计量经济学期末 · 回归与检验
这张图讲什么
「计量经济学期末 · 回归与检验」是 SeekFlaw 编辑团队整理的思维导图,分 8 个一级分支:回归模型与古典假设:先分清概念;OLS 估计与拟合优度;假设检验与区间估计;多重共线性:只影响方差,不影响无偏;异方差:后果、检验与处理;自相关与时间序列回归;函数形式、遗漏变量与内生性;易混对照与速记,共 85 个节点、84 张记忆卡,含 6 张配图。
本图按「假设、估计、检验、违反假设」的顺序组织,一卡一个要点,附自编算例。八枝依次是:回归模型与古典假设(概念辨析);OLS 估计与拟合优度;假设检验与区间估计;多重共线性;异方差;自相关与时间序列回归;函数形式、遗漏变量与内生性;易混对照与速记。建议先过第一枝,再按顺序逐枝练习,考前用第八枝速记对照。
5 个要点
- 回归模型与古典假设:先分清概念——这一枝的错多在概念混:总体回归与样本回归、随机误差项与残差、无偏与一致与有效;还有古典假设背不全,也不知道每条被违反后「坏了什么」。
- OLS 估计与拟合优度
- 假设检验与区间估计:每一步先写清原假设与自由度再查表。
- 多重共线性:只影响方差,不影响无偏——多重共线性只涉及解释变量之间的关系,不违反无偏性;后果是方差变大,不是估计有偏。
- 异方差:后果、检验与处理——异方差的坑集中在:后果被说成「有偏」、检验的原假设与统计量、WLS 变换后系数含义变了、稳健标准误与 WLS 的区别;残差图只能初步判断…
适用:大学期末复习。用法:点开任一节点先自己答,再翻面核对。
配图:违反假设后 OLS 性质对照表;总平方和分解示意图;t(20) 分布的单侧与双侧拒绝域;同方差与异方差的残差绝对值对比;DW 检验判断区间示意图;斜率虚拟变量的两条回归线。
发布于
一句话:这张图把「计量经济学期末 · 回归与检验」整理成 85 个节点、84 张记忆卡;点开节点翻面就能看答案。
按古典假设讲计量经济学期末:OLS、t 与 F 检验、多重共线、异方差、自相关、设定偏误与内生性,易混对照加自编算例,适合期末自测。点开任一节点翻面看答案,登录后可存进自己的空间,按遗忘曲线复习。
SeekFlaw 求瑕是面向初中、高中、考研、考公考前速记的思维导图与记忆卡平台:把课件、讲义变成思维导图,节点翻面就是记忆卡,按遗忘曲线安排复习。
85 个节点 · 84 张记忆卡。作者:SeekFlaw 编辑团队;发布于 2026-11-20。
先看这 3 条
- 总体回归函数和样本回归函数有什么区别?:总体回归函数 $E(Y\mid X)=\beta_0+\beta_1X$ 里的 $\beta$ 是未知的固定常数;样本回归函数 $\hat Y=\hat\beta_0+\hat\…
- 完全与不完全多重共线性有什么区别?:完全共线指解释变量之间有严格线性关系,$X^\top X$ 不可逆, OLS 没有唯一解 ;不完全共线是高度相关但不严格, OLS 仍可算 ,只是估计不稳。
- 多重共线、异方差、自相关三个问题怎么对照?:三者 都不破坏无偏性 (异方差、自相关要求解释变量严格外生),但违反的假设、后果和处理不同: 多重共线:解释变量之间相关;估计量方差变大;用 VIF 判断;增加样本或合并变量。
回归模型与古典假设:先分清概念
- 总体回归函数和样本回归函数有什么区别?:总体回归函数 $E(Y\mid X)=\beta_0+\beta_1X$ 里的 $\beta$ 是未知的固定常数;样本回归函数 $\hat Y=\hat\beta_0+\hat\beta_1X$ 里的 $\hat\beta$ 由样本算出,…
- 随机误差项 $u$ 和残差 $e$ 有什么区别?:$u_i=Y_i-E(Y\mid X_i)$ 是总体里 不可观测 的随机误差;$e_i=Y_i-\hat Y_i$ 是样本里 可以算出 的残差,是 $u_i$ 的估计。含截距的 OLS 中残差总满足 $\sum e_i=0$,而 $u_i…
- 回归模型的「线性」指什么?:古典线性回归的「线性」指模型 对参数线性 ,变量本身可以取平方、对数。对参数线性的模型可以直接用 OLS。 例 $Y=\beta_0+\beta_1X^2+u$ 对参数线性,可用 OLS;$Y=\beta_0+X^{\beta_1}+u$…
