运用回归分析 总复习.pdf

 一元线性回归 线性回归  多元线性回归  讨论如何从数据推断回归模型基本假设的合理性 回归诊断  当基本假设不成立时如何对数据进行修正  自变量选择的准则 回归变量的选择 回归分析 逐步回归分析方法  参数估计方法的改进 岭回归   主成分回归  非线性回归 可化为线性回归的曲线回归  自变量含定性变量的情况 含有定性变量的回归因变量是定性变量的情况   一元线性回归 1 一元线性回归模型 2 参数β 、β 的估计 0 1 3 最小二乘估计的性质 4 回归方程的显著性检验 5 残差分析 6 回归系数的区间估计 7 预测 1 一元线性回归模型 一元线性回归模型 y =β +β x+ε 0 1 E()  0  2 var()  回归方程 E （y|x ）=β +βx 0 1 ˆ ˆ ˆ 经验回归方程 y   x 0 1 2 参数β 、β 的估计 0 1 一、普通最小二乘估计 (Ordinary Least Square Estimation,简记为OLSE) 最小二乘法就是寻找参数β 、β 的估计值使离差平方和达极小 0 1 n 2 ˆ ˆ ˆ ˆ Q( , ) (y   x ) 0 1 i 0 1 i i 1 n min (y   x )2 i 0 1 i  ,