掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
應用回歸分析:R語言版:R language edition 版權信息
- ISBN：9787121316524
- 條形碼：9787121316524 ; 978-7-121-31652-4
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
應用回歸分析:R語言版:R language edition 本書特色
回歸分析是統計學中一個非常重要的分支，在自然科學、管理及社會經濟等領域有著非常廣泛的應用。本書是針對統計學專業和財經管理類專業教學的需要而編寫的。本書寫作的指導思想是在不失嚴謹的前提下，明顯不同于純數理類教材，努力突出實際案例的應用和統計思想的滲透。由于R語言已風靡全球，在統計方法的應用中運用R語言也被越來越多的中國學者所追捧，因此本書結合R軟件全面系統地介紹回歸分析的實用方法，盡量結合中國社會經濟、自然科學等領域的研究實例，把回歸分析的方法與實際應用結合起來，注重定性分析與定量分析的緊密結合，努力把同行以及我們在實踐中應用回歸分析的經驗和體會融入其中。本書既可作為統計學、應用統計學和經濟統計學三個本科專業的回歸分析課程教材，還可作為非統計專業研究生現代統計分析方法與應用及定量分析與建模課程的教材，同時也適合有意學習R語言和回歸建模技術的實際工作者閱讀和參考。
應用回歸分析:R語言版:R language edition 內容簡介
回歸分析是統計學中一個非常重要的分支，在自然科學、管理及社會經濟等領域有著非常廣泛的應用。本書是針對統計學專業和財經管理類專業教學的需要而編寫的。本書寫作的指導思想是在不失嚴謹的前提下，明顯不同于純數理類教材，努力突出實際案例的應用和統計思想的滲透。由于R語言已風靡全球，在統計方法的應用中運用R語言也被越來越多的中國學者所追捧，因此本書結合R軟件全面系統地介紹回歸分析的實用方法，盡量結合中國社會經濟、自然科學等領域的研究實例，把回歸分析的方法與實際應用結合起來，注重定性分析與定量分析的緊密結合，努力把同行以及我們在實踐中應用回歸分析的經驗和體會融入其中。本書既可作為統計學、應用統計學和經濟統計學三個本科專業的回歸分析課程教材，還可作為非統計專業研究生現代統計分析方法與應用及定量分析與建模課程的教材，同時也適合有意學習R語言和回歸建模技術的實際工作者閱讀和參考。
應用回歸分析:R語言版:R language edition 目錄
第1章 回歸分析概述
1.1 變量間的相關關系
1.2 “回歸”思想及名稱的由來
1.3 回歸分析的主要內容及其一般模型
1.3.1 回歸分析研究的主要內容
1.3.2 回歸模型的一般形式
1.4 回歸模型的建立過程
1.4.1 根據目的設置指標變量
1.4.2 收集、整理數據
1.4.3 確定理論回歸模型
1.4.4 模型參數的估計
1.4.5 模型的檢驗與改進
1.4.6 回歸模型的應用
1.5 回歸分析應用與發展簡評
思考與練習
第2章 一元線性回歸
2.1 一元線性回歸模型
2.1.1 一元線性回歸模型的產生背景
2.1.2 一元線性回歸模型的數學形式
2.2 參數β0,β1的估計
2.2.1 普通*小二乘法
2.2.2 *大似然法
2.3 *小二乘估計的性質
2.3.1 線性
2.3.2 無偏性
2.3.3 的方差
2.4 回歸方程的顯著性檢驗
2.4.1 t檢驗
2.4.2 F檢驗
2.4.3 相關系數的顯著性檢驗
2.4.4 用R軟件進行計算
2.4.5 三種檢驗的關系
2.4.6 樣本決定系數
2.4.7 關于P值的討論
2.5 殘差分析
2.5.1 殘差與殘差圖
2.5.2 有關殘差的性質
2.5.3 改進的殘差
2.6 回歸系數的區間估計
2.7 預測和控制
2.7.1 單值預測
2.7.2 區間預測
2.7.3 控制問題
2.8 本章小結與評注
2.8.1 一元線性回歸從建模到應用的全過程
2.8.2 有關回歸檢驗的討論
2.8.3 回歸系數的解釋
2.8.4 回歸方程的預測
思考與練習
第3章 多元線性回歸
