下一步计划的重点是把大题实打实的过一遍@计量
下下一步计划的重点应该是如何把弄彻底,弄透彻
管理建模同理,今晚是清扫夜
强化学习+多智能体与环境的交互——企业之间复杂网络的传递与构建——这类关系是通过报表上的资金流动或者借贷关系形成,而纯粹的交易关系主要是太难获取了
核心问题归结到,强化学习跟有监督学习中的优化算法有什么区别吗?——所谓的无监督,是不是还是暗中设立了对环境的而标准高下
Q1:随机误差项的协方差矩阵——两项假定——两项违背偏离
Q2:参数估计量的表达公式,对应t和F分布是如何计算的
Q3:三个Bug下的OLS估计量无偏、一致、有效
这个表很重要—这三个基本都是是的其方差不是最小数值的
Q4:TSS,RSS,ESS的含义,自由度,实际公式,是否会带入大题计算
Q5:为甚么
随机误差项的方差等于随机误差项平方的期望?
Q6:帕克和格里瑟检验到底如何操作,具体公式如何实操
Q7:怀特检验公式,大致含义
Q8:WLS?
Q9:DW检验
Q10:有无截距项情况下,虚拟变量的引入
Q11:多重共线性的后果xxx
Q12:自相像关的图表示到底是什么样子
考察点主要是:计量是以业务模型作为驱动的学科,模型规模也就是解释变量的个数,太多了可能会过拟合
Q1:ARCH为什么是异方差?自回归方程的形式
Q4:自相关对于t检验和F检验的差异
Q5:无OLS导致的非BLUE假设
Q6:严格外生性
Q7:广义差分具体怎么用
Q8:双对数模型的参数解释含义
Q9:一些底层理论的相关变式
Q10:修正异方差的一些方法啊
Q11:序列自相关是什么现象?
Q12:解释变量与非解释变量与随机变量之间的关系
Q16:防止考察微观经济的问题
Q17:这样子的判断很大题
Q18:自相关的统计量