- 无偏性、一致性、有效性有什么区别?:无偏指 $E(\hat\beta)=\beta$,与样本容量无关;一致指 $n\to\infty$ 时 $\hat\beta$ 依概率收敛到 $\beta$;有效指在一类估计量(如线性无偏估计量)中方差最小。 无偏不蕴含一致 ,一致也不蕴…
- BLUE 与高斯—马尔可夫定理指什么?:BLUE 是「最佳线性无偏估计量」。 高斯—马尔可夫定理 :在古典假设(线性设定、解释变量与误差项不相关、同方差、无自相关、无完全共线)下,OLS 估计量是线性无偏估计量中方差最小的, 不要求 误差项服从正态。 区分 正态性只用于小样本下…
- 古典线性回归的基本假设有哪些?:按多数教材归纳(编号各书不同):①模型对参数线性且设定正确;②解释变量与随机误差项不相关,$E(u_i\mid X)=0$;③同方差 $\operatorname{Var}(u_i)=\sigma^2$;④无自相关 $\operatorn…
- 违反假设后,OLS 的无偏性和有效性怎么变?:只有 违反外生性 ($E(u\mid X)\ne0$,即内生性)才会使 OLS 有偏且不一致;异方差、自相关只使 OLS 不再有效、标准误失真;不完全共线仍是 BLUE,只是方差大;完全共线则无法估计。 内生性:有偏、不一致,$t$ 检验…
- 为什么 $E(u\mid X)=0$ 是最关键的假设?:它使 OLS 无偏且一致 ;一旦 $u$ 与 $X$ 相关,样本再大 $\hat\beta$ 也不收敛到真值。常见来源有遗漏变量、解释变量测量误差、因果互相影响。 公式 一元回归中 $\operatorname{plim}\hat\bet…
- 怎样检验残差是否服从正态(JB 检验)?:Jarque–Bera 检验:$JB=n\left[\dfrac{S^2}{6}+\dfrac{(K-3)^2}{24}\right]$,$S$ 是偏度、$K$ 是峰度,原假设 $H_0$:正态;大样本下 $JB\sim\chi^2(2)…
OLS 估计与拟合优度
- OLS 估计量为什么是线性、无偏的?:一元回归中,$\hat\beta_1=\sum k_iy_i$,$k_i=\dfrac{x_i-\bar x}{\sum(x_j-\bar x)^2}$,是 $y_i$ 的线性组合,所以 线性 ;代入 $y_i=\beta_0+\beta…
- 含截距的 OLS,残差有哪些固定性质?:含截距项时:$\sum e_i=0$;$\sum x_ie_i=0$(残差与解释变量不相关);$\sum\hat y_i=\sum y_i$,即 $\hat y$ 的均值等于 $\bar y$。这些由正规方程得到, 与误差项是否同方差无关…
- 误差项方差 $\sigma^2$ 怎么估计,除以多少?:$\hat\sigma^2=\dfrac{\sum e_i^2}{n-k-1}$ 是 $\sigma^2$ 的无偏估计,除以残差的自由度;一元回归 $k=1$,除以 $n-2$。除以 $n$ 的估计量有偏($n$ 个残差要满足 $k+1$…
- 斜率估计量的方差由哪些因素决定?:一元回归中 $\operatorname{Var}(\hat\beta_1)=\dfrac{\sigma^2}{\sum(x_i-\bar x)^2}$:误差方差越大越不精确;$x$ 取值越分散、样本越大,估计越精确。 例 已知 $\ha…
- 变量的单位变了,回归结果怎么变?:$x$ 乘以常数 $c$:$\hat\beta_1$ 和 $se$ 都除以 $c$,$t$ 值与 $R^2$ 不变;$y$ 乘以 $c$:$\hat\beta_0,\hat\beta_1$ 及其标准误都乘以 $c$,$t$ 值与 $R^2…
- 多元回归的 OLS 估计量用矩阵怎么写?:$y=X\beta+u$ 的 OLS 估计为 $\hat\beta=(X^\top X)^{-1}X^\top y$,在同方差、无自相关的假定下,协方差矩阵 $\operatorname{Var}(\hat\beta)=\sigma^2(…
