 Modeling strategies of SEM（模型的用途）  Model confirmation：验证（confirmatory）先设模型的恰当性  Model generation：设起始模型，与观察数据比较之后，进行必要的修正，反复估计而得到最佳拟合的模型  Model competation：利用不同模型的比较以决定何者最能反应真实数据 1、模型设定（model specification） 2、模型识别（model identification） 3、模型估计（model estimation） 4、模型评价（model evaluation） 5、模型修正（ model modification）

1. 回归模型、回归方程、估计的回归方程 2. 回归方程的拟合优度 3. 回归方程的显著性检验 4. 多重共线性问题及其处理 5. 利用回归方程进行估计和预测 6. 虚拟自变量的回归问题 7. 用 Excel 进行回归分析

一、简单线性回归模型的设定 二、简单线性回归模型的基本假定 三、简单线性回归模型参数的估计方法 四、参数估计量的统计性质 五、拟合优度的度量 六、回归系数的区间估计和假设检验 七、回归模型预测 八、EViews应用

第一节 随机效应与方差分量模型 第二节 方差分量模型的解法 第三节 方差分量模型参数的广义岭估计 第四节 方差分量模型参数经验 Bayes 估计

 5.1 图像退化的数学模型  5.2 噪声模型  5.3 噪声估计  5.4 退化函数估计  5.5 无约束图像恢复  5.6 有约束图像恢复

假如你站在崖顶且身上带着一只具有跑表功 能的计算器,你也许会出于好奇心想用扔下 一块石头听回声的方法来估计山崖的高度, 假定你能准确地测定时间,你又怎样来推算 山崖的高度呢,请你分析一下这一问题

9.1 联立方程模型的概念 9.2 联立方程模型的分类（结构模型，简化型模型） 9.3 联立方程模型的识别 9.4 联立方程模型的估计方法（两段最小二乘估计的EViews操作） 9.5 案例

要点：掌握多元线性回归模型中的基本假设检验方法。重 点掌握多元线性回归模型的约束条件；正态性检验方法； 普通最小二乘估计方法

第一节 回归分析与回归方程 第二节 简单线性回归模型的最小二乘估计 第三节 拟合优度的度量 第四节 回归系数的区间估计和假设检验 第五节 回归模型预测 第六节 案例分析

第一节 回归分析与回归方程 第二节 简单线性回归模型的最小二乘估计 第三节 拟合优度的度量 第四节   回归系数的区间估计和假设检验 第五节   回归模型预测 第六节 案例分析