mmy的缩写DUM）表示。一般D1表示某种属性或特征存在，即是某类型；D0表示某种属性或特征不存在，即不是某类型。而且设置虚拟变量时，基础类型、否定类型通常取为0，比较类型、肯定类型为1。例子：性别、国籍、城乡、政策实施、种族、学历、季节等等虚拟变量的设置原则：⑴一个因素多个类型：对于有m个不同属性的定性因素，应该设置m1个虚拟变量来反映该因素的影响。（2）多个因素各两种类型：如果有m个定性因素，且每个因素各有两个不同的属性类型，则引入m个虚拟变量。虚拟变量的特殊应用：（一）调整季节波动（二）检验模型结构的稳定性（三）分段回归（四）混合回归残差是包含哪些因素造成的随机误差（εi）产生的原因：模型中被忽略因素的影响；模型函数形式的设定误差。数据的测量与归并误差。随机因素的影响（如自然灾害等）T值f值检验方程的显著性检验判定系数（可决系数）R2
显然，0≤R2≤1R2的值越接近于1，则表明模型对样本数据的拟合优度越高。判定系数的特点：⑴判定系数取值范围0，1。⑵随抽样波动，样本判定系数是随抽样而变动的随机变量。⑶判定系数是非负的统计量。F值检验：F统计量服从自由度为（k，
k1）F分布。的选定一个显著性水平，查F分布表（见本书附录），可以得到一个临界值若FFα，拒绝H0，模型的线性关系是显著的；若FFα，接受H0，模型的线性关系不显著，回归模型无效模型显著性检验通不过的原因可能在于：⑴解释变量选取不当或遗漏重要解释变量；⑵解释变量与被解释变量之间不存在线性相关关系；⑶样本容量
比较小；⑷回归模型存在序列相关时间序列中不同时期。
fT值检验
给定α，可由t分布表查得临界值tα2（见书后附表）若ttα2，拒绝H0，xi对y有显著影响；若t≤tα2，接受H0，认为xi对y影响不显著，应考虑将xi从模型中剔除，重新建模回归模型的自相关检验、dw检验、dw值接近多少检验是否有效自相关性产生的原因模型中遗漏了重要的解释变量（消费函数）；模型函数形式设定误差（成本函数）；经济惯性（经济周期、消费习惯）；自相关现象大多出现在时间序列数据中，而经济系统的经济行为都具有时间上的惯性。如GDP等指标随经济周期波动；随机因素的影响（自然灾害等）此外，经济活动的滞后效应（固定资产投资）和数据处理不当也会造成自相关（数据修正或内插等）自相关性的后果最小二乘估计不再是有效估计。2．低估OLS估计的标准误差。3t检验的可靠r