一元线性回归 多元线性回归 数据与统计学 数据的描述性分析：图表展示 数据的描述性分析：概括性度量 数据的描述性分析：概括性度量（二） 数据的描述性分析：实训 随机变量的概率分布 参数估计 假设检验

一、伪回归现象 所谓“伪回归”，是指变量间本来不存在相依关系，但回归结果却得出存在 相依关系的错误结论。这是传统回归分析方法较易犯的一种错误。 经济学家早就发现经济变量之间可能会存在伪回归现象。 20 世纪 70 年代，Grange、Newbold 研究发现，造成“伪回归”的根本原因 在于变量的时序序列的非平稳性

主要内容 1.掌握关系的含义、计算方法和应用 2.一元性回归的基本和伊的最小二鼎估方法 3.回归与相关分析 4.利用回归方选行

露天矿运输过程中,车速、路面粉尘负荷、粉尘含水率与扬尘浓度有密切的关系.通过对它们设计正交试验和多元回归统计分析,得到运输扬尘质量浓度的计量模型,该模型具有99%的显著性和拟合性.经回归系数显著性检验,自变量对因变量的影响均极为显著,其显著性大小依次为:车速、粉尘含水率和路面粉尘负荷.最后采用实测值与模型计算值的计算机拟合,对模型进行验证.结果表明,该模型具有较高的可信度

实验一 Eviews 软件的基本操作.1 实验二 一元回归模型 .10 实验三 多元和非线性回归模型 .20 实验四 多重共线性 .29 实验五 异方差性 .38 实验六 自相关性 .49 实验七 滞后变量模型 .63 实验八 虚拟解释变量模型 .75 实验九 模型设定误差诊断与检验 .82 实验十 联立方程模型 .90 实验十一 平稳时间序列分析 .106 实验十二 非平稳时间序列分析（一） .118

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

• 一、向量自回归模型定义 • 二、VAR的稳定性 • 三、VAR模型滞后期k的选择 • 四、VAR模型的脉冲响应函数和方差分解 • 五、格兰杰非因果性检验 • 六、VAR与协整 • 七、实例

第一章 统计和统计数据的收集 第二章 统计数据的整理和展示 第三章 数据的描述性分析 一、绝对数和相对数 二、集中趋势的测定 三、离散趋势的测定 四、数据的形态测定 第四章 概率基础——随机变量及其概率分布 第一节 随机变量的概念及数字特征 第二节 常见的离散型分布 一、两点分布 二、二项分布 第三节 常见的连续型分布 正态分布 x2分布 t分布 F分布 第四节 中心极限定理 第五章 区间估计和假设检验 第六章 相关与回归 多元线性回归 非线性回归模型 第八章 时间数列分析 时间数列的种类和编制方法 时间数列传统分析指标 长期趋势的测定 季节变动、循环变动和剩余变动的测定 时间数列的预测方法

一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳时间序列分析 五、非平稳序列的确定性分析 六、非平稳序列的随机性分析 七、平稳性的单位根检验 八、单整、趋势平稳与差分平稳随机过程

一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳时间序列分析 五、非平稳序列的确定性分析 六、非平稳序列的随机性分析 七、平稳性的单位根检验 八、单整、趋势平稳与差分平稳随机过程