二、序列相关（serial correlation）
意义：
序列相关也称自相关，是指差错项之间不是完全相互独立的，而是存在相关性。序列相关分为两种，一种得正序列相关，一种是负序列相关。正序列相关中，正的差错项之后有较大概率仍是一个正的差错项，在负序列相关中，正的差错项之后有较大概率是一个负的差错项。
影响：
正的序列相关使得残差项倾向于集聚，然后使得系数的标准误缩小，然后夸张了 T统计量，使得*类过错的可能性上升，即在原假定建立时过错的回绝它，这会使得咱们过错的把不显着的成果当成显着的。但系数本身的估量仍是可靠的。
辨认：
（1）在一元回归中与辨认异方差的办法相似，能够调查值为横轴，残差为纵轴做散点图进行调查；
（2）DW 查验：假如 DW 统计量小于下临界值，则回绝原假定，残差正序列相关。假如，则无法得出结论。假如DW统计量大于上临界值，则无法回绝原假定。
处理：
（1）使用 Hansen-white标准误，对原来的标准误进行调整；
（2）进一步修正模型，将数据的时刻序列性质归入到模型中。
三、多重共线性（multicollinearity）
意义：两个或更多的自变量，或许自变量的线性组合高度相关。
影响：
（1）对系数的估量不可靠；
（2）过高的估量系数的标准误，然后导致低估T统计量，然后过错地无法回绝原假定，然后过错的得出结论以为系数统计上不显着。
辨认：
（1）假如模型的F查验与都表明模型显着，但T查验表明各个变量不显着，则很可能存在多重共线性；
（2） 假如只要两个自变量，它们的相关系数大于0.7，则很可能存在多重共线性，留意这条经历规则只在只要两个自变量的情况下建立。
处理：
（1）试着去掉一两个变量；
（2）使用逐步回归法（stepwise regression），逐渐减小多重共线性。>>>点击领取2019CFA备考资料大礼包（戳我*）
以下表格对比剖析了三种违反线性回归假定情况的意义、影响、辨认与处理办法：
CFA二级（Level II）考试：共120道选择题。偏重资产评价剖析、股票估值、固定收益、衍生品出资，针对事例考察怎么对产品进行有效定价和出资组合剖析，考试形式是针对事例剖析出资绩效和收益变化。
