应用回归分析 本书特色

　　《应用回归分析》基于r软件系统介绍回归分析的理论和方法，包括一元线性回归模型与多元线性回归模型的参数估计理论和方法以及自变量选择，影响点和异常点的识别及处理，异方差性诊断和相关性问题及处理，多重共线性问题及处理，多元线性回归模型的有偏估计，非线性回归模型和含定性变量的回归模型的参数估计理论、方法及算法，广义线性回归模型和缺失数据模型的统计推断等。此外，还收集了大量的实际例子，并配有相应的r程序来介绍这些回归分析方法在社会学、经济学、教育学和心理学等领域的具体应用。 　　《应用回归分析》可作为统计学专业本科生、应用统计专业硕士生的教学用书，也可作为社会学、教育学、心理学、经济学、金融学、人口学、生物医学和临床研究等领域的坪论研究者和实际应用者的参考书。

应用回归分析 目录

前言
第1章  一些基本概念
  1．1  数据和变量
  1．2  变量之间的关系
    1．2．1  定量变量间的关系
    1．2．2  定性变量间的关系
    1．2．3  定性和定量变量间的混合关系
  1．3  回归分析与相关分析
    1．3．1  回归分析
    1．3．2  相关分析
    1．3．3  相关分析的内容
    1．3．4  相关关系的种类
    1．4  建立回归模型的步骤
    复习思考题
第2章  一元线性回归分析
  2．1  一元线性回归模型
    2．1．1  一元线性回归模型的数据例子
    2．1．2  一元线性回归模型的数学形式
  2．2  参数估计及其性质
    2．2．1  *小二乘估计
    2．2．2  极大似然估计
    2．2．3  参数估计的性质
    2．2．4  实例分析及r软件应用
  2．3  显著性检验
    2．3．1  回归方程的显著性检验
    2．3．2  实例分析及r软件应用
  2．4  预测与决策
    2．4．1  点预测
    2．4．2  区间预测
    2．4. 3  控制问题
  2．5  因变量缺失的一元线性回归模型
    2．5．1  缺失数据机制
    2．5．2  处理缺失数据的常用方法
    2．5．3  填充*小二乘估计
  复习思考题
第3章  多元线性回归分析
  3．1  多元线性回归模型
  3．2  参数估计及其性质
    3．2．1  *小二乘估计
    3．2．2  *大似然估计
    3．2．3  估计量的性质
    3．2．4  实例分析及r软件应用
  3．3  多元线性回归模型的假设检验
    3．3．1  回归方程的显著性检验
    3．3．2  回归系数的显著性检验
    3．3．3  实例分析及r软件应用
  3．4  多元线性回归模型的广义*小二乘估计
  3．5  相关阵及偏相关系数
  3．6  预测与控制
  3．7  因变量缺失的多元线性回归模型
    复习思考题
第4章  自变量选择
  4．1  自变量选择对模型参数估计及预测的影响
    4. 1．1  关于全模型与选模型
    4．1．2  自变量选择对回归模型的参数估计及预测的影响
  4．2  自变量选择准则
    4．2．1  所有子集的数目
    4．2．2  自变量选择准则
  4．3  自变量选择方法
    4．3．1  向前法
    4．3．2  向后法
    4．3．3  逐步回归法
    4．3．4  案例分析及r软件应用
  4．4  缺失数据回归模型的自变量选择
    复习思考题
第5章  多元线性回归模型的统计诊断
  5. 1  异常点和影响点
  5．2  残差及其性质
  5．3  异常点的诊断
    5．3．1  残差图
    5．3．2  基于数据删除模型的异常点检验
    5．3．3  基于均值漂移模型的异常点检验
  5．4  强影响点的诊断
    5．4．1  诊断统计量
    5．4．2  实例分析及r软件应用

 1/2    1 2 下一页 尾页

教材 研究生/本科/专科教材

在线阅读