一、多重共线性的含义 二、多重共线性来源及对OLSE性质的影响 三、多重共线检验：可决系数法、方差膨胀因子 四、多重共线的解决办法：逐步回归法 五、遗漏重要解释变量的后果 六、理解案例

我们知道在进行抽样设计时，往往要求先掌握关于总体 的一些知识。比如分层抽样时，必须知道各层的权重。又如 进行比估计和回归估计时，必须事先知道辅助变量的总体总 和或者均值。有时候，我们对这些知识一无所知，似乎不能 利用一些好的抽样方法。其实不然，只要获取那些知识的代 价并不算大，我们就可以先进行一次抽样，获得辅助信息的 知识，然后再进行第二次抽样。第二次抽样就可以使用分层 抽样或者比估计等方法了

一、回归常识与结构方程模型 二、交互效应调节效应中介效应：原理、检验与复合 三、一般效应分析的DASC计算 四、循环效应：原理、图示、DASC计算 五、效应分析的应用与论文写作 六、附录：联立方程模型与二阶段LSE

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、自回归模型（AR） 由于经济系统惯性的作用，经济时间序列往往存在着前后依存关 系。最简单的一种前后依存关系就是变量当前的取值主要与其前一时 期的取值状况有关。用数学模型来描述这种关系就是如下的一阶自回 归模型：

1 绪论 2 概率分布 3 回归的线性模型 4 分类的线性模型 5 神经⽹络 6 核⽅法 7 稀疏核机 8 图模型 9 混合模型和EM 10 近似推断 11 采样⽅法 12 连续潜在变量 13 顺序数据 14 组合模型

§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、最大或然估计 *三、矩估计 四、参数估计量的性质 五、样本容量问题 六、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 §3.4 多元线性回归模型的预测 一、E(Y0)的置信区间 二、Y0的置信区间 §3.5 回归模型的其他函数形式 一、模型的类型与变换 二、非线性回归实例 §3.6 受约束回归 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

由于虚假回归问题的存在，在回归模型中应避免直接使用不存在协积关系的非平稳变 量。因此检验变量的平稳性是一个必须解决的问题。在第二章中介绍用相关图判断时间序列 的平稳性。这一章则给出序列平稳性的严格的统计检验方法，即单位根检验。 在介绍单位根检验之前，先认识四种典型的非平稳随机过程

相关分析与回归分析是以概率论与数理统计为基础 迅速发展起来的应用性较强的科学方法,是现代应用统计 学的重要分支,是研究事物间量变规律的科学方法。回归 分析着重在寻找变量之间近似的函数关系相关分析则不 着重这种关系而致力于寻找一些数量指标,以刻划有关变 量之间关系深浅的程度变

前面讨论的简单随机抽样和分层抽样，我们所关心的参 数都是单指标的，给出的估计量也是线性形式。这一章我们 将要讨论比较复杂的情况，我们关心的参数不再是单指标的 而是两个或两个以上的指标。此时，遇到的统计量不再是线 性形式，往往呈现出非线性形式，比如两个变量之比，或呈 现变量之间的回归关系