（1）回归函数的 F 检验。 （2）回归参数的 t 检验。 （3）检验线性约束条件是否成立的 F 检验。 （4）JB 正态性检验 （5）似然比（LR）检验 （6）W 检验

线性回归 ●最小二乘法 ●梯度下降 二分类任务 ●对数几率回归-Logistic Regression ●线性判别分析-Linear Discriminate Analysis 多分类任务 ●一对一 ●一对其余 ●多对多 类别不平衡问题

一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间

前几章所讨论的内容，其目的在于寻求被测量 的最佳值及其精度。在生产和科学实验中，还有另 一类问题，即测量与数据处理的目的并不在于被测 量的估计值，而是为了寻求两个变量或多个变量之 间的内在关系，这就是本章所要解决的主要问题。 表达变量之间关系的方法有散点图、表格、曲 线、数学表达式等，其中数学表达式能较客观地反 映事物的内在规律性，形式紧凑，且便于从理论上 作进一步分析研究，对认识自然界量与量之间关系 有着重要意义。而数学表达式的获得是通过回归分 析方法完成的

已经学习回归模型和时间序列模型，如果把这两种分析方法结合在一起，有时会得到比 其中任何一种方法都好的预测结果

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

一、谱分析方法概述 二、自回归滑动平均模型 三、自回归谱的建模与估计 四、谱估计综合举例

一、什么是 Eviews Eviews (Econometric Views)软件是 QMS（Quantitative Micro Software）公司开发的、基于 Windows 平台下的应用软件，其前身是 DOS 操作系统下的 TSP 软件。Eviews 软件是由经济 学家开发，主要应用在经济学领域，可用于回归分析与预测(regression and forecasting)、时 间序列(Time series)以及横截面数据(cross-sectional data )分析。与其他统计软件（如 EXCEL、 SAS、SPSS）相比，Eviews 功能优势是回归分析与预测，其功能框架见表 1.1

一、一元数据处理方法 1、插值法 2、数据拟合 2.1 线性最小二乘拟合（多项式拟合）方法 2.2 回归分析方法 二、多元数据处理方法 1、二维插值 2、多元回归分析 3、聚类分析 4、主成分分析 三、如何写好建模竞赛论文

01 经典线性回归模型 02 普通最小二乘估计 03 拟合优度和模型选择准则 04 OLS估计量的无偏性和有效性 05 参数假设检验 06 应用与重要实例