第一节多元线性回归分析 第二节复相关分析 第三节偏相关分析 第四节多项式回归

第一节 一元线性回归模型的概念 第二节 模型参数的最小二乘估计 第三节 最小二乘估计量的统计性质及分布 第四节 一元线性回归模型的统计检验 第五节 一元线性回归模型的预测 第六节 案例分析

线性回归模型和一元线性回归模型

单方程回归是最丰富多彩和广泛使用的统计技术之一。本 章介绍 EViews中基本回归技术的使用:说明并估计一个回归模 型,进行简单的特征分析并在深入的分析中使用估计结果。随 后的章节讨论了检验和预测,以及更高级,专业的技术,如加 权最小二乘法、二阶段最小二乘法(TSLS)、非线性最小二乘法、 ARIMA/ARIMAX模型、GMM(广义矩估计)、 GARCH模型, 和定性的有限因变量模型。这些技术和模型都是建立在本章介 绍的基本思想的基础之上的

第一节 方差分析 一、方差分析的基本原理 二、单向分组资料的方差分析 三、两向分组资料的方差分析 第二节 单因素试验结果的统计分析 一、对比和间比试验的统计分析 二、随机区组试验的统计分析 第三节 多因素试验结果的统计分析 第四节 相关与回归分析 一、回归和相关的概念 二、直线回归方程 三、直线回归的假设测验和区间估计 四、直线相关

第一节 一元线性回归模型的概念 第二节 模型参数的最小二乘估计 第三节 最小二乘估计量的统计性质及分布 第四节 一元线性回归模型的统计检验 第五节 一元线性回归模型的预测 第六节 案例分析

第一节 设计矩阵列复共线与岭回归 第二节 自变量重新组合与主成分回归 第三节 增广相关阵的特征根回归 第四节 均匀压缩估计 第五节 有偏估计的极值意义与几何意义

§2.1 一元线性回归模型的概述 §2.2 回归模型的参数估计

一、多元线性回归模型 二、多元线性回归模型的参数估计 三、OLS估计量的统计性质 四、参数估计量的方差-协方差矩阵和随机误差项σ2方差的估计 五、样本容量问题 六、多元线性回归模型实例

第一节一元线性回归与相关分析 第二节协方差分析 第三节多元线性回归与相关分析 第四节通径分析 第五节非线性回归分析