显然，我们应该去寻找能够达到最佳无偏估计标准的估计模型。这是我们学习回归假设的原因。Berry教授非常严谨地定义了每一个假设，并且阐述了它们的实质意义。这种优美的文字描述搭配精选的图形和通俗易懂的证明，使得那些难懂的问题，比如测量、设定、多重共线性、异方差性以及自相关，都变得平易近人。而威廉·D.贝里编著的《理解回归假设》中的案例和数据也安排得很有条理，模型中的一个变量更能广泛地吸引人们的兴趣——体重。

序

第1章 简介

第2章 回归假设的正式描述

 第1节 回归分析概述

 第2节 误差项的作用

 第3节 其他回归假设

第3章 “体重”的案例

第4章 如何得到满意的回归假设结果

第5章 回归假设的实质意义

 第1节 从横截面回归中得出动态的解释

 第2节 假设：缺乏完全多重共线性

 第3节 假设：误差项与每个自变量都没有相关关系

 第4节 设定误差：使用错误的自变量

 第5节 误差项的均值为零的假设

 第6节 对于测量层次的假设

 第7节 无测量误差的假设

 第8节 线性和可叠加性的假设

 第9节 同方差和缺乏自相关假设

第6章 结论

注释

参考文献

译名对照表