12.1 多元线性回归模型 12.2 回归方程的拟合优度 12.3 显著性检验 12.4 多重共线性 12.5 利用回归方程进行估计和预测 12.6 变量选择与逐步回归

一、目的要求 1.掌握多重线性回归的意义及用途； 2.掌握多重线性回归与相关的有关指标的含义。 3.熟悉多重相关与回归分析的基本原理和方法。 4.了解多重共线性的概念及其对回归分析结果的影响

3.1 多元线性回归模型 3.2 回归参数的估计 3.3 参数估计量的性质 3.4 回归方程的显著性检验 3.5 中心化和标准化 3.6 相关阵与偏相关系数

2 .1 一元线性回归模型 2 .2 参数β0、β1的估计 2 .3 最小二乘估计的性质 2 .4 回归方程的显著性检验 2 .5 残差分析 2 .6 回归系数的区间估计 2 .7 预测和控制 2 .8 本章小结与评注

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(SRF)

9.1 简单线性相关分析 9.2 一元线性回归分析 9.3 多元线性回归与复相关分析 9.4 变量间非线性关系的回归

多元线性回归分析 多元线性回归分析( multiple linear regression analysis)的定义 通过建立关系方程式,实现用k(k≥2)个自变数来预测依变数及对预测精度给出 评价的统计分析,当自变数与依变数间的关系为线性时此分析称之为多元线性回归分析

一、多元线性回归模型 二、多元线性回归模型的基本假定

方差分析 – 方差分析的过程 – 单因素方差分析 – 二因素方差分析 相关分析 – 相关分析的过程 回归分析 – 一元回归 – 多元回归

二重比估计与二重回归估计的思想与二重分层估计的思 想相类似。比估计与回归估计需要事先知道辅助变量 X的平 均数或总和。如果事先并不掌握辅助变量的平均数或者总和 的信息，但辅助变量的观察要比调查的指标 Y容易得多，那 么就可以使用二重比估计或者二重回归估计