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 多元线性回归 第二节 自变量的选择 1.变量多增加了模型的复杂度 2.计算量增大 3.估计和预测的精度下降 4.模型应用费用增加 第三节 多元线性回归的应用及其注意事项

●滞后效应与滞后变量模型 ●分布滞后模型的估计 ●自回归模型的构建 ●自回归模型的估计

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

一、引言 多元回归分析在社会科学中已经得到广泛应用,成为标准的统计工具。作为多元分析,它能够对社会现象提供较深入的解释力同时,它的计算机软件现在 已广为流传,它的统计结果又可以比较直观地得到解释。多元回归的确具有许多良好的统计性质,甚至在应用中的一些必要的假设条件不能完全满足时,它也仍 然可以得到不失为合理的结果

科学的最终目的在于揭示事物变化的内在规律,因果关系是事物内在规律的 种基本形式。然而,事物的内在联系并不能直接观察到,所以需要在科学研究中应用 各种方法来加以探索和分析。通径分析便是一种探索系统因果关系的统计方法。 因果关系模型中明确设置自变量和因变量,通过模型分析,检査自变量对于 因变量的作用方向、作用强度和解释能力。并且,因果关系模型还可以用来进行 预测。本书第二章多元回归分析便是因果关系模型的一种。但是,多元回归模型 是一种比较简单的因果关系模型,它所假设的因果关系不存在多环节的因果结 构,尽管多元回归模型中可以包含多个自变量,然而各个自变量对因变量的作用 却是假设为并列存在的

Section 8.1 Concepts About Regression and Correlation 回归与相关的基本概念 Section 8.2 Scatter Plots 散点图 Section 8.3 Correlation Analysis 相关系数 Section 8.4 Least-Squares Regression 最小平方回归

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

第一节 直线回归 第二节 直线相关 *第三节 曲线回归