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
?
?
?
?
?
?
?
?
?