3.1 多元線性回歸模型
3.1.1 多元線性回歸模型的一般形式
3.1.2 多元線性回歸模型的基本假設
3.1.3 多元線性回歸系數的解釋
3.2 回歸系數的估計
3.2.1 回歸系數估計的普通*小二乘法
3.2.2 回歸值與殘差
3.2.3 回歸系數估計的*大似然法
3.2.4 實例分析
3.3 有關估計量的性質
3.4 回歸方程的顯著性檢驗
3.4.1 F檢驗
3.4.2 t檢驗
3.4.3 回歸系數的置信區間
3.4.4 擬合優度
3.5 中心化和標準化
3.5.1 中心化
3.5.2 標準化回歸系數
3.6 相關陣與偏相關系數
3.6.1 樣本相關陣
3.6.2 偏決定系數
3.6.3 偏相關系數
3.7 本章小結與評注
3.7.1 多元線性回歸的建模過程
3.7.2 評注
思考與練習
第4章 違背基本假設的幾種情況
4.1 異方差性產生的背景和原因
4.1.1 異方差性產生的原因
4.1.2 異方差性帶來的問題
4.2 一元加權*小二乘估計
4.2.1 異方差性的診斷
4.2.2 一元加權*小二乘估計
4.2.3 尋找*優權函數
4.3 多元加權*小二乘估計
4.3.1 多元加權*小二乘法
4.3.2 權函數的確定方法
4.4 自相關性問題及其處理
4.4.1 自相關性產生的背景和原因
4.4.2 自相關性帶來的問題
4.4.3 自相關性的診斷
4.4.4 自相關問題的處理
4.4.5 自相關實例分析
4.5 BOX-COX變換
4.6 異常值與強影響點
4.6.1 關于因變量y的異常值
4.6.2 關于自變量x的異常值對回歸的影響
4.6.3 異常值實例分析
4.7 本章小結與評注
4.7.1 異方差問題
4.7.2 自相關問題
4.7.3 異常值問題
思考與練習
第5章 自變量選擇與逐步回歸
5.1 自變量選擇對估計和預測的影響
5.1.1 全模型與選模型
5.1.2 自變量選擇對預測的影響
5.2 所有子集回歸
5.2.1 所有子集的數目
5.2.2 自變量選擇的幾個準則
5.2.3 用R軟件尋找*優子集
5.3 逐步回歸
5.3.1 前進法
5.3.2 后退法
5.3.3 逐步回歸法
5.4 本章小結與評注
5.4.1 逐步回歸實例
5.4.2 評注
思考與練習
第6章 多重共線性的情形及其處理
6.1 多重共線性產生的背景和原因
6.2 多重共線性對回歸建模的影響
6.3 多重共線性的診斷
6.3.1 方差擴大因子法
6.3.2 特征根判定法
6.3.3 直觀判定法
6.4 消除多重共線性的方法
6.4.1 剔除不重要的解釋變量
6.4.2 增大樣本量
6.4.3 回歸系數的有偏估計
6.5 本章小結與評注
思考與練習
第7章 嶺回歸
7.1 嶺回歸估計的定義
7.1.1 普通*小二乘估計帶來的問題
7.1.2 嶺回歸的定義
7.2 嶺回歸估計的性質
7.3 嶺跡分析
7.4 嶺參數k的選擇
7.4.1 嶺跡法
7.4.2 方差擴大因子法
7.4.3 由殘差平方和確定k值
7.5 用嶺回歸選擇變量
7.6 本章小結與評注
思考與練習
第8章 主成分回歸與偏*小二乘
8.1 主成分回歸
8.1.1 主成分的基本思想
8.1.2 主成分的基本性質
8.1.3 主成分回歸的實例
8.2 偏*小二乘
8.2.1 偏*小二乘的原理
8.2.2 偏*小二乘的算法
8.2.3 偏*小二乘的應用
8.3 本章小結與評注
思考與練習
第9章 非線性回歸
9.1 可化為線性回歸的曲線回歸
9.2 多項式回歸
9.2.1 幾種常見的多項式回歸模型
9.2.2 應用實例
9.3 非線性模型
9.3.1 非線性*小二乘
9.3.2 非線性回歸模型的應用
9.3.3 其他形式的非線性回歸模型
9.4 本章小結與評注
思考與練習
第10章 含定性變量的回歸模型
10.1 自變量含定性變量的回歸模型
10.1.1 簡單情況
10.1.2 復雜情況
10.2 自變量含定性變量的回歸模型與應用
10.2.1 分段回歸
10.2.2 回歸系數相等的檢驗
10.3 因變量是定性變量的回歸模型
10.3.1 定性因變量的回歸方程的意義
10.3.2 定性因變量回歸的特殊問題