- TSS、ESS、RSS 怎么分解?:本图记号:TSS $=\sum(y-\bar y)^2$ 为总平方和,ESS $=\sum(\hat y-\bar y)^2$ 为回归平方和,RSS $=\sum e^2$ 为残差平方和。含截距时 TSS $=$ ESS $+$ RSS,…
- $R^2$ 高就说明模型好吗?:不一定。$R^2$ 只说明样本内拟合的程度,不说明因果,也不能判断设定是否正确;加入任何变量,$R^2$ 都不会下降;被解释变量形式不同(如 $y$ 与 $\ln y$)的模型, 拟合优度不能直接比较 。 例 两个彼此没有因果联系、都随时…
- 调整 $R^2$ 与 $R^2$ 有什么区别?:$\bar R^2=1-(1-R^2)\dfrac{n-1}{n-k-1}$,对多加变量有惩罚,且 $\bar R^2\le R^2$。新增一个变量时,$\bar R^2$ 上升 当且仅当 该变量的 $|t|\gt 1$。 例 $n=20…
- 无截距项的回归,$R^2$ 还能照常用吗?:不能照常用。没有截距项时 $\sum e_i=0$ 不一定成立,TSS $=$ ESS $+$ RSS 也不一定成立,$1-RSS/TSS$ 可能为负,与有截距模型的 $R^2$ 无法比较。 例 数据 $(1,2),(2,3),(3,7)…
假设检验与区间估计
- 回归系数的 $t$ 检验:统计量和自由度?:$H_0:\beta_j=0$ 时 $t=\dfrac{\hat\beta_j}{se(\hat\beta_j)}\sim t(n-k-1)$,多元回归中每个系数各有一个标准误和一个 $t$ 统计量;$|t|$ 大于临界值 $t_{\al…
- $H_0$ 不是 $\beta=0$ 时,$t$ 统计量怎么写?:$t=\dfrac{\hat\beta_j-\beta_j^0}{se(\hat\beta_j)}$,分子减的是原假设里的值,不是 0;分母仍是标准误,自由度仍是 $n-k-1$。 例 检验 $H_0:\beta_1=1$,已知 $\ha…
- 回归系数的置信区间怎么求?:$\hat\beta_j\pm t_{\alpha/2}(n-k-1)\,se(\hat\beta_j)$。区间不含 0,就在 $\alpha$ 水平上拒绝 $H_0:\beta_j=0$(双侧)。区间宽度由标准误和 $t$ 分位数共同决…
- 单侧检验和双侧检验,临界值怎么取?:$H_1:\beta_j\ne0$ 用双侧临界值 $t_{\alpha/2}$;$H_1:\beta_j\gt 0$(方向事先由理论确定)用单侧临界值 $t_{\alpha}$。 例 $t=1.8$,自由度 20,$\alpha=0.05…
- 整体显著性 $F$ 检验检验什么?:它回答「解释变量合起来有没有解释力」,不是问某一个系数是否显著。原假设 $H_0:\beta_1=\cdots=\beta_k=0$( 不含截距 ),$F=\dfrac{ESS/k}{RSS/(n-k-1)}=\dfrac{R^2/k}{…
- 联合约束的 $F$ 检验:受限与无约束模型怎么比较?:$F=\dfrac{(RSS_R-RSS_U)/q}{RSS_U/(n-k-1)}\sim F(q,\ n-k-1)$,$q$ 是约束个数,$RSS_R\ge RSS_U$;$F$ 大,说明加上约束后拟合变差很多,应拒绝约束。 例 $n=…
- 单个系数都不显著,整体 $F$ 却显著,可能吗?:可能,典型原因是 多重共线性 :变量合起来解释了 $y$,但分不清各自的贡献,单个标准误变大、$t$ 值变小。 例 $n=23$,$k=2$,$R^2=0.50$:$F=\dfrac{0.5/2}{0.5/20}=10\gt F_{0.0…
- 检验线性约束(如规模报酬不变)怎么做?:把约束代入模型得到受限模型,再用受限与无约束的残差平方和做 $F$ 检验。 例 $\ln Y=\beta_0+\beta_1\ln K+\beta_2\ln L+u$,检验 $H_0:\beta_1+\beta_2=1$。代入 $\bet…
- 邹氏检验(结构变化)怎么做?:把样本分成两段,比较「合并回归」与「分段回归」:$F=\dfrac{[RSS_P-(RSS_1+RSS_2)]/(k+1)}{(RSS_1+RSS_2)/(n_1+n_2-2(k+1))}$,原假设是两段参数相同(无结构变化)。 条件 假…
