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

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