计量重点，完结版
一、 经济意义检验P16（结合书本列子加以理解）
根据拟定的符号、大小、关系，对参数估计结果的可靠性进行判断。
二、 P25 第七题
三、P27 2.1
回归分析是研究一个变量关于另一个（些）变量的具体依赖关系的计算方法和理论。其目的在于通过后者的已知或设定值，去估计和（或）预测前者的（总体）均值。 相关分析与回归分析的区别联系
1、 两者都是研究非确定性变量间的统计依赖关系，并能度量线性
依赖关系程度的大小。
2、 相关分析仅仅是从统计数据上测度变量间的相关程度，而无需
考察两者间是否有因果关系，且变量间的地位是对称的，回归
分析则更注重具有统计相关关系的变量间的因果关系分析，变量的地位是不对称的，有解释变量和被解释变量之分。 3、 相关分析只注重变量间的联系程度，不关注具体的依赖关系，
二回归分析则更加注重变量间的具体依赖关系。
随机干扰项：
1、代表未知的影响因素：对所考察总体认识上的非完备性，许多未知的影响因素无法引入模型。
2、代表残缺数据：有些变量的数据无法取得。
3、代表众多细小影响因素：有些影响因素对被解释变量的影响是细小的。（原生）
4、代表数据观测误差：观测数据存在测量误差。
5、代表模型设定误差：实际设定的模型可能与真实的模型有偏差。 6、变量的内在随机性：某些变量所固有的随机性，也会对被解释变量产生随机性影响。（原生）
四、P34基本假设 1、 关于模型关系的假设
模型设定正确假设：模型选择了正确的变量；模型选择了正确的函数形式。
2、 关于解释变量的假设
A、样本观测值变异性假设：所抽取的解释变量具有变异性。
B、样本方差假设：随着样本容量的无限增加，解释变量X的样本方差趋于一有限常数。 3、 关于随机项的假设 A、0均值假设：
E(?iX)?0,i?1,2,?,n随机干扰项的条件零均值假设意味着μ的期望不依赖于X的观测值，总为常数零，也表明μ与X不存在任何形式的相关性。因此该假设成立时称X为外生解释变量,否则称X为内生解释变量。 B、同方差及序列不相关性： (?iX)??2,i?1,2,?,nVarCov(?i,?jX)?0,i,j?1,2,?,n,i?j随机干扰项u具有给定X任何条件下的同方差性及序列不相关性。序列不相关，是指任意两个不同的观测点的随机干扰项不相关。 C、随机干扰项服从零均值、同方差的正态分布
五、最大似然法原理
最大似然法，也称最大或然法，是不同于最小二乘法的另一种参数估计方法，是从最大似然原理出发发展起来的其它估计方法的基础。 基本原理：当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大。
六、拟合优度检验
拟合优度检验：对样本回归直线与样本观测值之间拟合程度的检验。
七、P49 t检验—变量的显著性检验
?~N(?,1、 ?11?2
?xi2)????1t??1~t(n?2)22 S????xi?
1????11由样本计算 t 统计量值；给定显著性水平?，查t分布表得临界值t
?/2(n-2)；
比较，判断：
若 |t|> t ?/2(n-2)，则以（1－α）的置信度拒绝H0 ，接受H1 ； 若 |t|? t ?/2(n-2)，则以（1－α）的置信度不拒绝H0。
八、P60 偏回归系数定义
?j也被称为偏回归系数，表示在其他解释变量保持不变的情况下，Xj
每变化1个单位时，Y的均值E(Y)的变化。
九、 P67参数估计的三性质
在满足基本假设的情况下，多元线性模型结构参数 ? 的普通最小二乘估计、最大似然估计及矩估计具有线性性、无偏性、有效性。 同时，随着样本容量增加，参数估计量具有渐近无偏性、渐近有效性、一致性。 无偏性
?1?E(β)?E((X?X)X?Y)?1??E((XX)X?(Xβ?μ))?β?(X?X)E(X?μ)?β这里利用了假设: E(X’?)=0 有效性：
?1