一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计

本章介绍了回归分析的基本思想与基本方法。首先，本章从总体回归模型与总体回归 函数、样本回归模型与样本回归函数这两组概念开始，建立了回归分析的基本思想。总体回 归函数是对总体变量间关系的定量表述，由总体回归模型在若干基本假设下得到，但它只是 建立在理论之上，在现实中只能先从总体中抽取一个样本，获得样本回归函数，并用它对总 体回归函数做出统计推断

什么是回归预测 回归预测的常用方法 一元线性回归 一元非线性回归 二元线性回归 二元非线性回归 多元线性回归 多元非线性回归

一． 一元线性回归模型的评价 对一元线性回归模型需做数据的拟合优度、线性相关关系的检验。 Y＝β0 十 β1x＋ε，ε～N（0，σ2）其中，β0、β1、σ2 是未知参数

回归分析 1.根据经济理论或考察样本数据去设定回 归方程 X…Z Y: dependent variable; independent random error or disturbance term

§1 数据表的基础知识 §2 一元线性回归 §3 多元线性回归 §4 Matlab 中的回归分析 §5 非线性回归和逐步回归

§8.1 回归分析概述 §8.2 一元线性回归 §8.3 曲线回归 §8.4 多元线性回归

§1 一元线性回归 §2 曲线回归 §3 多元线性回归

§1 一元线性回归 §2 曲线回归 §3 多元线性回归

7.1 相关分析 7.2 一元线性回归分析 7.3 线性回归的显著性检验与回归预测