应用回归分析(第三版)

应用回归分析(第三版)

21世纪统计学系列教材

暂无评价综合评分的显示会考虑用户真实性等多项因素,每部作品出现综合评分的时间不定。
8.334 评价豆瓣读书
免费试读

作品简介

《应用回归分析(第3版)》写作的指导思想是在不失严谨的前提下,明显不同于纯数理类教材,努力突出实际案例的应用和统计思想的渗透,结合统计软件全面系统地介绍回归分析的实用方法,尽量结合中国社会经济、自然科学等领域的研究实例,把回归分析的方法与实际应用结合起来,注意定性分析与定量分析的紧密结合,努力把同行以及我们在实践中应用回归分析的经验和体会融入其中。

回归分析是统计学中一个非常重要的分支,在自然科学、管理科学和社会经济等领域有着非常广泛的应用。《应用回归分析(第3版)》是针对统计学专业和财经管理类专业教学的需要而编写的。

作者:何晓群,刘文卿。

作品目录

  1. 总序
  2. 前言
  3. 第1章 回归分析概述
  4. 1.1 变量间的统计关系
  5. 1.2 回归方程与回归名称的由来
  6. 1.3 回归分析的主要内容及其一般模型
  7. 1.4 建立实际问题回归模型的过程
  8. 1.5 回归分析应用与发展述评
  9. 思考与练习
  10. 第2章 一元线性回归
  11. 2.1 一元线性回归模型
  12. 2.2 参数β0,β1的估计
  13. 2.3 最小二乘估计的性质
  14. 2.4 回归方程的显著性检验
  15. 2.5 残差分析
  16. 2.6 回归系数的区间估计
  17. 2.7 预测和控制
  18. 2.8 本章小结与评注
  19. 思考与练习
  20. 第3章 多元线性回归
  21. 3.1 多元线性回归模型
  22. 3.2 回归参数的估计
  23. 3.3 参数估计量的性质
  24. 3.4 回归方程的显著性检验
  25. 3.5 中心化和标准化
  26. 3.6 相关阵与偏相关系数
  27. 3.7 本章小结与评注
  28. 思考与练习
  29. 第4章 违背基本假设的情况
  30. 4.1 异方差性产生的背景和原因
  31. 4.2 一元加权最小二乘估计
  32. 4.3 多元加权最小二乘估计
  33. 4.4 自相关性问题及其处理
  34. 4.5 BOX-COX变换
  35. 4.6 异常值与强影响点
  36. 4.7 本章小结与评注
  37. 思考与练习
  38. 第5章 自变量选择与逐步回归
  39. 5.1 自变量选择对估计和预测的影响
  40. 5.2 所有子集回归
  41. 5.3 逐步回归
  42. 5.4 本章小结与评注
  43. 思考与练习
  44. 第6章 多重共线性的情形及其处理
  45. 6.1 多重共线性产生的背景和原因
  46. 6.2 多重共线性对回归模型的影响
  47. 6.3 多重共线性的诊断
  48. 6.4 消除多重共线性的方法
  49. 6.5 本章小结与评注
  50. 思考与练习
  51. 第7章 岭回归
  52. 7.1 岭回归估计的定义
  53. 7.2 岭回归估计的性质
  54. 7.3 岭迹分析
  55. 7.4 岭参数k的选择
  56. 7.5 用岭回归选择变量
  57. 7.6 本章小结与评注
  58. 思考与练习
  59. 第8章 主成分回归与偏最小二乘
  60. 8.1 主成分回归
  61. 8.2 偏最小二乘
  62. 8.3 本章小结与评注
  63. 思考与练习
  64. 第9章 非线性回归
  65. 9.1 可化为线性回归的曲线回归
  66. 9.2 多项式回归
  67. 9.3 非线性模型
  68. 9.4 本章小结与评注
  69. 思考与练习
  70. 第10章 含定性变量的回归模型
  71. 10.1 自变量含定性变量的回归模型
  72. 10.2 自变量含定性变量的回归模型的应用
  73. 10.3 因变量是定性变量的回归模型
  74. 10.4 Logistic回归模型
  75. 10.5 多类别Logistic回归
  76. 10.6 因变量顺序数据的回归
  77. 10.7 本章小结与评注
  78. 思考与练习
  79. 部分练习题参考答案
  80. 附录
  81. 表1 简单相关系数临界值表
  82. 表2 t分布表
  83. 表3 F分布表
  84. 表4 DW检验上下界表
  85. 参考文献
载入中

热门划线

  1. 对于具有异方差性的建模问题,数据整理就要注意消除异方差性,这常与模型参数估计方法结合起来考虑。3 人
  2. 这种统计关系规律性的研究是统计学中研究的主要对象,现代统计学中关于统计关系的研究已形成两个重要的分支,它们叫相关分析和回归分析。2 人
  3. 常用的样本数据分为时间序列数据和横截面数据。2 人
  4. 时间序列数据容易产生模型中随机误差项的序列相关2 人
  5. 横截面数据即在同一时间截面上的统计数据。2 人
  6. 统计数据的整理中不仅要把一些变量数据进行折算、差分,甚至要把数据对数化、标准化等,有时还须注意剔除个别特别大或特别小的“野值”。在统计数据质量不高时,经常会碰到这种情况。当然,有时还须利用插值的方法把空缺的数据补齐。2 人
  7. 进行经济预测是回归模型的另一个重要应用。2 人
  8. 斯泰因(Stein)于1955年证明了当维数p大于2时,正态均值向量最小二乘估计的不可容性,即能够找到另一个估计在某种意义上一致优于最小二乘估计,从此之后人们提出了许多新的估计,其中主要有岭估计、压缩估计、主成分估计、Stein估计,以及特征根估计。这些估计的共同点是有偏的,即它们的均值并不等于待估参数,于是人们把这些估计称为有偏估计。当设计矩阵X呈病态时,这些估计都改进了最小二乘估计。2 人
  9. 最大似然估计是利用总体的分布密度或概率分布的表达式及其样本所提供的信息求未知参数估计量的一种方法。2 人
  10. 这里需要指出的是,相关系数有个明显的缺点,就是它接近1的程度与数据组数n有关,这样容易给人一种假象。因为,当n较小时,相关系数的绝对值容易接近1;当n较大时,相关系数的绝对值容易偏小。特别是当n=2时,相关系数的绝对值总为1。因此在样本量n较小时,我们仅凭相关系数较大就说变量x与y之间有密切的线性关系,就显得过于草率。2 人

喜欢这本书的人也喜欢