 Modeling strategies of SEM（模型的用途）  Model confirmation：验证（confirmatory）先设模型的恰当性  Model generation：设起始模型，与观察数据比较之后，进行必要的修正，反复估计而得到最佳拟合的模型  Model competation：利用不同模型的比较以决定何者最能反应真实数据 1、模型设定（model specification） 2、模型识别（model identification） 3、模型估计（model estimation） 4、模型评价（model evaluation） 5、模型修正（ model modification）

ARMA 模型的干扰分析就是对平稳时间序列的均值变化进行显著性检验。先以 AR(1) 过程为例

一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间

主要内容 一、为何要用结构方程模型? 二、结构模型原理 三、结构方程的建立 四、科研案例 五、结构方程的Amos实现

§3.1 多元线性回归模型 一、多元线性回归模型 二、多元线性回归模型的基本假定 §3.2 多元线性回归模型的估计 一、普通最小二乘估计 二、参数估计量的性质 三、样本容量问题 四、估计实例 §3.3 多元线性回归模型的统计检验 一、拟合优度检验 二、方程的显著性检验(F检验) 三、变量的显著性检验（t检验） 四、参数的置信区间

• 多元线性回归模型 • 多元线性回归模型的参数估计 • 多元线性回归模型的统计检验 • 多元线性回归模型的预测 • 回归模型的其他形式 • 回归模型的参数约束

 方法性工具  差分运算  延迟算子  线性差分方程  ARMA模型  AR模型（Auto Regression Model）  MA模型（Moving Average Model）  ARMA模型（Auto Regression Moving Average model）  平稳序列建模  序列预测  建模步骤  模型识别  参数估计  模型检验  模型优化  序列预测

第一章EViews软件使用初步 第二章线性回归分析 第三章非线性模型 第四章传统时间序列分析 第五章ARMA模型应用 第六章动态计量模型基础 第七章多方程模型 第八章条件异方差模型 第九章Panel Data模型 第十章离散及受限因变量模型 第十一章EViews编程基础

针对材料在自然土壤环境中的腐蚀预测问题,提出应用多层线性模型对材料的腐蚀规律进行研究.多层线性模型是分析具有层次结构数据的新型统计技术,对于地区间土壤腐蚀规律的差异性特点和单地区实验观测样本不足的问题,可以为不同的区域分别建立腐蚀率模型,使模型假设与实际更为吻合.以碳钢在土壤中的腐蚀数据为研究对象,建立了腐蚀率的多层线性模型.实验验证了该模型可以准确地拟合和预测碳钢在土壤的腐蚀率变化,优于指数平滑算法和差分自回归移动平均算法

10.1 牙膏的销售量 10.2 软件开发人员的薪金 10.3 酶促反应 10.4 投资额与国民生产总值和物价指数