客服咨询

意见反馈

回归分析
审计/审计/
0.0
1
视频
5.5
课时
11.00
介绍
目录

课程概述

线性统计模型是现代统计学中应用最为广泛的模型之一,而且也是其它统计模型研究或者应用的基础。掌握了线性模型的理论,也就掌握了统计的核心内容。

课程目标

考核评价

讲师介绍

详细介绍

在现实世界中,许多量之间具有线性或者近似的线性依赖关系;虽然许多量之间的关系式非线性的,但是经过适当的变换,变换过后的新变量之间具有近似的线性关系;线性关系是数学中最基本的关系,比较容易处理,同时在数学中也已经积累了处理线性关系的丰富的理论与方法。本课程阐述线性模型的基本理论、方法及其应用。

第一章 回归分析概述
第一章 回归分析概述

(642s)

第二章 一元线性回归
第二章 一元线性回归

(992s)

第三章 参数估计
3.1 矩阵广义逆概念

(999s)

3.2 最小二乘估计(一)

(939s)

3.3 最小二乘估计(二)

(858s)

3.4 约束最小二乘估计

(585s)

3.5 广义最小二乘估计(一)

(612s)

3.6 广义最小二乘估计(二)

(387s)

第四章 假设检验
4.1 模型的假设检验

(482s)

4.2 假设检验

(968s)

第五章 线性回归模型
5.1 线性回归模型

(1002s)

5.2 回归方程的系数检验

(829s)

5.3 复相关系数

(414s)

5.4 回归自变量的选择问题

(606s)

5.5 回归自变量选择三个准则

(611s)

5.6 回归诊断

(1112s)

5.7 Box Cox变换

(491s)

5.8 均方误差及复共线性

(743s)

5.9 有偏估计(一)

(754s)

5.10 5.9 有偏估计(二)

(852s)

技术支持: 杭州沃土教育科技股份有限公司