第一节 拟合优度检验 第二节 无关联性检验 第三节 方差分析 第四节 回归方程与相关系数的检验

北京外国语大学：《计量经济学》课程教学资源（典型例题分析）第二章 经典单方程计量经济学模型（一元线性回归模型）

二、计算分析题 2某医院 表1 Logistic回归参数估计(模型1)

模型的建立及其假定条件 最小二乘估计（OLS） OLS回归函数的性质 最小二乘估计量的特性 yt的分布和 的分布  的估计 拟合优度的测量 回归参数的显著性检验与置信区间 yF 的点预测与区间预测 案例分析 相关系数 EViews操作

一、模型形式 {Yt } 的一阶自回归模型结构为

• 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）

第五节 曲线直线化 第二节 直线回归 第三节 相关回归分析注意问题 第四节 等级相关 第一节 直线相关

§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的基本假设 (Assumptions of Simple Linear Regression Model) 一、关于模型设定的假设 二、关于解释变量的假设 三、关于随机项的假设 §2.3 一元线性回归模型的参数估计 (Estimation of Simple Linear 一、参数的普通最小二乘估计（OLS） 二、参数估计的最大或然法(ML) 三、最小二乘估计量的性质 四、参数估计量的概率分布及随机干扰项方差的估计 §2.4 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.5 一元线性回归分析的应用——预测问题 一、预测值条件均值或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间 §2.6 实例及时间序列问题

选取某4000 m3级别高炉2014年至2019年时间范围内的日平均数据，以铁水温度为目标函数，首先对铁水温度的特征参量进行线性与非线性相关性分析、特征选择与规范化处理，获取了显著影响铁水温度的正负相关性特征参量。在此基础上，基于支持向量回归与极限学习机两种算法对铁水温度构建预测模型，模型均可对铁水温度实现有效预测，基于支持向量回归算法构建的预测模型较优，预测平均绝对误差为4.33 ℃，±10 ℃误差范围内的命中率为94.0%

第一节 时间序列概述 一、时间序列的意义 二、时间序列的种类 三、时间序列编制原则 四、时间序列的建立 第二节 时间序列分析 一、时间序列分析概念 二、确定性与随机性时间序列分析 三、时间序列分析方法 四、时间序列的应用 第三节 时间序列及其特征识别 一、时间序列与随机过程 二、时间序列的识别判据 三、时间序列特征的识别 第四节 平稳时间序列模型 一、一阶自回归模型 二、一般自回归模型 三、移动平均模型 四、自回归移动平均模型