迴歸分析 (Regression analysis) 係用來分析一個或一個 以上自變數與依變數間 的數量關係；以瞭解當 自變數為某一水準或數 量時，依變數反應的數 量或水準

上海交通大学：数学科学学院专业课《回归分析与线性模型》课程教学大纲

选取某4000 m3级别高炉2014年至2019年时间范围内的日平均数据，以铁水温度为目标函数，首先对铁水温度的特征参量进行线性与非线性相关性分析、特征选择与规范化处理，获取了显著影响铁水温度的正负相关性特征参量。在此基础上，基于支持向量回归与极限学习机两种算法对铁水温度构建预测模型，模型均可对铁水温度实现有效预测，基于支持向量回归算法构建的预测模型较优，预测平均绝对误差为4.33 ℃，±10 ℃误差范围内的命中率为94.0%

引言 第一章 回归分析 第二章 双变量回归分析 第三章 多变量回归分析 第四章 非线性模型 第五章 多重共线性 第六章 异方差 第七章 自相关 第八章 单方程模型的几个问题 第九章 联立方程模型 第十章 时间序列分析

采用恒变形率凸轮压缩试验机对不锈钢0Cr13热变形流动应力进行了试验研究,分析了变形温度、变形速率、变形程度对流动应力的影响,同时对不同的数学模型结构形式进行了非线性回归,提出了2个非线性流动应力数学模型.分温度段回归数学模型与试验数据具有较高的拟合精度,全温度段回归的数学模型便于计算机控制在线生产

通常,在分析估计回归直线的性能和自变量对 最终回归的影响时,用方差分析方法 方差分析是一种主要用于线性回归模型中β 值非零的情况下的识别方法。假设用最小二乘 法已求出参数β的值,那么观察到的输出值和 拟合值的差异是残差

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

• 线性回归 • 逻辑斯蒂回归 • 最大熵模型 • 极大似然估计 • 模型学习浅谈 • 最大熵总结 • 最大熵应用举例（略） • 最大熵源码分析（略） • 最大熵包使用（略）

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

在许多实际问题中,常常会遇到要研究一个随机变量与多个变量之间的相关关系,例 如,某种产品的销售额不仅受到投入的广告费用的影响,通常还与产品的价格、消费者的 收入状况、社会保有量以及其它可替代产品的价格等诸多因素有关系研究这种一个随机 变量同其他多个变量之间的关系的主要方法是运用多元回归分析.多元线性回归分析是一 元线性回归分析的自然推广形式,两者在参数估计、显著性检验等方面非常相似.本节只 简单介绍多元线性回归的数学模型及其最小二乘估计