回归分析可能是业内最重要的商业统计工具。回归是用于多种形式预测和预报的大量数据分析应用背后的引擎。

本课程是 "商业统计与分析 "专业的第四门课程。课程将向您介绍线性回归这一非常重要的工具。您将学会应用各种程序，如虚拟变量回归、转换变量和交互效应。课程的重点在于理解和应用，而不是详细的数学推导。 注：本课程使用 Windows 版 Microsoft Excel 标配的 "数据分析 "工具箱。它也是 2016 或更高版本 Mac Excel 的标准配置。但是，早期版本的 Excel for Mac 并不标配该工具箱。 第 1 周 模块 1：回归分析：本模块将向你介绍线性回归模型。我们将使用 Excel 建立一个回归模型并对其进行估计。我们将使用估计的模型来推断各种变量之间的关系，并使用模型进行预测。本模块还介绍了回归模型中的误差、残差和 R 方的概念。 所涉主题包括： - 线性回归介绍 - 建立回归模型并使用 Excel 进行估计 - 使用估计模型进行推断 - 使用回归模型进行预测 - 误差、残差和 R 方 第 2 周 模块 2：回归分析：假设检验和拟合优度 本模块介绍了可以使用回归输出进行的不同假设检验。这些检验是推理的重要组成部分，本模块将使用基于 Excel 的示例介绍这些检验。在介绍 p 值的同时，还介绍了拟合优度指标 R 方和调整 R 方。在本模块的最后，我们将介绍 "虚拟变量回归"，用于在回归中加入分类变量。 涵盖的主题包括： - 线性回归中的假设检验 - "拟合优度 "度量（R-square、调整后的 R-square） - 虚拟变量回归（在回归中使用分类变量） 第 3 周 模块 3：回归分析：虚拟变量、多重共线性 本模块继续虚拟变量回归的应用。您将了解在存在分类变量的情况下如何解释回归结果。将通过实例来强化所介绍的各种概念。本模块还解释了什么是多重共线性以及如何处理。 涉及的主题包括： - 虚拟变量回归（在回归中使用分类变量） - 在存在虚拟变量的情况下系数和 p 值的解释 - 回归模型中的多重共线性 第 4 周 模块 4：回归分析：该模块扩展了您对线性回归的理解，介绍了变量的均值中心和使用回归模型建立预测置信区间等技术。本单元将介绍一种强大的回归扩展，即 "交互变量"，并通过示例进行解释。我们还将研究回归中的变量转换，并在此背景下介绍对数和半对数回归模型。 涵盖的主题包括： - 回归模型中变量的均值中心 - 使用回归模型建立预测的置信区间 - 回归中的交互效应 - 变量的转换 - 对数和半对数回归模型