15.1 为什么需要非参数与半参数估计 15.2 对密度函数的非参数估计 15.3 核密度估计的性质 15.4 最优带宽 15.5 多元密度函数的核估计 15.6 非参数核回归 15.7 多元核回归 15.8 k近邻回归 15.9 局部线性回归 15.10 非参数估计的Stata命令及实例 15.11 半参数估计

§1 一元线性回归 §2 曲线回归 §3 多元线性回归

时间序列的自相关 一阶自回归 高阶自回归 自回归分布滞后模型 误差修正模型 移动平均与ARMA模型 脉冲响应函数 向量自回归过程 VAR的脉冲响应函数 格兰杰因果检验 VAR的Stata命令及实例 时间趋势项 季节调整 日期数据的导入

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 *第五节通径分析

一、多元线性回归模型一般形式 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、样本容量问题 五、多元线性回归模型实例

一、多无线性回归模型 上节讨论了一元线性回归模型,在实际问题中,遇到更多的是讨论随机变量Y与非随机变量x,x2,…,x之间的关系,本节假设它们具有线性关系

1、在直线相关和回归分析中() A、据同一资料,相关系数只能计算一个 B、据同一资料,相关系数可以计算两个 C、据同一资料,回归方程只能配合一个 D、据同一资料,回归方程随自变量与因变量的确定不同,可能配合两个 E、回归方程和相关系数均与自变量和因变量的确定无关

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

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