§3.1 多元线性回归模型 一、多元线性回归模型 二、多元线性回归模型的基本假定 §3.2 多元线性回归模型的估计 一、普通最小二乘估计 二、参数估计量的性质 三、样本容量问题 四、估计实例 §3.3 多元线性回归模型的统计检验 一、拟合优度检验 二、方程的显著性检验(F检验) 三、变量的显著性检验（t检验） 四、参数的置信区间

第一节 相关关系、基本概念 一. 变量相关的概念 二. 相关系数及其计算 第二节 简单线性回归分析 第三节 非线性回归分析

一、模型参数的线性约束 二、对回归模型增加或减少解释变量 三、参数的稳定性 *四、非线性约束

一、回归预测的含义 回归(Regression)一词是由生物学相关概念引 申而来,它是英国生物学家高尔顿(. Galton〉 用来描述遗传变异现象的术语。1889年他在《普 用回归定律》一文中指出:每个人的特点和他的 亲属有相似之处,但平均地说在程度上有一定的 差异。他的朋友皮尔逊后来对1078个家庭进行 了调查,发现个子高的父母比矮的父母趋向于生 育个子高的子女,但是从平均数看,父母高, 他们的子女不一定像父母那样高,反之也不像 其父母那样矮。这种现象便称之为回归。后来这 个名词被广泛用来表示变量间的数量关系

一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间

一、拟合优度检验 二、方程的显著性检验(F检验) 三、变量的显著性检验（t检验） 四、参数的置信区间

一、拟合优度检验 二、方程的显著性检验(F检验) 三、变量的显著性检验(t检验) 四、参数的置信区间

一、拟合优度检验 二、方程的显著性检验(F检验) 三、变量的显著性检验（t检验） 四、参数的置信区间

二重比估计与二重回归估计的思想与二重分层估计的思 想相类似。比估计与回归估计需要事先知道辅助变量X的平 均数或总和。如果事先并不掌握辅助变量的平均数或者总和 的信息,但辅助变量的观察要比调查的指标Y容易得多,那 么就可以使用二重比估计或者二重回归估计

一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程