 平稳时间序列建模  虚假回归  单位根检验  协整  误差修正模型

数据残差图分析原理； 关于变量 X 和 Y 的一元线性回归模型：

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

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

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

第一章 认识 EXCEL 软件 第二章 EXCEL 函数 第三章 EXCEL 相关与回归分析

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

二、计算分析题 2某医院 表1 Logistic回归参数估计(模型1)

一、模型形式 {Yt } 的一阶自回归模型结构为

§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