多重共线性:只影响方差,不影响无偏
- 完全与不完全多重共线性有什么区别?:完全共线指解释变量之间有严格线性关系,$X^\top X$ 不可逆, OLS 没有唯一解 ;不完全共线是高度相关但不严格, OLS 仍可算 ,只是估计不稳。 例 $X_3=2X_1+X_2$ 对每个观测都成立,是完全共线,不能同时放入模型…
- 多重共线性对 OLS 有什么后果?:不完全共线时 OLS 仍然 无偏 ,且仍是线性无偏估计量中方差最小的;后果是 估计量方差变大 :标准误变大、$t$ 值变小、置信区间变宽,系数对样本的微小变化很敏感,符号可能与预期相反。 易错 说「多重共线使估计有偏」, 混淆了偏差与方差…
- 方差膨胀因子 VIF 怎么算?:$VIF_j=\dfrac1{1-R_j^2}$,其中 $R_j^2$ 是把 $x_j$ 对其余解释变量回归得到的 $R^2$;$\operatorname{Var}(\hat\beta_j)=\dfrac{\sigma^2}{\sum(…
- 怎样判断存在多重共线性?:常见迹象:$R^2$ 和 $F$ 很显著但多个 $t$ 值不显著;增减变量或样本,系数大幅变化甚至变号;$VIF$ 很大。只看两两相关系数不够,三个及以上变量的组合共线可能被漏掉。 例 $X_1$、$X_2$ 相互独立、方差相同,$X_3…
- 消除多重共线性的方法有哪些?代价是什么?:增加样本、用比率或差分合并变量、利用先验约束、岭回归或主成分(有偏估计,换取较小方差); 直接删变量 最方便,但若删掉的是真实相关的变量,会产生遗漏变量偏误。 例 真实模型 $\beta_1=1.5$,$\beta_2=-2$;若删去 $…
- $x$ 和 $x^2$ 同时入模,算多重共线吗?:不算严格意义上的完全共线(关系是非线性的),但 $x$ 与 $x^2$ 往往高度线性相关,会放大方差;先把 $x$ 中心化再平方,可以大幅缓解。 例 $x=1,2,3,4,5$:$x$ 与 $x^2$ 的相关系数约 0.98;中心化后 $…
异方差:后果、检验与处理
- 什么是异方差?:异方差指 $\operatorname{Var}(u_i)=\sigma_i^2$ 随观测 $i$ 变化,违反同方差假设。横截面数据中个体规模差异大(如大企业与小企业),误差的离散程度往往随规模扩大,所以更常见。 例 用家庭收入解释消费支…
- 异方差对 OLS 有什么后果?:OLS 估计量仍然 线性、无偏、一致 ,但不再是方差最小的(不再有效);常规的方差估计量有偏,$t$ 检验、$F$ 检验和置信区间都 不可靠 。 易错 写「异方差使估计有偏」, 无偏性只依赖外生性 。
- Breusch–Pagan 检验怎么做?:先做原回归得残差 $e_i$,再把 $e_i^2$ 对原解释变量做辅助回归;$LM=nR^2_{aux}\sim\chi^2(k)$,$k$ 是辅助回归的解释变量个数,原假设是同方差。 例 $n=50$,原模型有 2 个解释变量,辅助回归…
- White 检验和 BP 检验有什么不同?:White 检验的辅助回归把 $e_i^2$ 对解释变量、解释变量的 平方和交叉项 回归,不必预设方差的形式;$LM=nR^2_{aux}\sim\chi^2(m)$,$m$ 为辅助回归的解释变量个数(不含常数)。 例 原模型有 $x_1…
- Goldfeld–Quandt 检验怎么做?:把观测按可疑的解释变量 $x$ 从小到大排序,去掉中间 $c$ 个,前后两段分别回归,$F=\dfrac{RSS_2}{RSS_1}$(方差随 $x$ 增大时 $RSS_2$ 在分子),两个自由度都是 $\dfrac{n-c}{2}-(k…
- 加权最小二乘(WLS)怎么变换?:若 $\operatorname{Var}(u_i)=\sigma^2x_i^2$,两边除以 $x_i$:$\dfrac{y_i}{x_i}=\beta_0\dfrac1{x_i}+\beta_1+\dfrac{u_i}{x_i}$,新误…
- 稳健标准误与 WLS 有什么区别?:稳健标准误(White 标准误) 只修正标准误 ,$\hat\beta$ 不变,不需要知道方差的形式,大样本下 $t$ 检验有效;WLS 需要知道(或估计)方差的形式, 会改变估计值 ,形式正确时更有效。 易错 以为用了稳健标准误后系数估…
