是說(shuō)，其均值或期望值與真實(shí)值不一致；406②a和a也是不一致的，即無(wú)論樣本容量有多大，偏差也不會(huì)消12407失；823322409致的；410④根據(jù)兩變量模型得到的誤差方差是真實(shí)誤差方差σ2的有偏估411計(jì)量；【精品文檔】⑤此外，通常估⑤此外，通常估計(jì)的估計(jì)量方差的2a2413有偏估計(jì)量。即使等于零，這一方差仍然是有偏的；415因此可能會(huì)“更頻繁地”接受零假設(shè)：系數(shù)的真實(shí)值為零。416(2)包括不相關(guān)變量：“過(guò)度擬合”模型(P168-169)417正確模型：418錯(cuò)誤模型：419后果：420①過(guò)度擬合模型的估計(jì)量是無(wú)偏的(也是一致的)；421②從過(guò)度擬合方程得到的σ2的估計(jì)量是正確的；423然是有效的；型中估計(jì)的a是無(wú)效的——其方差比真實(shí)模型中b前者的假設(shè)檢驗(yàn)是有效的?？傊?28先性無(wú)偏估計(jì)量。429(3)不正確的函數(shù)形式(P170-171)431估計(jì)量。432(4)度量誤差433①應(yīng)變量中度量誤差對(duì)回歸結(jié)果的影響【精品文檔】iiOLS方差也是無(wú)偏的；436iii.估計(jì)量的估計(jì)方差比沒(méi)有度量誤差時(shí)的大，因?yàn)閼?yīng)變量437中的誤差加入到了誤差項(xiàng)中。438②解釋變量的度量誤差對(duì)回歸結(jié)果的影響440ii.OLS估計(jì)量也是不一致的。442或替代變量。34444、設(shè)定誤差的診斷445(1)診斷非相關(guān)變量(P172-P174)446(2)對(duì)遺漏變量和不正確函數(shù)形式的檢驗(yàn)(P174-P175)89450(3)在線性和對(duì)數(shù)線性模型之間選擇：MWD檢驗(yàn)(P175-P176)1453數(shù)【精品文檔】4456④求458的，則拒絕H04459⑥求461則拒絕H1462(4)回歸誤差設(shè)定檢驗(yàn)：RESET(P177-P178)466而考慮如下模型746468③令從以上模型中得到的為，從前一個(gè)方程得到的為46469，然后利用如下F檢驗(yàn)判別從以上方程中增加的是否是統(tǒng)計(jì)470顯著的。1的顯著水平下計(jì)算的F值是統(tǒng)計(jì)顯著的，則認(rèn)為原473始模型是錯(cuò)誤設(shè)定的。4475第八章多重共線性：解釋變量相關(guān)會(huì)有什么后果4761、完全多重共線性(P183-P185)477回歸模型的某個(gè)解釋變量可以寫成其他解釋變量的線性組合。 478設(shè)X可以寫成其他某些解釋變量的線性組合，即：223344kk480至少有一個(gè)a≠0,(i=2,3,…k)稱存在完全多重共線性i14822、高度多重共線性(P185-P187)483X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2484線性組合23344kk486至少有一個(gè)a≠0,(i=2,3,…k),v是隨機(jī)誤差項(xiàng)。ii74883、產(chǎn)生多重共線的原因489(1)時(shí)間序列解釋變量受同一因素影響490經(jīng)濟(jì)發(fā)展、政治事件、偶然事件、時(shí)間趨勢(shì)491經(jīng)濟(jì)變量的共同趨勢(shì)492(2)模型設(shè)立：解釋變量中含有當(dāng)期和滯后變量34944、多重共線性的理論后果(P187-P188)495OLS估計(jì)量仍然是最優(yōu)無(wú)偏估計(jì)量近似共線性的情形下，OLS估計(jì)量仍然是無(wú)偏的；497(2)近似共線性并未破壞OLS估計(jì)量的最小方差性；498(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(gè) 5015、多重共線性的實(shí)際后果(P188-P189)S(2)置信區(qū)間變寬；(3)t值不顯著；(4)R2值較高；506(5)OLS估計(jì)量及其標(biāo)準(zhǔn)誤對(duì)數(shù)據(jù)的微小變化非常敏感507(6)回歸系數(shù)符號(hào)有誤；508(7)難以評(píng)估各個(gè)解釋變量對(duì)回歸平方和(ESS)或者R2的貢獻(xiàn)5106、多重共線性的診斷(P189-P192)511(1)觀察回歸結(jié)果514少有)變量系數(shù)是統(tǒng)計(jì)顯著的。