原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
实用回归分析与实验课程标准
课程概况
课程名称
实用回归分析与实验
课程代码适用专业
应用统计学
开课学期
第4学期
课程性质
专业必修课程
学时/学分
51/3
预修课程
《数学分析》、《高等代数》、《概率论》、《数理统计》
二、课程目标
课程目标1掌握常用的回归分析方法的基本理论和实现方法；能够利用所学的回归分
析方法分析实际经济案例；为其就业与继续深造打下必要而有用的基础。
课程目标2突出专业能力培养要求，使学生熟练掌握回归分析的常用方法，使学生具备一定的分析数据，处理数据和预测分析的能力，及论文的写作能力，为今后从事数据分析的相关工作打下良好的专业基础。
课程目标3提升学生的数据分析与统计的科学素养，培养学生实事求是、科学创新、
团结协作及吃苦耐劳的精神，奠定学生从事统计相关专业可持续发展的基础。
三、课程目标与毕业要求的关系
1、课程目标与毕业要求的对应关系
毕业要求
指标点
课程目标
2.数学基础
具备运用回归分析知识解决相关统计问题的能力，了解相关统计方法的历史概况和广泛应用。
掌握回归分析中的数据处理和分析方法。
课程目标1
课程目标2
课程目标3
3.金融统计
3.1掌握回归分析的基本原理和常用方法。
课程目标1
课程目标2
课程目标3
4.数据分析
具备较强的回归分析能力,能综合运用所学的回归分析知识分析和解决实际问题，特别是解决相关的统计金融问题。
熟练应用SPSS软件和R软件进行相应的统计分析与计算。
课程目标1
课程目标2
课程目标3
2、课程目标与毕业要求的矩阵关系图
思想政治
数学基础
金融统计
数据分析
外语体育
人文发展
1.1
1.2
1.3
2.1
2.2
2.3
3.1
3.2
3.3
4.1
4.2
4.3
5.1
5.2
5.3
6.1
6.2
6.3
课程目标1
L
H
H
H
H
课程目标2
M
M
M
课程目标3
H
H
H
注：H表示高支撑，M表示中支撑，L表示低支撑。
四、课程教学要求与重难点
序
号
课程内容框架
教学要求
教学重点
教学难点
1
回归分析概述
(1)掌握回归分析应用及建立实际问题回归模型的过程；
(2)熟悉回归分析的基本概念、回归分析的主要内容及其一般模型；
(3)理解回归分析的主要内容；
(4)了解回归方程与回归名称的由来；
(5)初步了解回归分析发展述评。
回归分析主要内容，0归分析一般模型。
回归分
析一般模型。
2
一元线性
回归
(1)掌握参数的估计，最小二乘估计的性质，回归方程的显著性检验，残差分析；回归模型建立及预测；
(2)熟悉一元线性回归模型及应用，回归系数的区间估计;
(3)了解一元线性回归模型的一般应用；
(4)初步了解一元线性回归模型的控制问题。
一元线性回归的最小二乘估计，最小二乘估计的性质，回归方程的显著性检验，回归模型的预测。
一元线性回归的最小二乘估计，回归模型的预测。
3
多元线性回归
(1)掌握多元线性回归模型回归参数的估计、参数估计量的性质回归方程的显著性检验及应用；
(2)熟悉多元线性回归模型；
(3)理解中心化和标准化问题；
(4)了解相关阵与偏相关系数。
多元线性回归模型回归参数的估计，参数估计量的性质，回归方程的显著性检验及应用。
有序样品聚类和模糊聚类
4
违背基本假设的情况
(1)掌握一元加权最小二乘估计、多元加权最小二乘估计、自相关性问题、异方差性问题及其处理；
(2)理解违背基本假设概念；
(3)了解异方差性及自相关性产生的背景和原因；
(4)熟悉异常值与强影响点及处理。
加权最小二乘法，迭代法，差分法，异常值检验
加权最小二
乘法,迭代法
5
自变量选择与逐步回归
(1)掌握逐步回归及应用；
(2)熟悉自变量选择对估计和预测的影响；
(3)理解所有子集回归；
(4)了解自变量选择的相关方法。
变量选择的准则，逐步回归
逐步回归
6
多重共线的情况及其处理
(1)掌握消除多重共线性的方法；
(2)熟悉多重共线性的诊断；
(3)理解多重共线性对回归模型的影响；
(4)了解多重共线性产生的背景和原因。
多重共线性的诊断，多重共线性的处理
多重共线性
的处理
7
岭回归
(1)掌握用岭回归选择变量；
(2)熟悉岭参数人的选择；
(3)理解岭回归估计的定义及性质；
(4)了解岭迹分析。
岭估计，岭回归估计的性质，岭参数k的选择
岭参数k的
选择
五、课程教学内容、教学方式、学时分配及对课程目标的支撑情况
序号
课程内容框架
教学内容
教学方式
学时
支撑
课程目标
1
回归分析概述
(1)掌握回归分析应用及建立实际问题回归模型的过程；
(2)熟悉回归分析的基本概念、
文档评论（0）