这学期带回归的老师从杨老师变成了张老师，张老师好像是第一次带回归，经验略显不足。

课程内容是王松桂那本小蓝书的1-4，6章，sanford那本应用回归分析(alr)的四章，再补充了一点因果推断。小蓝书部分不难，但是似乎没有灌输投影的思想。OLS作为投影在统计中的应用，大家还是要了解，曾经面试的时候被问到“Hilbert空间在统计中有什么用？”，OLS都不提肯定是不行的。到了后面讲(alr)的时候，大家就开始有点懵，老师也就是讲个大概。其实感觉统计就是这样…讲深了就难了，可能应用就只要讲到这个程度。等到了因果推断…就需要上课当天就把老师讲的东西复习一下…不然过两天就忘了。这里就感觉老师讲得非常不清楚，各种懵逼…曾经老师点人回答问题但因为没人答出来而点了十几个人最后自闭了…作业都不是很多。

考试就真的比较迷了…可以带小蓝书+A4纸一张。但是难度确实是不超过作业题的…需要对基本概念有到位的理解才行。只会背没有理解是不行的。老师人还是不错的，虽然没有安排查卷子，但是给老师发邮件申诉后，老师还是帮忙看了卷子修改了批错的地方。最后给分据说就是40%+60%期末，老师并不懂调分的操作…

碎碎念：线性模型作为最基本的一类模型，还是需要好好学习一下，感觉老师讲不清楚就自己看书吧…

这学期之前，管院的回归分析都是杨老师上的，张老师似乎是第一次带本科生课，对于一些东西都不太了解。

这门课用的教材有3本，分别是：

1.线性统计模型 线性回归与方差分析 (王松桂 陈敏)王松桂

上了1,2,3,4,6章，这部分和以前上的差不多，这本书网上能搜到答案：

https://wenku.baidu.com/view/06990c450740be1e650e9ada

2.Applied Linear Regression (4th edition)

上了5(复杂回归),10(变量选择),11(非线性回归),12(二项回归和泊松回归)，这本书在Google上也可以搜到对应的参考答案

3.  Causal Inference     Hernán MA, Robins JM (2019)

上了1(因果效应的定义),2(随机化试验),3(观察性研究),7(混淆),8(选择偏倚),15(结局回归与倾向性得分),16(工具变量估计)

基本上除了第一本教材大家还能跟得上老师的节奏（可能也是因为是唯一一本中文书的缘故2333）到了alr和CI部分之后大家基本上都一脸懵逼...

老师人很好，但是说话声音比较小...后排听的不是很清楚，不过课件还算能让我们课后进行自学...作业难度时高时低（甚至有一次出现了就一位同学交作业的盛况）所以大家也常常相互借鉴，相互补充。第一本书作业基本上是课后习题，第二本第三本就常常自己布置一些补充习题，但是上机题大都还是前两本书的课后习题中选取的。

这门课这学期的助教比较nb，两个助教都是管院的郭奖，人也很好，经常在群里解答(shui)问题(qun)，而且作业给分也比较好，基本上差的不多的都给满了。

这门课没有期中只有期末，期末考试可以带第一本教材+一张A4纸（所以基本上我把后面的东西都抄在了教材而不是A4纸上）。老师上课说三本教材的分数分布是622，但最后似乎后两本教材完全不止40%...考试题型是3道填空+2道选择+6道大题，填空选择都比较基础，CI部分的大题是两道作业原题...蓝皮书部分的大题难度也不超过作业题，alr的大题似乎有一道是算一个指数分布的信息阵。

最后给分是严格按照40%平时成绩+60%期末卷面（四舍五入）没有安排查卷，但是可以发邮件给老师再看一遍卷子，大抵是因为老师第一次带所以不太懂查卷啊调分啊这些，但是老师人是真的很好的！