自相关与时间序列回归
- 什么是一阶自相关 AR(1)?:一阶自回归 AR(1) 指 $u_t=\rho u_{t-1}+\varepsilon_t$,其中 $\varepsilon_t$ 是均值为 0 的白噪声,$|\rho|\lt 1$,是最常用的自相关形式;自相关即不同时期的误差项相关,$…
- 自相关有什么后果?:与异方差类似:OLS 仍 无偏、一致 (解释变量严格外生时),但不再有效;常规标准误有偏,正自相关时常常 低估标准误 ,使 $t$ 值偏大、容易误判显著,$R^2$ 也可能偏高。 易错 说「自相关使估计有偏」, 标准误失真才是检验失效的原…
- DW 统计量怎么算?取值范围是什么?:$d=\dfrac{\sum_{t=2}^n(e_t-e_{t-1})^2}{\sum_{t=1}^ne_t^2}\approx2(1-\hat\rho)$,范围 $0\le d\le4$:$d\approx2$ 无一阶自相关,$d$ 接…
- DW 检验的判断区间怎么读?:比较 $d$ 与临界值 $d_L$、$d_U$:$0\lt d\lt d_L$ 正自相关;$d_L\le d\le d_U$ 不能确定;$d_U\lt d\lt 4-d_U$ 无一阶自相关;$4-d_U\le d\le4-d_L$ 不能确…
- DW 检验有哪些使用前提?:①回归含截距项;②解释变量非随机(严格外生);③只检验 一阶 自相关;④解释变量中 不含被解释变量的滞后项 (含滞后项时 $d$ 偏向 2,应改用 Durbin $h$ 检验或 BG 检验);⑤误差项服从一阶自回归 AR(1);另外 $d…
- BG 检验(LM 检验)怎么做?:把残差 $e_t$ 对原解释变量和 $e_{t-1},\dots,e_{t-p}$ 做辅助回归,$LM=(n-p)R^2_{aux}\sim\chi^2(p)$(有的教材用 $nR^2_{aux}$),原假设是无自相关;可检验高阶自相关,…
- 怎样消除自相关?广义差分怎么做?:若 $\rho$ 已知,做广义差分:$y_t-\rho y_{t-1}=\beta_0(1-\rho)+\beta_1(x_t-\rho x_{t-1})+\varepsilon_t$,新误差项无自相关;$\rho$ 未知时先用 $\ha…
- 什么是伪自相关?:由模型设定错误(遗漏重要变量、函数形式错)造成的残差序列相关,并不是误差项真的自相关。表现是 DW 偏低,补上遗漏变量或改对函数形式后就会消失。 例 真实模型含 $x_2$,却只用 $x_1$ 回归,而 $x_2$ 随时间缓慢变化,被吸收…
- 随机游走为什么不平稳?:随机游走 $y_t=y_{t-1}+\varepsilon_t$($\varepsilon_t$ 为白噪声,方差 $\sigma^2$)不平稳:设 $y_0=0$,$\operatorname{Var}(y_t)=t\sigma^2$ 随…
- 什么是伪回归?有什么特征?:两个互相独立的非平稳序列(如两个随机游走)直接回归,常得到很高的 $R^2$ 和很显著的 $t$ 值,却没有真实联系,称为伪回归。典型特征是 拟合优度高而 DW 很低 (经验判断:$R^2\gt d$ 时要怀疑)。 易错 用显著的 $t$…
- 单位根检验(ADF)的原假设是什么?:ADF 检验的原假设 $H_0$:序列 有单位根(非平稳) ;统计量小于(更负于)临界值才拒绝 $H_0$,说明平稳。临界值用专门的 ADF 临界值表,不能用 $t$ 分布表。 例 设 5% 临界值为 $-2.9$:统计量 $-3.8\l…
函数形式、遗漏变量与内生性
- 取对数后,回归系数怎么解释?:对数—对数 $\ln y=\beta_0+\beta_1\ln x$:$\beta_1$ 是弹性,$x$ 增加 1% 则 $y$ 约变化 $\beta_1\%$;半对数 $\ln y=\beta_0+\beta_1x$:$x$ 增加 1 …
- 什么是虚拟变量陷阱?:含截距项时,$m$ 个类别若把 $m$ 个虚拟变量都放进去,它们之和恒等于 1,与截距列完全共线,称为虚拟变量陷阱;只引入 $m-1$ 个,被省略的是基准组,虚拟变量的系数是该组相对基准组的差异。 例 月租金 $y$(百元)只对虚拟变量 …