10.4 Logistic回歸模型
10.4.1 分組數據的Logistic回歸模型
10.4.2 未分組數據的Logistic回歸模型
10.4.3 Probit回歸模型
10.5 多類別Logistic回歸
10.6 因變量順序類別的回歸
10.7 本章小結與評注
思考與練習
部分練習題參考答案
附錄
表1 簡單相關系數臨界值表
表2 t分布表
表3 F分布表
表4 DW檢驗上下界表
參考文獻
1.1 變量間的相關關系
1.2 “回歸”思想及名稱的由來
1.3 回歸分析的主要內容及其一般模型
1.3.1 回歸分析研究的主要內容
1.3.2 回歸模型的一般形式
1.4 回歸模型的建立過程
1.4.1 根據目的設置指標變量
1.4.2 收集、整理數據
1.4.3 確定理論回歸模型
1.4.4 模型參數的估計
1.4.5 模型的檢驗與改進
1.4.6 回歸模型的應用
1.5 回歸分析應用與發展簡評
思考與練習
第2章 一元線性回歸
2.1 一元線性回歸模型
2.1.1 一元線性回歸模型的產生背景
2.1.2 一元線性回歸模型的數學形式
2.2 參數β0,β1的估計
2.2.1 普通*小二乘法
2.2.2 *大似然法
2.3 *小二乘估計的性質
2.3.1 線性
2.3.2 無偏性
2.3.3 的方差
2.4 回歸方程的顯著性檢驗
2.4.1 t檢驗
2.4.2 F檢驗
2.4.3 相關系數的顯著性檢驗
2.4.4 用R軟件進行計算
2.4.5 三種檢驗的關系
2.4.6 樣本決定系數
2.4.7 關于P值的討論
2.5 殘差分析
2.5.1 殘差與殘差圖
2.5.2 有關殘差的性質
2.5.3 改進的殘差
2.6 回歸系數的區間估計
2.7 預測和控制
2.7.1 單值預測
2.7.2 區間預測
2.7.3 控制問題
2.8 本章小結與評注
2.8.1 一元線性回歸從建模到應用的全過程
2.8.2 有關回歸檢驗的討論
2.8.3 回歸系數的解釋
2.8.4 回歸方程的預測
思考與練習
第3章 多元線性回歸
3.1 多元線性回歸模型
3.1.1 多元線性回歸模型的一般形式
3.1.2 多元線性回歸模型的基本假設
3.1.3 多元線性回歸系數的解釋
3.2 回歸系數的估計
3.2.1 回歸系數估計的普通*小二乘法
3.2.2 回歸值與殘差
3.2.3 回歸系數估計的*大似然法
3.2.4 實例分析
3.3 有關估計量的性質
3.4 回歸方程的顯著性檢驗
3.4.1 F檢驗
3.4.2 t檢驗
3.4.3 回歸系數的置信區間
3.4.4 擬合優度
3.5 中心化和標準化
3.5.1 中心化
3.5.2 標準化回歸系數
3.6 相關陣與偏相關系數
3.6.1 樣本相關陣
3.6.2 偏決定系數
3.6.3 偏相關系數
3.7 本章小結與評注
3.7.1 多元線性回歸的建模過程
3.7.2 評注
思考與練習
第4章 違背基本假設的幾種情況
4.1 異方差性產生的背景和原因
4.1.1 異方差性產生的原因
4.1.2 異方差性帶來的問題
4.2 一元加權*小二乘估計
4.2.1 異方差性的診斷
4.2.2 一元加權*小二乘估計
4.2.3 尋找*優權函數
4.3 多元加權*小二乘估計
4.3.1 多元加權*小二乘法
4.3.2 權函數的確定方法
4.4 自相關性問題及其處理
4.4.1 自相關性產生的背景和原因
4.4.2 自相關性帶來的問題
4.4.3 自相關性的診斷
4.4.4 自相關問題的處理
4.4.5 自相關實例分析
4.5 BOX-COX變換
4.6 異常值與強影響點
4.6.1 關于因變量y的異常值
4.6.2 關于自變量x的異常值對回歸的影響
4.6.3 異常值實例分析
4.7 本章小結與評注
4.7.1 異方差問題
4.7.2 自相關問題
4.7.3 異常值問題
思考與練習
第5章 自變量選擇與逐步回歸
5.1 自變量選擇對估計和預測的影響
5.1.1 全模型與選模型
5.1.2 自變量選擇對預測的影響
5.2 所有子集回歸
5.2.1 所有子集的數目
5.2.2 自變量選擇的幾個準則
5.2.3 用R軟件尋找*優子集
5.3 逐步回歸
5.3.1 前進法
