회귀 분석의 기본적인 개념과 통계학적 정의를 설명하고 변수 간의 관계를 파악하는 원리를 다룬다.

하나 이상의 독립 변수와 종속 변수 간의 상관관계를 수학적 모형으로 구축하는 통계적 방법론을 소개한다.

설명 변수, 반응 변수, 오차항, 회귀 계수 등 분석의 구성 요소를 정의하고 각 역할을 규명한다.

회귀 분석이 태동하게 된 학술적 배경과 현대 통계학으로 발전해 온 과정을 기술한다.

프랜시스 골턴의 유전학 연구에서 나타난 평균으로의 회귀 현상과 그 통계적 의미를 고찰한다.

르장드르와 가우스에 의해 정립된 최소제곱법이 회귀 분석의 수치적 기초가 된 과정을 설명한다.

가장 기본적인 형태인 선형 회귀 모델의 구조와 이를 추정하기 위한 수학적 이론을 상세히 다룬다.

단일 독립 변수를 사용하는 모델의 구조와 회귀 직선을 도출하는 과정을 설명한다.

표본 데이터를 바탕으로 모수를 추정하는 방법과 그 통계적 성질을 논한다.

도출된 회귀식이 실제 데이터를 얼마나 잘 설명하는지 측정하는 지표를 분석한다.

두 개 이상의 독립 변수가 종속 변수에 미치는 영향을 동시에 분석하는 확장된 모델을 다룬다.

다른 변수가 통제된 상태에서 특정 변수가 갖는 고유한 영향력을 해석하는 방법을 다룬다.

독립 변수 간의 강한 상관관계가 분석 결과에 미치는 부정적 영향과 해결책을 제시한다.

회귀 분석의 결과가 유효하기 위해 충족해야 할 기본 가정들과 이를 검증하는 기법을 소개한다.

최소제곱 추정량이 최선 선형 불편 추정량이 되기 위한 조건들을 체계적으로 정리한다.

모델 적합 후 남은 잔차를 통해 모델의 타당성을 시각적, 통계적으로 검정하는 방법을 다룬다.

변수 간의 선형 관계와 오차항의 독립적 분포 여부를 확인하는 절차를 설명한다.

오차항의 분산이 일정하고 정규 분포를 따르는지 확인하는 기법을 기술한다.

기본 선형 모델의 한계를 극복하기 위해 개발된 다양한 형태의 회귀 분석 기법을 다룬다.

종속 변수가 정규 분포를 따르지 않는 경우에 적용할 수 있는 포괄적인 모델 체계를 설명한다.

이분법적 선택이나 범주형 종속 변수를 예측하기 위한 회귀 기법을 다룬다.

단위 시간이나 공간 내에서 발생하는 사건의 횟수를 분석하는 모델을 소개한다.

과적합을 방지하고 변수 선택의 효과를 얻기 위해 페널티를 부여하는 회귀 기법을 다룬다.

회귀 분석이 실제 학문과 산업 현장에서 어떻게 활용되는지 구체적인 사례를 통해 살펴본다.

수요 예측, 자산 가격 결정 모델, 마케팅 효과 분석 등에서의 회귀 분석 역할을 기술한다.

실험 데이터 분석, 인과 관계 추론, 정책 효과 평가 등에 사용되는 회귀 분석의 사례를 제시한다.