- 斜率虚拟变量(交互项)怎么解释?:$y=\beta_0+\beta_1x+\beta_2D+\beta_3Dx+u$:$D=0$ 时斜率为 $\beta_1$、截距为 $\beta_0$;$D=1$ 时斜率为 $\beta_1+\beta_3$、截距为 $\beta_0+…
- Ramsey RESET 检验检验什么?:RESET 检验函数形式是否设定错误:把 $\hat y^2,\hat y^3$ 加进原回归,用 $F$ 检验这些新增项是否联合为 0,$H_0$:设定正确。 例 原模型 $RSS_R=50$,加入 $\hat y^2,\hat y^3$…
- 含平方项的模型,$x$ 的边际效应怎么算?:$y=\beta_0+\beta_1x+\beta_2x^2+u$ 中,$x$ 的边际效应是 $\dfrac{\mathrm dy}{\mathrm dx}=\beta_1+2\beta_2x$, 随 x 的取值而变 ;$\beta_2\…
- 遗漏变量偏误的方向怎么判断?:真实模型 $y=\beta_0+\beta_1x_1+\beta_2x_2+u$,漏掉 $x_2$ 只回归 $y$ 对 $x_1$,则 $E(\tilde\beta_1)=\beta_1+\beta_2\delta_1$,$\delta_…
- 多放无关变量和漏掉相关变量,后果有什么不同?:多放无关变量时,估计仍无偏,但 方差变大 (占用自由度,且与其他变量相关时更明显);漏掉相关变量时,估计 有偏、不一致 。 例 真实模型只含 $x_1$,多放入与 $x_1$ 相关系数为 0.9 的 $x_2$:$R_1^2=0.81$,…
- 解释变量有测量误差,OLS 系数偏向哪边?:一元回归中,解释变量含经典测量误差时,$x^{obs}=x^*+v$($v$ 与 $x^*$、$u$ 都不相关),OLS 斜率 偏向零 (衰减偏误):$\operatorname{plim}\hat\beta_1=\beta_1\dfra…
- 工具变量需要满足哪两个条件?:有效工具变量 $z$ 要满足: 相关性 ——与内生解释变量 $x$ 相关; 外生性 ——与误差项 $u$ 不相关(只通过 $x$ 影响 $y$)。一元回归中 $\hat\beta_{IV}=\dfrac{\operatorname{Cov…
易混对照与速记
- 多重共线、异方差、自相关三个问题怎么对照?:三者 都不破坏无偏性 (异方差、自相关要求解释变量严格外生),但违反的假设、后果和处理不同: 多重共线:解释变量之间相关;估计量方差变大;用 VIF 判断;增加样本或合并变量。 异方差:$\operatorname{Var}(u_i)$ …
- 常见检验的原假设各是什么?:$t$ 检验:$H_0:\beta_j=0$(或某给定值);整体 $F$:除截距外的系数全为 0;JB:残差正态;BP、White:同方差;DW、BG:无自相关;RESET:设定正确;邹氏检验:两段参数相同;ADF:有单位根。 记法 BP…
- 各检验的统计量服从什么分布,自由度是多少?:按检验类型记($k$ 为无约束模型的解释变量个数,$q$ 为约束个数): $t$ 检验:$t(n-k-1)$。 整体 $F$:$F(k,\ n-k-1)$;联合约束 $F$:$F(q,\ n-k-1)$。 BP、White:$nR^2_{…
- 各检验在什么情况下拒绝原假设?:看统计量是否落入拒绝域:$t$ 检验是 $|t|\gt t_{\alpha/2}$;$F$、BP、White、BG、JB 是统计量大于临界值;DW 是 $d$ 偏离 2(过小为正自相关,过大为负自相关);ADF 是统计量 小于 (更负于)…
- 给出部分回归输出,哪些量可以相互还原?:做题时先写出已知量,再选公式反推,各式中的 $k$ 都不含截距。常用关系:$se=\dfrac{\hat\beta}{t}$;$F=\dfrac{R^2/k}{(1-R^2)/(n-k-1)}$;$\bar R^2=1-(1-R^2)\d…
本图由 SeekFlaw 编辑团队整理。发现错误,欢迎到学习论坛指出。