35、序列相關(guān)情形下參數(shù)的估計(jì)(1)一階差分法：所謂差分就是考察變量的本期值與以前某期值之差，一階差分就是變量的本期值與前一期值之差。(2)廣義差分法。

36、多重共線性是指線性回歸模型中的若干解釋變量或全部解釋變量的樣本觀測(cè)值之間具有某種線性的關(guān)系。其產(chǎn)生的原因：(1)經(jīng)濟(jì)變量之間往往存在同方向的變化趨勢(shì)。(2)經(jīng)濟(jì)變量之間往往存在著密切的關(guān)聯(lián)程度。(3)在模型中采用滯后變量也容易產(chǎn)生多重共線性。(4)在建模過(guò)程中由于解釋變量選擇不當(dāng)，引起了變量之間的多重共線性。

37、多重共線性產(chǎn)生的后果：(1)各個(gè)解釋變量對(duì)被解釋變量的影響很難精確鑒別。(2)由于存在多重共線性時(shí)，模型回歸系數(shù)估計(jì)量的方差會(huì)很大，這將使得進(jìn)行顯著性檢驗(yàn)時(shí)認(rèn)為回歸系數(shù)的值與零無(wú)顯著差異。(3)模型參數(shù)的估計(jì)量對(duì)刪除或增添少量的觀測(cè)值以及刪除一個(gè)不顯著的解釋變量都可能非常敏感。

38、對(duì)多重共線性的檢驗(yàn)

(1)簡(jiǎn)單相關(guān)系數(shù)檢測(cè)法：兩變量間的簡(jiǎn)單相關(guān)系數(shù)r是測(cè)定兩變量之間線性相關(guān)程度的重要指標(biāo)，因此可用來(lái)檢驗(yàn)回歸模型的解釋變量之間的共線程度。

(2)方差膨脹因子檢測(cè)法：所謂方差膨脹因子就是將存在多重共線性時(shí)回歸系數(shù)估計(jì)量的方差與無(wú)多重共線時(shí)回歸系數(shù)估計(jì)量的方差對(duì)比而得出的比值系數(shù)。如果某個(gè)解釋變量與其他所有解釋變量都不相關(guān)，則其方差膨脹因此為1;膨脹因子的值大于1，就意味著所考慮的解釋變量與其他解釋變量有一定程度的相關(guān)，即存在一定程度的多重共線性。經(jīng)驗(yàn)認(rèn)為，方差膨脹因子大于5，多重共線性的程度就很嚴(yán)重。

(3)判定系數(shù)增量貢獻(xiàn)法：這是希爾(H.Theil)提出的一種方法，它是從解釋變量與被解釋變量的相關(guān)程度來(lái)檢測(cè)多重共線性的。

39、對(duì)多重共線問(wèn)題的處理：(1)追加樣本信息;(2)使用非樣本先驗(yàn)信息;(3)進(jìn)行變量形式的轉(zhuǎn)化;(4)使用有偏估計(jì)：包括嶺回歸估計(jì)和主成分回歸估計(jì)。

40、由于許多經(jīng)濟(jì)變量都難以十分精確地測(cè)量，所以模型中包含有觀測(cè)誤差的解釋變量是一種常見(jiàn)的情形。這種模型，通常稱為誤差變量模型。由于觀測(cè)誤差的隨機(jī)性，所以這種模型是一種典型的含有隨機(jī)解釋變量的模型。

41、工具變量法：模型參數(shù)的最小二乘估計(jì)不具備一致的原因在于解釋變量和隨機(jī)誤差項(xiàng)的相關(guān)。因此，若能找到一個(gè)解釋變量，該變量與模型中的隨機(jī)解釋變量高度相關(guān)，但卻不與隨機(jī)誤差項(xiàng)相關(guān)，那么就可用此變量和模型中的變量構(gòu)造出模型相應(yīng)回歸系數(shù)的一個(gè)一致估計(jì)量。這個(gè)變量就稱為是一個(gè)工具變量，這種估計(jì)方法就稱為是工具變量法。對(duì)于時(shí)間序列資料，一種常用的工具變量是隨機(jī)解釋變量的滯后值或被解釋變量的滯后值。對(duì)于截面數(shù)據(jù)資料，文獻(xiàn)中常見(jiàn)的一種較簡(jiǎn)便的工具變量法是組平均法。

42、設(shè)定誤差主要有以下幾種：1.所設(shè)定的模型中遺漏了某個(gè)或某些與被解釋變量有關(guān)的解釋變量;2.所設(shè)定的模型中包括了若干與被解釋變量無(wú)關(guān)的某個(gè)或某些解釋變量;3.回歸方程的模型形式設(shè)定有誤。

43、質(zhì)的因素通常表明某種“品質(zhì)”或“屬性”是否存在，所以將這類品質(zhì)或?qū)傩粤炕姆椒ㄖ痪褪菢?gòu)造取值為“1”或“0”的人工變數(shù)。“1”表示這種屬性存在，“0”則表示這種屬性不存在。這種取值為1和0的變量稱為虛擬變量，又可稱為啞變量、二進(jìn)制變量。