了某些解释变量，样本数据的观测误差所导致。
4.在多元线性回归分析中，t检验与F检验有何不同?在一元线性回归分析中二者是否有等价的作用?
在多元线性回归分析中，t检验常被用作检验回归方程中各个参数的显著性，而F检验则被用作检验整个回归关系的显著性。各解释变量联合起来对被解释变量有显著的线性关系，并不意味着每一个解释变量分别对被解释变量有显著的线性关系。在一元线性回归分析中，二者具有等价作用，因为二者都是对共同的假设——解释变量的参数等于零——进行检验。
5、如果线性回归模型存在自相关，那会导致什么后果？检验自相关的方法有哪些？
6、总体回归模型与样本回归模型的区别与联系。
：简单线性回归模型与多元线性回归模型的区别与联系： 模型类型 参数估计 采用普通最小二乘法（OLS）和极大似然估简单计法。 线性一方面看，也正是由于这些回归假定，才能对经济问题进行模型 高度抽象，从而更深刻地揭示经济问题的内在规律，变量之间的因果关系。 2、两种模型解决的主要问题相同：根据观测样本估上。 个增加到两个以现所研究的经济过程。从另似，解释变量由一区别 检验方法 回归系数显著性检验（Z-检验、T-检验、F-检验） 经济意义 虽然建立在某些假定条件不变前提下抽象出来的回归函数不能百分之百地再联系 1、多元线性回归模型和简单线性回归模型基本类结构参数即回归系数采用最多元线性随机扰动项参回归数对其方差进模型 行估计。 判定系数检验（R检验），回 计模型中的各个参数；对估计的参数及回归方程进行统计检验；利用回归模型进行预测和经济分析。 小二乘法估计；归系数显著性检验（T检验），回归方程显著性检验（F检验）。 7、对于多元线性回归模型，调整的可决系数的作用是什么？为什么在进行了总体显著性F检验之后，还要对每个回归系数进行t检验？
8、加权最小二乘法的基本原理是什么？为什么要使用加权最小二乘法估计参数？ 9、序列自相关性的后果是什么？简述DW检验的局限性？ 后果：第六章ppt6/7/8
局限:（1）有假定前提条件（ 5个条件）
（2）要求有足够样本量（一般要求n≥15） (3）有不确定区域 (4)只能检验一阶自相关
10、虚拟变量引入的原则是什么？虚拟变量引入的方式及及其作用是什么？
原则：（1）如果一个定性因素有m方面的特征，则在模型中引入m-1个虚拟变量；（1分）
（2）如果模型中有m个定性因素，而每个定性因素只有两方面的属性或特征，则在模型中引入m个虚拟变量；如果定性因素有两个及以上个属性，则参照“一个因素多个属性”的设置虚拟变量。（2分）
（3）虚拟变量取值应从分析问题的目的出发予以界定；（1分）
（4）虚拟变量在单一方程中可以作为解释变量也可以作为被解释变量。（1分） 作用：（1）加法方式：其作用是改变了模型的截距水平；（2分）
（2）乘法方式：其作用在于两个模型间的比较、因素间的交互影响分析和提高模型的描述精度；（2分） ??
（3）一般方式：即影响模型的截距有影响模型的斜率。（1分）
11、可决系数R2说明了什么？在简单线性回归中它与斜率系数的t检验的关系是什么？
第二章PPT31/32/33
12、 White检验异方差的基本思想及其检验步骤是什么？ 基本思想：第五章ppt17 检验步骤：第五章ppt19
13、什么是总体回归函数和样本回归函数，它们之间的区别是什么？
总体回归函数：将总体应变量的条件期望表示为解释变量的某种函数，样本回归函数：将应变量Y的样本观测值的条件均值表示为解释变量的某种函数。
样本回归函数与总体回归函数的联系：
（1）样本回归函数的函数形式应与设定的总体回归函数的函数形式保持一致； （2）样本回归函数的回归系数是对总体回归函数参数的估计；
（3）样本回归函数的因变量估计值是总体回归函数因变量估计值的估计； （4）回归分析的目的是用样本回归函数去估计总体回归函数。 样本回归函数与总体回归函数的区别：
（1）总体回归线是未知，但它是确定的；样本回归线随抽样波动而变化，可以有许多条。 （2）总体回归函数的参数虽未知，但是确定的常数；样本回归函数的回归系数可估计，但是随抽样而变化的随机变量；
（3）总体回归函数中的随机误差项ut 是不可直接观测的；而样本回归函数中的残差et 是只要估计出样本回归估计值 就可以计算的数值。
14、假如你是中国人民银行的顾问，需要你对增加货币供应量促进经济增长提出建议，你将考虑哪些因素？你认为可以怎样运用计量经济学的研究方法？
答：可以考虑以下因素：投资规模、通货膨胀、物价总水平、失业率、就业者人数及其受教育程度、资本存量、技术进步，国民生产总值等等；
我们从这些所有因素中选择一些因素，比如投资规模、劳动人口数、技术进步速度、通货膨胀率对国民生产总值回归，建立回归方程；收集数据；作回归；然后检验、修正。
15、多元线性回归模型的古典假定有哪些？为什么要做古典假定？
16、什么是多重共线性？产生多重共线性的原因是什么？
（1）多重共线性分为完全多重共线性与不完全多重共线性。
（2）完全多重共线性是指，一个具有k个解释变量x2,x3,?,xk的线性回归模型里，如果存在不全为零的数?2,?3,?,?k,使得?2x2??2x2????kxk?0成立，则称这些解释变量之间存在完全的多重共线性。
产生完全的多重共线性的后果是：①参数估计值不确定；②参数估计值的方差无限大。
（3）不完全多重共线性是指，一个具有k个解释变量x2,x3,?,xk的线性回归模型里，如果存在不全为零的数?2,?3,?,?k,使得?2x2??2x2????kxk???0成立，其中?为随机误差项，则称这些解释变量之间存在不完全的多重共线性。 产生不完全的多重共线性的后果是：①有可能求出参数的估计值，但估计值很不稳定②参数估计值的方差会随多重共线性（近似）程度的提高而增大。导致的直接结果是：①对总体参数的区间估计将会降低可靠性（区间变宽）。②对总体参数的显著性检验（t检验）在统计上将会不显著。
17、自相关性产生的原因有那些？简述序列相关性的几种检验方法。 第六章原因：PPT5 检验方法：ppt9/10 18、在多元线性回归分析中，为什么用修正的决定系数R2衡量估计模型对样本观测值的拟合优度？修正的决定系数R2有什么作用。
因为人们发现随着模型中解释变量的增多，多重决定系数R2的值往往会变
大，从而增加了模型的解释功能。这样就使得人们认为要使模型拟合得好，就必须增加解释变量。但是，在样本容量一定的情况下，增加解释变量必定使得待估参数的个数增加，从而损失自由度，而实际中如果引入的解释变量并非必要的话可能会产生很多问题，比如，降低预测精确度、引起多重共线性等等。为此用修正的决定系数来估计模型对样本观测值的拟合优度。
R2?1??(yt?y)2/n?12e?t/n?k?1，其作用有：（1）用自由度调整后，可以消除拟合优
度评价中解释变量多少对决定系数计算的影响；（2）对于包含解释变量个数不
同的模型，可以用调整后的决定系数直接比较它们的拟合优度的高低，但不能用