《回归分析》PDF下载

  • 购买积分:13 如何计算积分?
  • 作  者:谢宇著
  • 出 版 社:北京:社会科学文献出版社
  • 出版年份:2010
  • ISBN:9787509716014
  • 页数:387 页
图书介绍:回归分析无疑是社会科学领域中最基础同时也是最经典的定量分析方法。最基础,是因为新近发展出来的统计方法基本上都建立在回归分析的基础上;最经典,是因为回归分析尤其是多元回归分析集中体现了社会科学定量分析方法的基本出发点——通过统计控制来实现或部分实现组间的可比较性问题。 本书源于作者多年在密歇根大学教授回归分析的课程讲义,从基本的统计概念讲起,对线性回归分析的基本假定、回归中的统计推论和回归诊断做了详尽的介绍,同时还涵盖了很多在社会科学中对实际研究非常有用的内容,包括虚拟变量、交互作用、辅助回归、多项式回归、样条函数回归和阶跃函数回归等。此外,本书还涉及通径分析、纵贯数据模型、多层线性模型和logit模型等方面的内容。

第1章 基本统计概念 1

1.1 统计思想对于社会科学研究的重要性 1

1.2 本书的特点 3

1.3 基本统计概念 4

1.4 随机变量的和与差 17

1.5 期望与协方差的性质 17

1.6 本章小结 18

第2章 统计推断基础 20

2.1 分布 20

2.2 估计 30

2.3 假设检验 34

2.4 本章小结 48

第3章 一元线性回归 49

3.1 理解回归概念的三种视角 50

3.2 回归模型 51

3.3 回归直线的拟合优度 58

3.4 假设检验 63

3.5 对特定X下Y均值的估计 65

3.6 对特定X下Y单一值的预测 66

3.7 简单线性回归中的非线性变换 69

3.8 实例分析 71

3.9 本章小结 76

第4章 线性代数基础 78

4.1 定义 78

4.2 矩阵的运算 80

4.3 特殊矩阵 84

4.4 矩阵的秩 87

4.5 矩阵的逆 87

4.6 行列式 88

4.7 矩阵的运算法则 91

4.8 向量的期望和协方差阵的介绍 92

4.9 矩阵在社会科学中的应用 92

4.10 本章小结 93

第5章 多元线性回归 95

5.1 多元线性回归模型的矩阵形式 95

5.2 多元回归的基本假定 96

5.3 多元回归参数的估计 98

5.4 OLS回归方程的解读 99

5.5 多元回归模型误差方差的估计 101

5.6 多元回归参数估计量方差的估计 102

5.7 模型设定中的一些问题 103

5.8 标准化回归模型 106

5.9 CHIP88实例分析 108

5.10 本章小结 112

第6章 多元回归中的统计推断与假设检验 114

6.1 统计推断基本原理简要回顾 114

6.2 统计显著性的相对性,以及效应幅度 116

6.3 单个回归系数βk=0的检验 118

6.4 多个回归系数的联合检验 118

6.5 回归系数线性组合的检验 121

6.6 本章小结 123

第7章 方差分析和F检验 124

7.1 一元线性回归中的方差分析 124

7.2 多元线性回归中的方差分析 130

7.3 方差分析的假定条件 137

7.4 F检验 138

7.5 判定系数增量 139

7.6 拟合优度的测量 140

7.7 实例分析 141

7.8 本章小结 143

第8章 辅助回归和偏回归图 145

8.1 回归分析中的两个常见问题 145

8.2 辅助回归 146

8.3 变量的对中 152

8.4 偏回归图 152

8.5 排除忽略变量偏误的方法 155

8.6 应用举例 155

8.7 本章小结 160

第9章 因果推断和路径分析 161

9.1 相关关系 161

9.2 因果推断 162

9.3 因果推断的问题 162

9.4 因果推断的假设 163

9.5 因果推断中的原因 167

9.6 路径分析 169

9.7 本章小结 183

第10章 多重共线性问题 185

10.1 多重共线性问题的引入 185

10.2 完全多重共线性 186

10.3 近似多重共线性 187

10.4 多重共线性的度量 188

10.5 多重共线性问题的处理 191

10.6 本章小结 192

第11章 多项式回归、样条函数回归和阶跃函数回归 193

11.1 多项式回归 193

11.2 样条函数回归 206

11.3 阶跃函数回归 209

11.4 本章小结 215

第12章 虚拟变量与名义自变量 217

12.1 名义变量的定义与特性 217

12.2 虚拟变量的设置 218

12.3 虚拟变量的应用 221

12.4 本章小结 232

第13章 交互项 234

13.1 交互项 235

13.2 由不同类型解释变量构造的交互项 236

13.3 利用嵌套模型检验交互项的存在 242

13.4 是否可以删去交互项中的低次项? 243

13.5 构造交互项时需要注意的问题 246

13.6 本章小结 248

第14章 异方差与广义最小二乘法 250

14.1 异方差 250

14.2 异方差现象举例 252

14.3 异方差情况下的常规最小二乘估计 253

14.4 广义最小二乘法 256

14.5 加权最小二乘法 258

14.6 本章小结 261

第15章 纵贯数据的分析 264

15.1 追踪数据的分析 265

15.2 趋势分析 283

15.3 本章小结 291

第16章 多层线性模型介绍 294

16.1 多层线性模型发展的背景 295

16.2 多层线性模型的基本原理 296

16.3 模型的优势与局限 299

16.4 多层线性模型的若干子模型 299

16.5 自变量对中的问题 305

16.6 应用举例 308

16.7 本章小结 316

第17章 回归诊断 318

17.1 因变量是否服从正态分布 319

17.2 残差是否服从正态分布 322

17.3 异常观测案例 324

17.4 本章小结 330

第18章 二分因变量的logit模型 331

18.1 线性回归面对二分因变量的困境 332

18.2 转换的方式 334

18.3 潜变量方式 339

18.4 模型估计、评价与比较 340

18.5 模型回归系数解释 346

18.6 统计检验与推断 349

18.7 本章小结 351

词汇表 352

参考文献 381

后记 386