二、序列相關（serial correlation）

意義：

序列相關也稱自相關，是指差錯項之間不是完全相互獨立的，而是存在相關性。序列相關分為兩種，一種得正序列相關，一種是負序列相關。正序列相關中，正的差錯項之后有較大概率仍是一個正的差錯項，在負序列相關中，正的差錯項之后有較大概率是一個負的差錯項。

影響：

正的序列相關使得殘差項傾向于集聚，然后使得系數的標準誤縮小，然后夸張了 T統計量，使得*類過錯的可能性上升，即在原假定建立時過錯的回絕它，這會使得咱們過錯的把不顯著的成果當成顯著的。但系數本身的估量仍是可靠的。

辨認：

（1）在一元回歸中與辨認異方差的辦法相似，能夠調查值為橫軸，殘差為縱軸做散點圖進行調查；

（2）DW 查驗：假如 DW 統計量小于下臨界值，則回絕原假定，殘差正序列相關。假如，則無法得出結論。假如DW統計量大于上臨界值，則無法回絕原假定。

處理：

（1）使用 Hansen-white標準誤，對原來的標準誤進行調整；

（2）進一步修正模型，將數據的時刻序列性質歸入到模型中。

三、多重共線性（multicollinearity）

意義：兩個或更多的自變量，或許自變量的線性組合高度相關。

影響：

（1）對系數的估量不可靠；

（2）過高的估量系數的標準誤，然后導致低估T統計量，然后過錯地無法回絕原假定，然后過錯的得出結論以為系數統計上不顯著。

辨認：

（1）假如模型的F查驗與都表明模型顯著，但T查驗表明各個變量不顯著，則很可能存在多重共線性；

（2） 假如只要兩個自變量，它們的相關系數大于0.7，則很可能存在多重共線性，留意這條經歷規則只在只要兩個自變量的情況下建立。

處理：

（1）試著去掉一兩個變量；

（2）使用逐步回歸法（stepwise regression），逐漸減小多重共線性。>>>點擊領取2019CFA備考資料大禮包（戳我*）

以下表格對比剖析了三種違反線性回歸假定情況的意義、影響、辨認與處理辦法：

CFA二級（Level II）考試：共120道選擇題。偏重資產評價剖析、股票估值、固定收益、衍生品出資，針對事例考察怎么對產品進行有效定價和出資組合剖析，考試形式是針對事例剖析出資績效和收益變化。