原理ols估計是指樣本回歸函數(shù)盡可能好的擬合這組織，即樣本回歸線上的點與真實觀測點的總體誤差盡可能小的估計方法。

1.理論模型的設(shè)計（確定模型所包含的變量，確定模型的數(shù)量形式，擬定理論模型中的待估參數(shù)的理論期望值）

2.樣本數(shù)據(jù)的收集（常用的樣本數(shù)據(jù)：時間序列數(shù)據(jù)，截面數(shù)據(jù)，虛變量數(shù)據(jù)）

3.模型參數(shù)的估計（選擇模型參數(shù)估計方法，應(yīng)用軟件的使用）

4.模型的檢驗

模型的檢驗包括幾個方面？其具體含義是什么？

答：模型的檢驗主要包括：經(jīng)濟意義檢驗、統(tǒng)計檢驗、計量經(jīng)濟學(xué)檢驗、模型的預(yù)測檢驗。

經(jīng)濟意義檢驗——需要檢驗?zāi)Ｐ褪欠穹辖?jīng)濟意義，檢驗求得的參數(shù)估計值的符號與大小是否與根據(jù)人們的經(jīng)驗和經(jīng)濟理論所擬訂的期望值相符合；

統(tǒng)計檢驗——需要檢驗?zāi)Ｐ蛥?shù)估計值的可靠性，即檢驗?zāi)Ｐ偷慕y(tǒng)計學(xué)性質(zhì)；

計量經(jīng)濟學(xué)檢驗——需要檢驗?zāi)Ｐ偷挠嬃拷?jīng)濟學(xué)性質(zhì)，包括隨機擾動項的序列相關(guān)檢驗、異方差性檢驗、解釋變量的多重共線性檢驗等；

模型的預(yù)測檢驗——主要檢驗?zāi)Ｐ蛥?shù)估計量的穩(wěn)定性以及對樣本容量變化時的靈敏度，以確定所建立的模型是否可以用于樣本觀測值以外的范圍。

5.模型成功的三要素：理論、方法、數(shù)據(jù)

原因：

1. 代表未知的影響因素

2. 代表數(shù)據(jù)觀測誤差

3. 代表殘缺數(shù)據(jù)

4. 代表模型設(shè)定誤差

5. 代表眾多細小影響因素

6. 變量的內(nèi)在隨機性

內(nèi)容：

1. 被遺漏的影響因素（由于研究者對客觀經(jīng)濟現(xiàn)象了解不充分，或是由于經(jīng)濟理論上的不完善，以至于使研究者在建立模型時遺漏了一些對被解釋變量有重要影響的變量）；

2. 變量的測量誤差（在觀察和測量變量時，種種原因使觀測值并不等于他的真實值而造成的誤差）；

3. 隨機誤差（在影響被解釋變量的諸因素中，還有一些不能控制的因素）；

4. 模型的設(shè)定誤差（在建立模型時，由于把非線性關(guān)系線性化，或者略去模型）。

隨機誤差項u=Y-E(Y/X)，而總體回歸函數(shù)Y=Y^+e，其中e就是殘差,利用Y^估計Y時帶來的誤差e=Y-Y^是對隨機變量u的估計。

1.回歸模型是正確設(shè)定的；

2.解釋變量X是確定性變量不是隨機變量；在重復(fù)抽樣中取固定值。

3.解釋變量在x所抽取的樣本中具有變異性，而且隨著樣本容量的無限增加，解釋變量X的樣本方差趨于一個非零的有限常數(shù)。

4.隨機誤差項u具有給定X條件下的零均值，同方差以及不序列相關(guān)性，即E(ui/Xi)=0；

Var (ui/Xi)=sm2；Cov(ui，uj/ Xi，Xj)=0

5. 隨機誤差項與解釋變量之間不相關(guān)：Cov(Xi, Ui)=0

6. 隨機誤差項服從零均值、同方差的正態(tài)分布

違背..還可進行估計，只是不能使用普通最小二乘法進行估計。

如果滿足古典線性回歸模型的基本假定，則在所有線性無偏估計量中，OLS估計量具有最小方差，即OLS估計量是最優(yōu)線性無偏估計量。

假設(shè)條件：

1. 回歸模型是正確設(shè)定的；

2. .解釋變量X是確定性變量不是隨機變量；在重復(fù)抽樣中取固定值。

3.  解釋變量在x所抽取的樣本中具有變異性，而且隨著樣本容量的無限增加，解釋變量X的樣本方差趨于一個非零的有限常數(shù)。

4. 隨機誤差項u具有給定X條件下的零均值，同方差以及不序列相關(guān)性。

對于不同的樣本點，隨機干擾項的方差不再是常數(shù)，而是互不相同，則認為出現(xiàn)了異方差性。

類型：單調(diào)遞增型，單調(diào)遞減型，復(fù)雜型。

原因：

⑴模型中遺漏了隨時間變化影響逐漸增大的因素。（即測量誤差變化）

⑵模型函數(shù)形式設(shè)定誤差。

⑶隨機因素的影響。（即截面數(shù)據(jù)中總體各單位的差異）

后果：1．參數(shù)估計量非有效2.變量的顯著性檢驗失去意義3.模型的預(yù)測失效

檢驗：圖示檢驗法 ， 戈德菲爾德－匡特檢驗，懷特檢驗，帕克檢驗和戈里瑟檢驗

處理：基本思想:變異方差為同方差，或盡量緩解方差變異的程度。（加權(quán)最小二乘法（WLS），異方差穩(wěn)健標準誤法）

如果模型的解釋變量之間存在著較強的相關(guān)關(guān)系，則稱模型存在多重共線性。

原因：（1）經(jīng)濟變量相關(guān)的共同趨勢2.滯后變量的引入3.樣本資料的限制

后果：1.完全共線性下參數(shù)估計量不存在

           2.近似共線性下普通最小二乘法參數(shù)估計量的方差變大

           3.參數(shù)估計量經(jīng)濟含義不合理

           4.變量的顯著性檢驗和模型的預(yù)測功能失去意義

檢驗：1.檢驗多重共線性是否存在

           2.判明存在多重共線性的范圍

克服方法：

1. 排除引起共線性的變量

2. 差分法

3. 參數(shù)估計量的方差

在模型中引入虛擬變量，主要是為了尋找某(些)定性因素對解釋變量的影響。

加法方式與乘法方式是最主要的引入方式。

前者主要適用于定性因素對截距項產(chǎn)生影響的情況，后者主要適用于定性因素對斜率項產(chǎn)生影響的情況。除此外，還可以加法與乘法組合的方式引入虛擬變量，這時可測度定性因素對截距項與斜率項同時產(chǎn)生影響的情況。