《回归分析》课件 刘超——回归分析教学大纲-hep.docxVIP

PAGE 2 回归分析教学大纲 概述本书主要内容、特点及全书章节主要标题并附教学大纲 本书基于归纳演绎的认知规律，把握统计理论的掌握能力和统计理论的应用能力的平衡，依据认知规律安排教材各章节内容。教材不仅阐述了回归分析的基本理论和具体的应用技术，还按照认知规律适当拓宽学生思维，介绍了伴前沿回归方法。教材采用了引例、解题思路、解题模型、概念、案例、习题、统计软件七要素合一的教材内容安排模式，有助于培养学生的统计思维与统计能力。 全书共分14章，包括绪论、一元线性回归、多元线性回归、模型诊断、自变量的问题、误差的问题、模型选择、收缩方法、非线性回归、广义线性模型、非参数回归、机器学习的回归模型、人工神经网络以及缺失数据等内容。 第1章对回归分析的研究内容和建模过程给出综述性介绍；第2章和第3章详细介绍了一元和多元线性回归的参数估计、显著性检验及其应用；第4章介绍了回归模型的诊断，对违背回归模型基本假设的误差和观测的各种问题给出了处理方法；第5章介绍了回归建模中自变量可能存在的问题及处理方法，包括自变量的误差、尺度变化以及共线性问题；第6章介绍了回归建模中误差可能存在的问题及处理方法，包括广义最小二乘估计、加权最小二乘估计；第7章介绍了模型选择方法，包括基于检验的方法、基于标准的方法；第8章介绍了模型估计的收缩方法，包括岭回归、lasso、自适应lasso、主成分法、偏最小二乘法；第