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

为了解决基于Apriori的分类关联规则算法挖掘数值型数据时效率和准确率偏低的问题,提出基于定量关联规则树的分类及回归预测算法.采用改进的定量关联规则算法挖掘数值型数据生成关联规则库,并基于关联规则树结构实现分类及回归预测.研究结果表明:改进的Apriori定量关联规则挖掘算法提高了分类预测的准确率并降低了计算复杂度;而采用关联规则树结构可使分类与回归预测时间明显加快,提高了样本匹配学习的速度

随着物联网技术的发展，前端传感器的使用使得低合金钢的海水腐蚀监测成为了现实，从而获得了大量的腐蚀数据。针对传统均值法处理双率腐蚀数据带来的数据信息损失以及建模精度下降问题，提出了一种基于综合指标值(CIV)和改进相关向量回归(IRVR)的双率腐蚀数据处理和建模算法(CIV-IRVR)。首先，通过构建CIV表征输入数据的综合影响并采用天牛须搜索(BAS)算法对其参数进行寻优；然后，建立最优CIV序列与输出数据间的线性回归模型将双率数据转化为建模用的单率数据，能够更多地保留原始数据信息；最后，给出了一种BAS算法优化的具有组合核函数的改进相关向量回归建模方法(IRVR)，并建立了针对低合金钢海水腐蚀双率数据的CIV-IRVR预测模型。结果表明：相比于均值方法处理双率腐蚀数据，所提方法将建模样本数量由196提升到了1834；相比于海水腐蚀建模领域常用的人工神经网络(ANN)和支持向量回归(SVR)建模方法，所提模型的平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(CD)分别为1.1914 mV、1.5729 mV以及0.9963，在各项指标上均优于对比算法，说明所提模型不仅减少了信息损失还提高了建模精度，对于双率海水腐蚀数据建模具有一定现实意义

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

多元线性回归的数学模型 多元线性回归的建立 多元线性回归的检验 复相关与偏相关

1. 理解相关与回归的概念 2. 理解相关系数与回归系数的含义 3. 能运用相关与回归分析的方法分析实际问题

一、K元线性回归模型与一元线性回归模型的区别 二、关于模型的基本假设 三、k元线性回归模型的估计、检验和应用 四、理解OLSE的优良性质 五、比较OLS法与ML法的异同和适用性 六、如何综合评价经济计量建模的效果

本章主要介绍了相关分析和回归分析的基本理 论。包括确定相关关系的判别方法以及配合回归 直线及曲线的条件,掌握建立回归方程和相关回 归分析需要注意的问题,达到学会预测的目的等

 回归（Regression，或Linear Regression）分析变量间的关系，有明确的因果关系假设。  即要假设一个变量为自变量，一个为因变量，用回归表示自变量对因变量的影响。  如年龄对收入的影响。[解释]  由于回归构建了变量间因果关系的数学表达，它具有统计预测功能

处理效应与选择难题 通过随机分组解决选择难题 依可测变量选择 匹配估计量的思想 倾向得分匹配 倾向得分匹配的Stata实例 偏差校正匹配估计量 双重差分倾向得分匹配 断点回归的思想 精确断点回归 模糊断点回归 断点回归的Stata实例 处理效应模型