第3章 古典线性回归模型概要
回归分析：试图解释变量间关系。比如X变动后Y如何变化。
回归与相关：相关是指变量间有线性关系；回归包含随机因素，所以是一种更灵活和更强有力的工具。
简单回归：两个变量间关系。
最小二乘法：求每个数据点到拟合线纵向距离平方和加总最小值，也就是尽量寻找到最佳吻合曲线。
α和β：β就是x增加一个单位，其他条件不变情况下，y的变化情况。α是截距，及x=0时，y的值。
专门术语：总体和样本；总体回归函数和样本回归函数；估计式与估计值。
CLRM：古典线性回归模型（有一些严格假定条件）
OLS估计量性质：BLUE（最佳线性无偏估计）
精确性和标准差：解决α和β是否精确的问题，还有方差最小化的问题。
统计推断导论：解决我们从统计意义上获得的系数估计值与金融理论预期值之间差异大小问题。这个问题通过假设检验（Hypothesis Testing）来解决这个问题。

假设检验的概念
零假设和备择假设H0和H1，前者总是以等式形式出现。
可以采用显著性检验方法和置信区间检验方法，二者本质上是相同的。

最小二乘法估计量的概率分布
具有无穷自由度的t分布就是标准正态分布。

显著性检验方法
1、先用通常方法估计系数和他们的标准差
2、利用1中的值计算检验统计量
3、使用分布数据表对上面的检验统计量进行比较，推导出检验统计量服从（T-2）自由度的t分布。
4、选择“显著水平”（通常是α），通常用5%的显著水平。
5、确定拒绝区域和非拒绝区域
6、运用t分布表获得临界值，并把临界值与检验统计量记性比较。
7、最后进行检验。如果检验统计量位于拒绝区域内，就拒绝零假设；如果位于拒绝区域外，就不能拒绝零假设。

使用置信区间与使用显著性检验方法本质相同。只是前者容易对大量不同的假设进行检验，在使用后者情况下，我们能够容易地预测检验规模对结论的影响。

确切的显著水平统称也称为p值，常常被认为是零假设呗错误拒绝的概率。p值越小，零假设越缺乏合理性。

进行计量经济学运用的前提是对理论基础和统计知识的掌握。

F检验是用来检验多重假设的，而t检验只能用来检验单一假设，从这一意义上，t检验是F检验的特殊形式。但二者都只能对线性形式进行检验，对非线性或乘积形式的假设不能进行检验。

在使用Eviews进行数据统计和分析的过程中，截距和斜率系数、F统计量和p值非常重要。

第4章 古典线性回归模型的进一步探讨
4.1拟合优度统计量
R2
使用残差平方和RSS可以测定回归模型的优劣，但是RSS在很大程度上取决于因变量度量单位的大小。
使用R2可以比较好得解决这个问题。
R2=ESS/TSS=（TSS-RSS）/TSS=1-RSS/TSS∈（0,1）
ESS称为解释平方和，标志着可以被模型解释的部分，而RSS为残差平方和，是模型不能解释的部分。所以，越大越好。
R2也存在问题，因为随着解释变量增加，这个值有趋近于变大的趋势。这样我们无法知道加入一个新变量是否适当。
为了解决这个问题，引入了调整后的R2。
Adjusted R2=1-[ ]
如果这个值上升，则认为引入新的变量后模型的解释力增强了。
这个变量的问题是，它是一个“软规则”，换句话说，它倾向于更大的模型。
4.2 幸福定价模型
4.3 对非嵌套模型的检验（J检验）
4.4 违反古典线性回归模型的假定
使用CLRM需要满足五个假定条件，否则会出现问题，比系数估计值是错误的、相关的标准差是错误的和对检验统计分布的假定不适当，等等。
这就涉及到了两个问题：
第一，        如何判断模型是否满足CLRM的假定条件；
第二，        如果无法满足五个条件，如何修正。
诊断检验的统计分布：LM检验法和Wald检验法（更适合大样本）
4.5-4．14基本写作框架描述无法满足条件的情况及其产生原因，存在这些问题产生的后果，然后介绍检验方法和修正方法，并指出以上方法的不足，有的简单介绍了如何应用。有的内容介绍了如何运用软件包操作。
有选择的整理如下：
异方差检验：White检验（有专栏介绍过程）
注：这里面提到了异方差产生原因中包括ARCH现象，后面章节专门论述。
自相关检验：Durbin and Watson 检验
异方差的处理：可以使用广义最小二乘法（GLS），但是由于造成异方差的原因不好确定，实践中通常不可行，通常使用的是：
1、        将变量转变为对数形式
2、        运用异方差——一致性标准误差估计
自相关检验：Durbin-Watson检验
证明从略，书中详细。
这种检验方法有其条件，使用时要注意。
另外，这种检验方法仅检验依次相连的误差项之间是否相关，所以即使通过了检验还实际可能存在其他自相关情况。
可以用布罗施——戈弗雷检验进行联合检验，更精确。
处理自相关：可以用GLS过程。还有一种广泛应用的方法称为科克伦——奥科特过程。
动态模型：可以使用滞后期解决自变量相关问题，一般要做差分。
金融模型中存在滞后值原因很多。比如：
1、        因变量惯性作用
2、        过度反应
3、        季节因素
4、        不适当的函数形式
5、        变量不适当省略
书中也分析了加入滞后回归自变量来解决自变量相关所带来的问题。
横截面数据中的自相关：一般认为时间序列存在自相关比较常见，然而某些横截面数据也可能存在自相关。
书中举例是临近银行的获利情况。提出了“空间滞后”这个概念。
扰动项是正态分布的检验：Bera——Jarque检验（BJ检验）
使用了峰度和偏度组合检验。公式书见P158。
如何处理非正态分布的情况？
一种方法是运用虚拟变量。
另一种方法是剔除极端数值，认为是非正常值。
如果是ARCH特定异方差引起，则使用ARCH模型解决。

4.10介绍了多重共线性
4.11介绍了采用错误函数形式的问题
4.12 重复变量省略产生的问题
4.13 包含不相关（个人认为应该是无用或不重要）变量的情况
4.14 参数稳定检验（保证参数是常数的假定正确）
原理是将原来的样本拆分成两个子区间，然后和原来的总区间构成三个模型，比较各个模型的RSS。拆分时可以考虑出现明显变化的地方或者已知重大事件出现时期。
常用方法是邹至庄检验（Chou Test）和预测失败检验（Predictive Failure Test）
后者包括前向检验和后向检验。

4.15 建立经济学计量模型的方法论（愿译文用了“建立哲学”）
书中总体上比较赞同自上而下的方式，既先建立“大”模型，然后逐步剔除。

4.16 案例：主权信用评级的决定

附录：主成分分析简论

师兄，你好，你讲的真好，你有没有这本书的中文电子版，我想看下，我没有什么币下载不了，你能不能给我传一份呢？谢谢了，有机会当面感谢。。。。xingmuzai21@yahoo.com.cn

4# xingmuzai21

呵呵，不好意思，才看到请求。
我也是到处在找这本书的中文版。
如果你在论坛上找到地址，可以告诉我，下载到我发给你。
不过我前一段花了半天时间，还没有找到可以用的下载。

楼主，这本书的中文电子版的你找到了吗？
如果有了能帮我发一份吗？我非常之急用。
多谢了