• 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）

一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计

一、虚拟变量 二、虚拟解释变量的回归 三、虚拟被解释变量的回归(选讲,不包括)

一． 一元线性回归模型的评价 对一元线性回归模型需做数据的拟合优度、线性相关关系的检验。 Y＝β0 十 β1x＋ε，ε～N（0，σ2）其中，β0、β1、σ2 是未知参数

一． 一元线性回归模型的评价 对一元线性回归模型需做数据的拟合优度、线性相关关系的检验

本章主要讨论了经典单方程回归模型的几个专门题。 第一个专题是虚拟解释变量问题。虚拟变量将经济现象中的一些定性因素引入到可以 进行定量分析的回归模型，拓展了回归模型的功能。本专题的重点是如何引入不同类型的虚 拟变量来解决相关的定性因素影响的分析问题，主要介绍了引入虚拟变量的加法方式、乘法 方式以及二者的组合方式

本章将一元回归模型拓展到了多元回归模型，其基本的建模思想与建模方法与一元的 情形相同。主要内容仍然包括模型的基本假定、模型的估计、模型的检验以及模型在预测方 面的应用等方面。只不过为了多元建模的需要，在基本假设方面以及检验方面有所扩充

第一节直线回归 第二节直线相关 第三节曲线回归

第一节 多元线性回归 第二节 自变量选择方法 第三节 多元线性回归的应用及其注意事项

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