《应用回归分析》课程教学大纲.docx

《应用回归分析》课程教学大纲

课程总学时/学分：54/3

课程类别：专业限选课

一、教学目的和任务

回归分析是统计学中的一个非常重要的分支，它在自然科学、管理科学和社会、

经济等领域应用十分广泛。回归分析是以概率论与数理统计为基础，主要对随机现

象统计资料进行分析和推断。要求学生掌握用经典的线性回归分析方法建模，掌握

回归诊断的方法，并进一步了解近代回归分析中关于岭回归、主成分回归等有偏估

计方法。了解非线性回归的一般处理方法，使学生掌握应用统计的一些基本理论与

方法，初步掌握利用回归分析解决实际问题的能力。

二、教学基本要求

本课程属统计学专业基础选修课程，有自己独特的概念和方法，内容丰富，并

且是一门应用性很强的学科，对于统计专业的学生来说，在教学上该加强统计基本

思想的理解，培养学生的统计思维能力。注意列举回归在各领域成功应用的实例来

联系已学过课程的有关概念、理论和方法，并适当安排开阔思路及综合性的练习及

讨论，使学生通过做题既加深对本课程的基本概念、基本理论和基本方法的理解，

又增强运用理论知识建立数学模型、解决实际问题的能力。

三、教学内容及学时分配

第一章回归分析概述（2学时）

教学要求：

1．了解回归分析的发展史。

2．了解回归分析的研究内容。

教学重点：

回归分析的研究内容。

教学难点：

回归分析的研究内容。

第二章一元线性回归（10学时）

教学要求：

1．了解一元线性回归模型的概念；熟练掌握一元线性回归模型中参数的最小二

乘估计和最大似然估计及其性质。

2．掌握回归方程的显著性检验；理解回归系数的区间估计。

3．理解残差分析的基本概念和方法；理解回归模型的主要应用、预测和控制等

问题。

教学重点：

一元线性回归模型中参数的最小二乘估计和最大似然估计及其性质；回归方程

的显著性检验；理解回归系数的区间估计。

教学难点：

回归方程的显著性检验。

第三章多元线性回归（8学时）

教学要求：

1．了解多元线性回归模型的概念及其基本假设。

2．理解并熟练掌握回归参数的最小二乘估计和最大似然估计及其性质。

3．理解回归方程的显著性的F检验及回归系数的t检验。

教学重点：

回归参数的最小二乘估计、最大似然估计、回归方程的显著性的F检__________验及回归

系数的t检验。

教学难点：

回归方程的显著性的F检验。

第四章违背基本假设的情况（8学时）

教学要求：

1．了解异方差性产生的背景、原因及其带来的影响。

2．理解异方差性的检验。

3．理解并熟练掌握回归参数的加权最小二乘估计。

4．了解自相关性带来的问题及其处理方法。

教学重点：

异方差性的检验、回归参数的加权最小二乘估计。

教学难点：

异方差性的检验。

第五章自变量选择与逐步回归（8学时）

教学要求：

1．了解回归选元对回归参数估计和预测的影响。

2．理解自变量选择常用的三个准则。

3．理解并掌握逐步回归的基本思想及方法。

教学重点：

逐步回归的基本思想及方法。

教学难点：

自变量选择常用的三个准则。

第六章多重共线性的情形及其处理（6学时）

教学要求：

1．了解多重共线性的概念、产生的基本背景和原因。

2．理解多重共线性对回归模型的影响。

3．理解多重共线性的诊断方法及消除方法。

教学重点：

多重共线性的诊断及消除方法。

教学难点：

多重共线性的诊断及消除方法。

第七章岭回归（6学时）

教学要求：

1．掌握岭回归的定义及其统计思想。

2．掌握岭回归估计的性质。

3．理解岭参数k的选择方法。

教学重点：

岭回归估计的性质。

教学难点：

岭参数k的选择方法。

第八章非线性回归（6学时））

教学要求：

1．理解曲线回归化为线性回归的基本思想及方法。

2．理解多项式回归的基本概念及其应用。

3．了解非线性模型的定义及其应用。

教学重点：

多项式回归、非线性模型的定义及其应用。

教学难点：

多项式回归、非线性模型的应用。

四、推荐教材及参考书目

[1]何晓群，刘文卿.应用回归分析（第四版），中国人民大学出版社，2002

[2]周纪芗.回归分析，华东师范大学出版社，1993

[3]方开泰.实用回归分析，科学出版社，1998

[4][美]约翰.内特（张勇等译）.应用线性回归模型，中国统计出版社，1990