課程資訊
課程名稱
迴歸分析
Regression Analysis 
開課學期
110-1 
授課對象
理學院  應用數學科學研究所  
授課教師
丘政民 
課號
MATH7606 
課程識別碼
221 U3940 
班次
 
學分
3.0 
全/半年
半年 
必/選修
必修 
上課時間
星期一8,9,10(15:30~18:20) 
上課地點
天數101 
備註
總人數上限:40人 
Ceiba 課程網頁
http://ceiba.ntu.edu.tw/1101MATH7606_Reg 
課程簡介影片
 
核心能力關聯
核心能力與課程規劃關聯圖
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述

1. General introduction/Regression models
2. The classical linear model -- Model definition; Parameter estimation; Hypothesis testing and confidence intervals; Model choice and variable selection; Model diagnostics
3. Extensions of the classical linear model -- The general linear model; Regularization techniques; Boosting linear regression
4. Generalized linear models -- The framework of GLMs; Binary regression; Count data regression; Quasi-likelihood regression
5. Advanced topics 

課程目標
1. Establish the concept of regression modeling, analysis, and prediction;
2. Learn the statistical methods and theory in regression;
3. Lay the foundation to learn more advanced regression analysis and related methods;
4. Drill skills of regression analysis in practice; 
課程要求
Basic Calculus; Linear algebra; Introductory Statistics; 
預期每週課後學習時數
 
Office Hours
另約時間 備註: Mon (2:00--3:30) or by appointment 
參考書目
Sen and M. Srivastava (1990) Regression Analysis: Theory, Methods, and Applications. Springer.
G. James, D. Witten, T. Hastie, R. Tibshirani (2013) An Introduction to Statistical Learning (with Applications in R). Springer. 
指定閱讀
L. Fahrmeir, T. Kneib, S. Lang, B. Marx (2013) Regression: Models, Methods and Applications. Springer-Verlag Berlin Heidelberg.

 
評量方式
(僅供參考)
   
課程進度
週次
日期
單元主題
第5週
10/18  Residuals/Properties of the estimators 
第6週
10/25  Quadratic forms/Hypothesis testing/Confidence intervals  
第7週
11/01  Model choice/Variable selection  
第8週
11/08  Model diagnosis 
第10週
11/22  Extension: Weighting/Heteroscedasticity/Correlated errors 
第11週
11/29  Extension: Regularization in regression models 
第12週
12/06  Midterm exam 
第13週
12/13  GLM: Framework/Theory 
第14週
12/20  GLM: Estimaion/Diagnosis 
第15週
12/27  Binary regression, count data regression, QL 
第16週
1/03  Advanced topics 
第17週
1/10  Final Exam  
第18週
1/17  Advanced topics