515(2)簡(jiǎn)單相關(guān)系數(shù)法516解釋變量?jī)蓛筛叨认嚓P(guān)。517變量相關(guān)系數(shù)比如超過(guò)0.8，則可能存在較為嚴(yán)重的共線性。519(3)檢查偏相關(guān)系數(shù)(不一定可行)520(4)判定系數(shù)法(輔助回歸)521某個(gè)解釋變量對(duì)其余的解釋變量進(jìn)行回歸【精品文檔】i523共線524(5)方差膨脹因子 5277、多重共線性的補(bǔ)救(P195-P198) 528(1)從模型中刪除引起共線性的變量530克服多重共線性問(wèn)題的方法)?；貧w法533如果擬合優(yōu)度變化顯著—新引入的變量是一個(gè)獨(dú)立解釋變量；534選擇解釋變量的原則:t537ii.逐步剔除538①排除變量時(shí)應(yīng)該注意：539i.由實(shí)際經(jīng)濟(jì)分析確定變量的相對(duì)重要性，刪除不太重要的540變量；541ii.如果刪除變量不當(dāng)，會(huì)導(dǎo)致模型設(shè)定誤差。542(2)獲取額外的數(shù)據(jù)或新的樣本543(3)重新考慮模型【精品文檔】544(4)先驗(yàn)信息545(5)變量變換547將原模型變換為差分模型549可有效消除存在于原模型中的多重共線性550一般，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。552第九章異方差：如果誤差方差不是常數(shù)會(huì)有什么后果5531、異方差的定義554隨機(jī)誤差項(xiàng)u的方差隨著解釋變量X的變化而變化，即：ii5572、異方差的性質(zhì)(P205-P208)558OLS估計(jì)仍是線性無(wú)偏，但不具最小方差559(1)線性性561(2)無(wú)偏性563(3)方差【精品文檔】5673、異方差性的后果(P209-P210)568經(jīng)典模型假定下，OLS估計(jì)量是最優(yōu)線性無(wú)偏估計(jì)量(BLUE)。569去掉同方差假定：572(3)OLS估計(jì)量不再具有最小方差性，即不再是最優(yōu)(有效)估計(jì)573量。S575(5)偏差的產(chǎn)生是由于，即不再是真實(shí)σ2的無(wú)偏估計(jì)576量；578如果沿用傳統(tǒng)的檢驗(yàn)方法，可能得出錯(cuò)誤的結(jié)論。 5804、異方差的檢驗(yàn) 581(1)圖形檢驗(yàn)(P211-P212)【精品文檔】583(2)帕克檢驗(yàn)(ParkTest)(P212-P214)584假定誤差方差與解釋變量相關(guān)形式：588②對(duì)e求平方，取對(duì)數(shù)i589③做輔助回歸2591(3)格萊澤檢驗(yàn)(GlejserTest)(P214)592假定誤差方差與解釋變量相關(guān)形式：i做輔助回歸方程2599(4)懷特檢驗(yàn)(WhiteTest)(P215-P216)600假定誤差方差與X、X和交叉乘積呈線性關(guān)系2602步驟：【精品文檔】60603①OLS估計(jì)得殘差604②做輔助回歸605③檢驗(yàn)統(tǒng)計(jì)量6075、異方差的修正608(1)加權(quán)最小二乘法WLS(WeightedLeastSquares)(P217-P222)609①方差已知610原模型：611611加權(quán)后的模型：6613加權(quán)的權(quán)數(shù)：614②方差未知i617模型變換：621模型變換： 623(2)懷特異方差校正的標(biāo)準(zhǔn)誤(P222-P223)624①如果存在異方差，則對(duì)于通過(guò)OLS得到的估計(jì)量不能進(jìn)行t626②懷特估計(jì)方法630第十章自相關(guān)：如果誤差項(xiàng)相關(guān)會(huì)有什么結(jié)果6311、自相關(guān)的定義(P233)632按時(shí)間或空間順序排列的觀察值之間存在的相關(guān)關(guān)系。 6342、自相關(guān)的性質(zhì)(P233-P234) 635(1)若古典線性回歸模型中誤差項(xiàng)ui不存在自相關(guān)636Cov(ui