计量经济学：是一门利用经济学、数学、统计学从数量上研究宏观和微观经济行为关系的综合性经济学学科
计经学研究过程：1理论模型设定2样本数据的取得3参数估计4模型检验5模型应用 时间序列数据：一个变量在不同时间取值的一组观测结果
虚拟变量：根据属性类型，构造只取“0”或“1”非此即彼的人工变量，通常记为D 样本数据的数据质量要求：完整性、准确性、可比性、一致性
模型检验的内容：1经济意义检验2统计检验3计量经济学检验4模型预测检验 移动平均：对时间序列数据的前后数据求平均，将不必要的变动平滑，也即剔除这些变动，从而发现长期变化方向的一种方法 变动系数（变异系数）=标准差/算术平均数 标准化变量=（X-算术平均数）/标准差 回归现象：当自变量既定，因变量在依概率在一定范围内向期望值靠拢现象
随机扰动项产生的原因：1客观现象的随机性质2模型中省略的变量3测量与归并误差4数学模型形式设定造成的误差
经典线性回归模型的基本假定：1线性回归模型，即回归模型就参数而言是线性的2在每次重复抽样中，解释变量X的取值具有确定性3 X的值具有变异性 4对于给定的任一个Xi，相应的的随机扰动项ui的均值等于零5对于所有的观测对象，ui的方差都是相等的6随机扰动项之间不存在自相关7 ui和uj的协方差为零8解释变量之间不存在完全的线性关系9观察次数n必须大于估计参数的个数10正确设定了回归模型
最小二乘法：是一种参数估计方法，确定估计参数的准则是使全部观察值的残差平方和最小，即 ?ei2 ? min, 由此得出选择回归参数 b0 , b1 的最小二乘估计式。 最小二乘估计量的统计性质：1线性性2无偏性3有效性4一致性
多元线性回归模型：因变量Y依赖于两个或更多解释变量的线性回归模型
多重共线性产生的原因：1经济变量之间的相互依存关系2时间趋势影响（时间序列样本建立线性模型时，往往存在多重共线。）3样本资料方面的原因4滞后变量的引入5虚拟变量设置不合理6变量设置过多。
多重共线性造成的后果：完全多重共线性的影响1无法估计模型参数2模型参数估计方差无穷大；不完全多重共线性的影响1可以估计参数，但参数估计不稳定2参数估计量的方差增大，使参数估计量的精度降低。不能正确判断各解释变量对被解释变量的贡献。3由于参数估计量的方差和标准差增大，在对参数进行显著性检验性t 检验时，增大了接受零假设的可能性。4若作区间预测也将降低预测的精度。
多重共线性识别方法：1简单相关系数法2综合统计检验法（若 R2,F 均很大,而各t值均偏小,则可以认为存在多重共线性）3利用方差膨胀因子来进行判断
多重共线的修正方式：1删除不重要的变量2改变解释变量形式3改变解释变量样本信息（1）改变样本（2）增加样本容量4逐步回归法（1）逐步剔除法（2）逐个引入法 异方差产生的原因：1设定原因（1）函数形式设定有误（2）遗漏重要解释变量2变量原因（1）变量总体有变异的特征（2）样本数据有异常值或分组数据
异方差的后果：1参数的OLS估计仍然是线性无偏的，但不是最小方差的估计量2 t检验失效3 降低预测精度
异方差检验方法：1图解法2戈德菲尔德-匡特检验3格莱泽检验4帕克检验5布罗施-培根检验和怀特检验
异方差的修正：1模型变换法2加权最小二乘法
自相关产生原因：（多出现于时间序列数据中，横截面数据也可能有）1经济变量本身存在的滞后性2模型设定偏误3遗漏重要解释变量4数据处理造成自相关
自相关的后果：1在无滞后因变量时，参数的估计值仍然是线性无偏的2参数的估计值不具有最小方差性，因而是无效的，不再具有最优性质3参数显著性t检验失败4降低预测精度
自相关的检验：1图示法2杜宾-瓦森检验3LM检验
自相关的修正方法：1广义差分法2科克兰内—奥克特法3杜宾两步法
非平稳时间序列：随机序列的特征量随时间而变化（平稳时间序列反之）