变量的显著性检验：在一元线性模型中，变量的显著性检验就是判断X是否对Y具 有显著的线性性影响，变量的显著性检验所应用的方法是数理统计学中的假设检验，判 折结果合理与否，是基于“小概率事件不易发生”这一原理的， 1=8-8-8-Ba-2) V6/∑xS 教学内 若u>ta/2(n-2),则以(1-c)的置信度(confidence coefficient)拒绝H0,接 容及学 受H1;若sta/2(n-2),则以(1a)的置信度不拒绝H0 时分配 二、参数的置信区间：P(B-6≤B≤序+6)=1-a,如果存在这样一个区间，称之为 (2学时) 置信区间；l-a称为首信系数（置信度）(confidence coefficient),a称为显著性 水平；置信区间的端点称为置信限(confidence limit, 一元线性回归分析的应用：预测问题 预测值条件均值或个值的一个无偏估计 总体条件均值与个值预测值的置信区间 四 案例分析：中国城镇居民人均消费支出模型：截面数据模型 教学重点：变量的显著性检验，掌握参数的估计量、t检验值和标准差之间的关系。 重点、难 教学难点：线性回归模型的区间预测。 点及对策 对策：阅读相关材料，学习参数显著性检验的过程。 教学方法：课堂讲授，案例教学。 教学方 法、手段 教学辅助手段：多媒体讲授、运用案例教学总结该章重点内容、Eiw软件应用演示 及教具 教具：投影仪。 教研室主任签字： 年月日16
教研室主任签字： 年 月 日 16 教学内 容及学 时分配 （2 学时） 一、变量的显著性检验：在一元线性模型中，变量的显著性检验就是判断 X 是否对 Y 具 有显著的线性性影响，变量的显著性检验所应用的方法是数理统计学中的假设检验，判 断结果合理与否，是基于“小概率事件不易发生”这一原理的。 ~ ( 2) ˆ ˆ ˆ 1 ˆ 1 1 2 2 1 1 − − = − = t n x S t i 若|t|> t /2(n-2)，则以（1－α）的置信度（confidence coefficient）拒绝 H0 ，接 受 H1 ；若|t| t /2(n-2)，则以（1－α）的置信度不拒绝 H0 。 二、参数的置信区间： P( ˆ − ˆ + ) =1− ，如果存在这样一个区间，称之为 置信区间； 1- 称为置信系数（置信度）（confidence coefficient）， 称为显著性 水平；置信区间的端点称为置信限（confidence limit）。 三、一元线性回归分析的应用：预测问题 ➢ 预测值条件均值或个值的一个无偏估计 ➢ 总体条件均值与个值预测值的置信区间 四、案例分析：中国城镇居民人均消费支出模型：截面数据模型 重点、难 点及对策 教学重点：变量的显著性检验，掌握参数的估计量、t 检验值和标准差之间的关系。 教学难点：线性回归模型的区间预测。 对策：阅读相关材料，学习参数显著性检验的过程。 教学方 法、手段 及教具 教学方法：课堂讲授，案例教学。 教学辅助手段：多媒体讲授、运用案例教学总结该章重点内容、Eview 软件应用演示。 教具：投影仪
作业、思 1、自学教材P53例题，学会检验的全过程。 考题 2、多做练习，掌握1=B,S: 3、作业：完成课后及练习册剩余习题 课后记 第三章多元线性回归模型 章节 名称 第一节多元线性回归模型 第二节多元线性回归横型的估计 通过本章的学习，要求学生了解多元线性回归在现实中的普遍性；理解多元线性 回归模型的含义、多元线性回归模型的基本假定、普通最小二乘估计量的统计性质、四 课堂教 种关系式的矩阵表达式；掌握多元回归模型的最小二乘估计及模型的统计检验和预测 学目的 熟练操作EViews软件并运用该软件解决多元线性回归分析的实际问题。 通过本节的学习，使学生了解多元线性回归模型的概念及特点，掌握多元回归模型 的炬阵表示方法，了解多元线性回归模型的○LS估计， 多元线性回归模型： k为解释变量的数目。习惯上，把常数项看成为虚变量的系数，该虚变量的样本观 测值始终取1，于是，模型中解释变量的数目为(k1),月称为回归参数。 教学内 二、多元线性模型的矩阵表示： 容及学 时分配 (2学时) 三、模型的假定： 四、普通最小二乘估计：根据被解释变量的所有观测值与估计值之差的平方和最小的原 则求得参数估计量。 教学重点：多元线性回归模型的矩阵表达式、多元线性回归模型的假定 重点、难 教学难点：矩阵表达式中自变量矩阵的写法 点及对策 对策：阅读教材，多加理解， 教研室主任签字： 年月日 17
教研室主任签字： 年 月 日 17 作业、思 考题 1、自学教材 P53 例题，学会检验的全过程。 2、多做练习，掌握 1 1 ˆ / ˆ t = S 3、作业：完成课后及练习册剩余习题 课后记 章 节 名 称 第三章 多元线性回归模型 第一节 多元线性回归模型 第二节 多元线性回归模型的估计 课堂教 学目的 通过本章的学习，要求学生了解多元线性回归在现实中的普遍性；理解多元线性 回归模型的含义、多元线性回归模型的基本假定、普通最小二乘估计量的统计性质、四 种关系式的矩阵表达式；掌握多元回归模型的最小二乘估计及模型的统计检验和预测， 熟练操作EViews软件并运用该软件解决多元线性回归分析的实际问题。 通过本节的学习，使学生了解多元线性回归模型的概念及特点，掌握多元回归模型 的矩阵表示方法，了解多元线性回归模型的OLS估计。 教学内 容及学 时分配 （2 学时） 一、多元线性回归模型： k 为解释变量的数目。习惯上，把常数项看成为虚变量的系数，该虚变量的样本观 测值始终取 1，于是，模型中解释变量的数目为（k+1），j 称为回归参数。 二、多元线性模型的矩阵表示： 三、模型的假定： 四、普通最小二乘估计：根据被解释变量的所有观测值与估计值之差的平方和最小的原 则求得参数估计量。 重点、难 点及对策 教学重点：多元线性回归模型的矩阵表达式、多元线性回归模型的假定 教学难点：矩阵表达式中自变量矩阵的写法。 对策：阅读教材，多加理解