放松经典模型的假定异方差自相关(序列相关)多重共线性基本概念误差项的方差随着样本值的变化而变化,即,一般表现为随着样本值的增大而增大或减小,异方差问题常存在于截面数据中误差项之间不是相互独立的,即,至少对部分成立,其中称为正自相关,称为负自相关,(满足经典回归模型假设,)称为一阶自相关,是自相关最常见的形式,自相关问题一般存在于时间序列数据中变量之间有近似或完全的线性关系,即,该问题为多元线性回归所特有,其引起的原因及可能与变量的选择有关,也可能与数据本身有关产生原因1.随着经济变量数值的增大,其真实值、观测误差波动的幅度及随机影响因素也会增大2.统计误差会随着数据采集机统计技术的改进而缩小3.异常值的出现4.模型设定的偏误或(截面数据中的)遗漏某些重要的解释变量(假性异方差)5.一个或多个回归元的偏态分布6.不正确的数据或函数形式的转换7.随机因素的影响(如自然灾害、政策变动、金融危机等不具有确定性和重复性)1.(时间序列)数据的惯性作用2.模型设定偏误:应含而未含变量的情形或不正确的函数形式3.蛛网