第一章 对有关数理统计学知识的回顾 1
1.1 随机变量及其分布 1
1.2 几个重要的概率分布 9
1.3 统计推断1：参数的估计 13
1.4 统计推断2：参数的假设检验 17
第二章 回归分析的几个基本概念 22
2.1 回归的含义 22
2.2 变量之间的统计关系 24
2.3 回归分析与相关分析 27
2.4 回归模型所含自变量的数目 28
2.5 总体回归函数 29
2.6 样本回归函数 33
2.7 随机扰动误差项 37
第三章 回归参数的估计 40
3.1 回归参数的点估计 40
3.2 最小平方估计量 β0和 β1的特性及高斯——马可夫定理 51
3.3 最大似然估计法的应用 56
3.4 对 σ2的估计 59
4.1 引言 67
第四章 回归模型的考查 67
4.2 方差分析表 68
4.3 变量之间线性关系的显著性检验 71
4.4 测定系数 r2 74
4.5 对回归方程拟合程度不足的检验 77
4.6 考察残差图 84
4.7 回归模型的函数形式 95
4.8 纠正异方差性的变换及加权最小平方法 103
5.2 对 β1的检验 111
5.1 引言 111
第五章 回归参数的检验 111
5.3 对 β0的检验 115
5.4 回归参数 β0和 β1的置信区间 117
5.5 涉及 β0和 β1的几点考虑 121
第六章 回归预测问题 131
6.1 引言 131
6.2 关于均值 E(Y0|X0)的预测 132
6.3 关于个别值 Y0 的预测 138
第七章 回归分析中的几个专题 144
7.1 过原点的直线回归模型 144
7.2 两个直线回归方程的比较 146
7.3 总体相关系数ρ的假设检验 153
第八章 多元回归分析 161
8.1 引言 161
8.2 多元线性回归模型 163
8.3 回归参数的估计 166
8.4 多元回归的假设检验 169
8.5 多元回归的预测 175
8.6 Beta 系数 177
8.7 计算举例 180
8.8 自变量的边际贡献 186
8.9 偏测定系数和偏相关系数 190
8.10 多项式回归模型 198
附录8A1 矩阵形式的二元回归 203
附录8A2 自变量中心化后的多元回归 205
第九章 虚拟变量及其应用 210
9.1 含一个数量自变量和一个虚拟变量的回归模型 210
9.2 方差分析模型 213
9.3 比较直线回归方程 216
9.4 含有一个数量自变量和多个虚拟变量的回归模型 220
9.5 虚拟变量的其他应用 223
第十章 回归模型假定的违反及其处理 228
10.1 引言 228
10.2 异方差性问题及其处理 230
10.3 自相关性问题及其处理 242
10.4 多重共线性问题及其处理 262
附录10A1 斯皮尔曼等级相关系数？ 275
第十一章 自变量的选择 279
11.1 引言 279
11.2 选元方法1：评价全部可能的回归方程 281
11.3 选元方法2：向后排除法 284
11.4 选元方法3：向前选择法 286
11.5 选元方法4：逐步回归法 288
11.6 简评 289
附表1 标准正态累积概率表 291
附表2 t 分布表 293
附表3 F 分布表 295
附表4 χ2分布表 305
附表5 双尾 t 检验的功效函数 307
附表6 D-W 统计量临界值表 309
附表7 由 r 转换为?的值表 311