单方程回归是最丰富多彩和广泛使用的统计技术之一。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。这些技术和模型都是建立在本章介 绍的基本思想的基础之上的

7.2点估计的评价标准 对于同一个未知参数,不同的方法得到的估计量可能不同,于是提出问题 1.应该选用哪一种估计量? 2.用何标准来评价一个估计量的好坏? (1)无偏性 (2)有效性 (3)致性

西安电子科技大学：《概率论与数理统计》课程教学课件（讲稿）第七章 参数估计 7.4 区间估计 7.5 正态总体均值和方差的区间估计 7.6（0－1）分布参数的区间估计 7.7 单侧置信区间

矩阵特征值估计  特征值界的估计  盖尔圆法

5.1 比估计及其性质 5.2 分层抽样中的比估计

3.1 简单随机抽样及实施方法 3.2 总体平均数与总和的估计 3.3 估计量的方差及其估计

公司价值的含义 公司债权估价 公司股权估价 公司整体价值的估算

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

§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、参数估计量的性质 三、样本容量问题 四、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

一、参数估计量的区间估计—不做介绍 二、预测值的区间估计