第1章 统计基础与回归分析 1
1.1 统计学简介 1
1.2 统计数据收集、整理与描述 1
1.2.1 统计数据收集 1
1.2.2 统计数据整理 2
1.2.3 统计数据描述 9
1.3 回归分析概念 12
1.4 一元线性回归模型 13
1.4.1 散点图 14
1.4.2 一元线性回归模型参数估计与检验 14
1.4.3 一元线性回归模型应用实例 15
1.5 多元线性回归模型 18
1.5.1 多元线性回归模型 18
1.5.2 多元线性回归模型参数估计与检验 19
1.5.3 逐步回归分析 21
1.5.4 多元线性回归模型应用实例 22
第2章 Logistic回归分析及在农村经济金融分析中的应用 32
2.1 Logistic回归分析基本概念 32
2.2 Logistic回归模型参数估计及显著性检验 35
2.2.1 Logistic回归模型参数估计 35
2.2.2 Logistic模型显著性检验 36
2.2.3 回归模型中自变量的筛选 37
2.2.4 Logistic回归模型中回归系数的解释 37
2.3 利用SPSS进行Logistic回归分析过程分析 38
2.3.1 数据准备 38
2.3.2 选项设置 39
2.3.3 结果解释 41
2.4 实例——Logistic回归分析在西部农村抵押贷款数据中的应用实例 46
2.4.1 问题提出与研究目的 46
2.4.2 数据来源与变量选择 47
2.4.3 农户产权抵押贷款意愿影响因素的二元Logistic回归分析 48
2.4.4 结论与建议 50
第3章 有序Probit回归模型及在农村经济金融分析中的应用 52
3.1 Probit回归模型 52
3.2 实例1：有序Probit模型应用——农户对村镇银行贷款意愿的影响因素实证分析 54
3.2.1 问题与研究目的 54
3.2.2 变量选择与模型构建 54
3.2.3 模型构建与分析 56
3.2.4 数据来源与样本特征 56
3.2.5 模型结果与结论 57
3.3 实例2：有序Probit模型应用——城乡转型区域农户借贷行为影响因素分析 59
3.3.1 问题与研究目的 59
3.3.2 数据来源、模型选择与变量解释 59
3.3.3 结果与分析 60
第4章 数据挖掘技术及其在农村经济金融分析中的应用 64
4.1 数据挖掘 64
4.1.1 数据挖掘简介 64
4.1.2 数据挖掘与统计分析 65
4.1.3 数据挖掘功能与技术分析方法 66
4.1.4 数据挖掘的一般步骤 67
4.1.5 数据挖掘的应用 68
4.2 贝叶斯网络理论与应用 69
4.2.1 先验概率与后验概率 70
4.2.2 贝叶斯网络定义 70
4.3 贝叶斯网络实例 72
4.3.1 贝叶斯网络模型特点 74
4.3.2 贝叶斯网络结构学习 74
4.4 实例——贝叶斯网络分析在农村金融数据分析中的应用 80
4.4.1 研究背景与数据来源 80
4.4.2 农村产权抵押贷款贝叶斯网络模型结果与分析 85
第5章 贝叶斯网络结构模型及其在农村经济金融分析中的应用 96
5.1 启发式算法与蚁群算法 96
5.2 基于蚁群算法的搜索与函数评估搜索方法 98
5.3 ACO-SK2算法应用效果评估 102
5.4 实例——基于蚁群算法的搜索与函数评估搜索方法在经济数据分析中的应用 108
5.4.1 数据来源与研究目的 108
5.4.2 参数设置 109
5.4.3 结果分析与讨论 110
第6章 人工神经网络模型及其在农村经济金融分析中的应用 115
6.1 人工神经网络简介 115
6.1.1 生物神经元系统 115
6.1.2 人工神经网络的产生与发展 116
6.1.3 人工神经网络分类 119
6.1.4 前向型人工神经网络计算流程 119
6.1.5 人工神经网络特点 120
6.2 多层感知器网络 121
6.2.1 单层感知器模型 121
6.2.2 单层感知器学习算法主要流程 122
6.2.3 多层感知器模型 123
6.2.4 BP神经网络结构实现过程 124
6.3 利用SPSS构建神经网络实例 126
6.4 应用实例——人工神经网络在农村金融数据分析中的应用 137
6.4.1 问题与研究目的 137
6.4.2 数据来源与数据处理 137
6.4.3 神经网络模型构建与分析 137
第7章 遗传算法及其在农村经济金融分析中的应用 140
7.1 遗传算法基本理论 140
7.1.1 最优化问题研究与发展概况 140
7.1.2 遗传算法的产生与发展 141
7.1.3 遗传算法的基本思想 142
7.1.4 遗传算法优化实例 147
7.2 Matlab遗传工具箱简介 154
7.3 遗传算法在经济问题分析中的应用 159
7.3.1 线性规划问题 159
7.3.2 二次规划问题 162
第8章 聚类分析及在农村经济金融分析中的应用 166
8.1 聚类分析 167
8.1.1 聚类分析定义 167
8.1.2 聚类分析的基本思想 167
8.1.3 聚类分析分类方法 168
8.1.4 样品间亲疏程度的测度 169
8.1.5 聚类分析中的算法 172
8.2 实例——聚类分析在农村经济数据分析中的应用 174
8.2.1 系统聚类 175
8.2.2 K-均值聚类 186
第9章 决策树方法及其在农村经济金融分析中的应用 192
9.1 决策树 192
9.1.1 决策树基本概念 192
9.1.2 决策树模型的构建 194
9.1.3 决策树生成算法 196
9.1.4 决策树准确率的判定 197
9.1.5 决策树模型特点 198
9.2 实例——决策树模型在农村金融数据分析中的应用 199
9.2.1 数据来源与研究目的 199
9.2.2 决策树分类 201
9.2.3 结论 213
第10章 博弈模型及其在农村经济金融分析中的应用 216
10.1 博弈论的基本知识 216
10.1.1 博弈论的基本概念 216
10.1.2 博弈的要素 216
10.1.3 博弈基本类型 219
10.1.4 博弈的表达方式：策略式与扩展式 220
10.2 博弈模型 221
10.3 实例——农村金融的博弈案例分析 223
10.3.1 农户借贷的静态博弈 224
10.3.2 存在担保制约的农户借贷博弈 225
第11章 贝叶斯网络模型构建与分析工具——Hugin简介 228
11.1 数据准备 229
11.2 网络结构学习和参数学习 230
11.3 模型分析与应用 235
11.3.1 条件概率分布 235
11.3.2 预测与推断 236
11.4 模拟采样 240
后记 244