统计模型
回归分析(regression analysis)是用于探求事物之间关系的统计方法，常用于经济学、心理学等社会科学中。 通过考察其系数的方向和显著性获得自变量与因变量之间的关系。我们也可以通过回归方程考察变量变化的趋势， 并利用趋势进行数据拟合和适当外推。往年的赛题中会涉及到利用以往趋势作未来判断。
- 2012年B题 How Much Gas Should I Buy This Week? 分析历史油价趋势获得未来预测
- 2019年A题 Charge! 通过历史趋势了解油价变化
回归模型可以介绍简单回归、多变量回归，特殊的可用于因果推断的模型包括DID(Differences in Differences)、 工具变量(Instructive Variables)法、固定效应回归等，并结合经济案例进行分析。 除了回归模型以外，主成分分析、因子分析等方法也适合在这一部分引入，作为统计模型的一部分。
回归模型
- 多元线性回归的概念 |微信版
- 多元线性回归-Python求解
- 多重共线性|微信版
- 岭回归 |微信版
- Lasso回归 |微信版
- 广义线性回归模型|微信版
- 逻辑回归模型 |微信版
- 逻辑回归模型的应用|微信版
- 回归模型的重要概念|微信版
贝叶斯方法
- 贝叶斯线性回归 🌵 概率统计笔记：用python实现贝叶斯回归 🌵 pymc入门 🌵 PyMC3贝叶斯回归 🌵 贝叶斯线性回归（Bayesian Linear Regression） 🌵 PyMC3概率编程及模型搭建 🌵
- 蒙特卡洛方法概述|微信版 🌵 马尔科夫链概述|微信版 🌵 MCMC采样和M-H采样|微信版 🌵 吉布斯(Gibbs)采样|微信版 🌵 蒙特卡洛马尔可夫(MCMC)算法详解 🌵 密尔顿蒙特卡洛 (HMC)|微信版
聚类模型
“物以类聚，人以群分”，所谓的聚类，就是将样本划分为由类似的对象组成的多个类的过程。聚类后，我们可以更加准确的在每个类中单独使用统计模型进行估计、分析或预测；也可以探究不同类之 间的相关性和主要差异。
因果关系
- 聚类分析之相似度度量 |微信版
- 随机实验|微信版
- 最危险的公式|微信版
- 因果图模型|微信版
- 线性回归超乎寻常的有效性 |微信版
- 分组和虚拟变量 |微信版
- 控制混淆因素之外的考虑|微信版
- 工具变量
- 非服从性与局部平均效应
