这篇博客涵盖了统计建模的关键概念，包括岭回归、单位根检验和偏自相关分析，以及分层回归和调节作用。在量化分析部分，介绍了秩和比综合评价法和数据包络分析。接着，文章深入讨论了机器学习分类和回归，并列举了多种方差分析方法，如单因素、双因素、三因素及多因素方差分析，同时强调了事后多重比较的重要性。此外，还涉及了描述性统计、正态分布和相关性分析等基础数据分析技术。
目录
一、统计建模
1.岭回归
2.单位根检验
3. 偏（自相关分析）（acf/pacf）
4.分层回归
5. 调节作用
二、量化分析
1.秩和比综合评价法
2.数据包络分析
以下为司守奎老师里用lingo求解的：
三、机器学习分类
四、机器学习回归
同分类
五、参数检验
1.单因素方差分析（方差分析也可去看B站杏花开医学统计的视频教程）
司守奎老师里的单因素方差分析如下（均衡数据与不均衡数据）：
当出现显著差异时就要进行多重比较，如下图：
2.双因素方差分析
3.三因素方差分析
4.多因素方差分析
5.事后多重比较（接方差分析）
六、数据分析
1.描述性统计
2.正态分布
3.相关性分析
扫一扫
540
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
