（3）不正确的函数形式 （4）度量误差 3. 模型设定误差的后果：
（1）如果模型遗漏重要变量，则此模型所估系数通常有偏且不一致，t检验和F检验失效 （2）使用错误的函数形式，会有类似结果
（3）如何模型中包含非相关变量，估计的标准差会相对变大，也即参数估计值不很精确，从而导致置信区间变宽
（4）应变量中的度量误差将导致估计量的估计方差变大；解释变量中存在度量误差将导致OLS估计量有偏和不一致。 4. 模型设定误差的检验：
残差图形检验、MWD检验、RESET检验、借助于t检验、F检验和DW检验进行判断。 5. 模型的选择：
（1）依据经济理论进行选择；
（2）依据“好的”模型应具有的性质进行选择；
（3）依据模型的评价指标进行选择：R2和校正后的R2、估计的t值及其显著性、杜宾－瓦尔森d统计量、F统计量及其显著性、AIC或SC值等 （4）其他模型检验结果
11
第三次辅导课内容： （关键在对知识的理解→掌握→应用）
实践中的回归分析 违背基本假定的情形
第8章 解释变量间无共线性假定的违背 多重共线性 1.性质：完全多重共线性、高度多重共线性 参数估计量不存在，无法估计出模型中的参数； 2.后果： OLS估计量仍然是最优线性无偏估计量，但方差变大（注意实际后果） （1）R2较高但t值显著的不多。 （2）解释变量两两高度相关。 3.检验方法： （3）检查偏相关系数。 （4）利用从属或辅助回归 （5）考察方差膨胀因子VIF （1）从模型中删掉不重要的解释变量；（2）获取额外的数据或新的样本； 4.补救措施： （3）重新考虑模型；（4）利用先验信息； （5）进行变量变换；（6）利用其他补救措施：如主成分分析等 5.其他：无需对多重共线性进行补救的情形 1.性质： （1）OLS估计量是线性无偏的但非有效；（2）误差方差有偏； 2.后果： （3）OLS估计量方差有偏；（4）t检验和F检验失效 （1）根据问题的性质；（2）残差的图形检验； 3.检验方法： （3）帕克检验 (Park test)；（4）Glejser 检验 (Glejser test) （5）White 检验；（6）异方差的其它检验方法 （1）加权最小二乘； 4.补救措施： （2）重新设定模型； （3）White 异方差校正 1.性质及产生原因：惯性、模型设定误差、蛛网现象、数据加工 （1）OLS估计量是线性无偏的但非有效；（2）误差方差可能低估了真实方差； （4）t检验、F检验和拟合优度检验失效 2.后果： （ 3）OLS估计量方差有偏；（5）预测的方差和标准差无效 （1）残差图检验； 3.检验方法：（ 2）杜宾－瓦尔森d检验（或称DW检验） （3）游程检验 广义差分法，注意ρ的估计：（1）一阶差分法； （2）从杜宾－瓦尔森d统计量中估计 4.补救措施： （3）从OLS残差中估计 12 （4）其他估计方法：如杜宾两步法等 第9章 同方差假定的违背：异方差性 Var(ui)??i第10章 无自相关假定的违背：自相关 E(uiuj)?0,i?j
13