5.3.2 后退法
5.3.3 逐步回歸法
5.4 本章小結與評注
5.4.1 逐步回歸實例
5.4.2 評注
思考與練習
第6章 多重共線性的情形及其處理
6.1 多重共線性產生的背景和原因
6.2 多重共線性對回歸建模的影響
6.3 多重共線性的診斷
6.3.1 方差擴大因子法
6.3.2 特征根判定法
6.3.3 直觀判定法
6.4 消除多重共線性的方法
6.4.1 剔除不重要的解釋變量
6.4.2 增大樣本量
6.4.3 回歸系數的有偏估計
6.5 本章小結與評注
思考與練習
第7章 嶺回歸
7.1 嶺回歸估計的定義
7.1.1 普通*小二乘估計帶來的問題
7.1.2 嶺回歸的定義
7.2 嶺回歸估計的性質
7.3 嶺跡分析
7.4 嶺參數k的選擇
7.4.1 嶺跡法
7.4.2 方差擴大因子法
7.4.3 由殘差平方和確定k值
7.5 用嶺回歸選擇變量
7.6 本章小結與評注
思考與練習
第8章 主成分回歸與偏*小二乘
8.1 主成分回歸
8.1.1 主成分的基本思想
8.1.2 主成分的基本性質
8.1.3 主成分回歸的實例
8.2 偏*小二乘
8.2.1 偏*小二乘的原理
8.2.2 偏*小二乘的算法
8.2.3 偏*小二乘的應用
8.3 本章小結與評注
思考與練習
第9章 非線性回歸
9.1 可化為線性回歸的曲線回歸
9.2 多項式回歸
9.2.1 幾種常見的多項式回歸模型
9.2.2 應用實例
9.3 非線性模型
9.3.1 非線性*小二乘
9.3.2 非線性回歸模型的應用
9.3.3 其他形式的非線性回歸模型
9.4 本章小結與評注
思考與練習
第10章 含定性變量的回歸模型
10.1 自變量含定性變量的回歸模型
10.1.1 簡單情況
10.1.2 復雜情況
10.2 自變量含定性變量的回歸模型與應用
10.2.1 分段回歸
10.2.2 回歸系數相等的檢驗
10.3 因變量是定性變量的回歸模型
10.3.1 定性因變量的回歸方程的意義
10.3.2 定性因變量回歸的特殊問題
10.4 Logistic回歸模型
10.4.1 分組數據的Logistic回歸模型
10.4.2 未分組數據的Logistic回歸模型
10.4.3 Probit回歸模型
10.5 多類別Logistic回歸
10.6 因變量順序類別的回歸
10.7 本章小結與評注
思考與練習
部分練習題參考答案
附錄
表1 簡單相關系數臨界值表
表2 t分布表
表3 F分布表
表4 DW檢驗上下界表
參考文獻
展開全部
應用回歸分析:R語言版:R language edition 作者簡介
何曉群，中國人民大學統計學院教授，博士生導師，中國人民大學6 Sigma質量管理研究中心主任。摩托羅拉和美國六西格瑪國際學院認證講師，中國現場統計研究會常務理事，中國現場統計研究會多元分析專業委員會理事長。主持多項國家和省部級及企業橫向課題研究，發表論文百余篇。主要著作有《回歸分析與經濟數據建模》《現代統計分析方法與應用》《實用回歸分析》《多變量經濟數據統計分析》《多元統計分析》《六西格瑪管理培訓叢書》《六西格瑪管理的理論與實踐探索》《六西格瑪質量管理與統計過程控制》等。中央電視臺“百家講壇”欄目六西格瑪管理主講嘉賓。多次接受中央電視臺、北京電視臺、鳳凰衛視、光明日報、中國稅務報、人民法院報、中國質量報、中國航空報、北京商報、北京青年報等媒體采訪。近年來致力于統計理論和方法在企業管理中的應用研究，自1996年以來多次在通用電氣（GE）和摩托羅拉（MOTOROLA）主講“統計方法與技術”“企業質量管理”“統計過程控制（SPC）”“6 Sigma”等課程。受數百家中外大公司邀請參與企業內訓和項目咨詢。相關演講和培訓的情況可登錄www.ruc-6sigma.com查看。
書友推薦
- >
中國歷史的瞬間
- >
伯納黛特,你要去哪(2021新版)
- >
名家帶你讀魯迅:朝花夕拾
- >
我從未如此眷戀人間
- >
龍榆生：詞曲概論/大家小書
- >
羅庸西南聯大授課錄
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
自卑與超越
本類暢銷
