1 课程回顾与例题讲解.ppt

1 课程回顾与例题讲解;1.1 课程回顾;第一章 双变量回归分析 1. 回归分析的性质 2. 双变量回归分析 总回归函数（PRF） 线性的含义 总回归方程的随机设定 随机干扰项的意义 样本回归函数（SRF） 3. 双变量回归模型：估计问题 普通最小二乘法原理 的最小二乘估计 最小二乘（OLS）估计量的性质 经典线性回归模型：最小二乘模型的基本假定 最小二乘估计的精度或标准误差 判定系数r2：“拟合优度”的一个度量;第二章 双变量回归的进一步讨论 1. 正态性假设 经典正态线性回归模型（CNLRM） 在正态性假设下OLS估计量的性质 与正态分布有关的一些概率分布：t分布、F分布和χ2分布 2. 区间估计和假设检验 区间估计 回归参数β1和β2的置信区域 假设检验：置信区间的方法 假设检验：显著性检验法 显著性t检验和F检验 δ2的显著性检验：χ2检验 方差分析;第三章 多元（复）回归分析 1. 复回归分析：估计问题 三变量模型 偏回归系数的解释 偏回归系数的OLS估计 复判定系数R2 校正的R2 2. 复回归分析：推断问题 正态性假设 检验关于个别偏回归系数的假设 检验样本回归的总显著性 R2和F之间的一个重要关系式 检验两个回归系数是否相等 受约束的最小二乘法：检验线性等式约束条件 3. 用复回归做预测;第四章 线性回归模型的矩阵方法 k变量的线性