学习该课程旨在提高学生运用所学回归分析知识进行回归建模分析和解决实际问题的意识和能力。

课程目标1：能够理解回归分析的基本概念、基本理论和基本方法，在此基础上能够理解回归分析对数据建模的基本思想和方法，能够理解回归建模的基本过程。

课程目标2：能够使用计算机和相应统计软件进行回归计算，能够提升自身严密的科学思维能力、逻辑推理能力、统计建模能力和数据处理能力。

课程目标3：能够利用所学回归分析的基本知识、方法和技能有意识地提升数据的分析和处理能力、回归结果的分析和解释能力、以及利用回归建模分析和解决实际问题的能力。

回归分析是数据分析和挖掘的核心算法之一。本课程以数据为基础，注重理论技术与实践应用相结合，旨在培养学生运用回归分析技术定量分析和解决经济社会发展中实际问题的数据分析和处理能力。在大数据时代背景下，本课程遵循“重理论、强应用”的教学理念，坚持“从实践中来到实践中去”的原则，以实际经济社会中的热点问题为导入，设置问题解决场景，提供数据资源，配套R软件代码，让学生参与完成从回归模型构建、参数估计、模型检验到模型优化改进以及应用推广的数据分析全处理流程，实现“回归技术理论”+“案例式实际应用”+“软件实现”三位一体的课堂教学，打造高效课堂，实现应用型创新人才培养目标。

回归分析是统计学、应用统计学、数据科学与大数据技术等专业的一门专业课程。本课程旨在研究具有相关关系的变量间的统计规律性。通过该门课程的学习，掌握用经典的线性回归分析建模的基本过程和方法，掌握回归诊断的方法，违背基本假设时的处理技术和方法，并进一步了解近代回归分析中关于岭回归、主成分回归等有偏估计方法，掌握非线性回归和广义线性回归的一般处理方法等。学习该课程旨在提高学生运用所学回归分析知识进行回归建模分析和解决实际问题的意识和能力。

1. 高等数学，线性代数，概率论与数理统计等数理基础；
2. R语言的基本操作。

主讲教材：

[1] 何晓群、刘文卿. 应用回归分析[M]. 中国人民大学出版社, 2019.

参考资料：

[1] 王黎明, 陈颖, 杨楠. 应用回归分析（第二版）[M]. 复旦大学出版社, 2018.

[2] 马立平. 回归分析[M]. 机械工业出版社, 2014.

[3] 林建忠. 回归分析与线性统计模型[M]. 上海交通大学出版社, 2018.

[4] 王松桂, 史建红, 尹素菊, 吴密霞. 线性模型引论[M]. 科学出版社, 2020.

[5]（美）查特吉等, 郑忠国等译. 例解回归分析（原书第5版）[M]. 机械工业出版社, 2013.8.

[6]（美）David A. Freedman. 统计模型：理论和实践（原书第2版）[M]. 机械工业出版社, 2020.

[7]（美）道格拉斯 C. 蒙哥马利等. 线性回归分析导论（原书第5版）[M]. 机械工业出版社, 2016.

Q：本课程配套使用的软件是什么？

A：R软件

Q：是否提供数据集及R代码？

A：提供