第一部分 回归分析基础 2
第1章 回归分析概述 2
1.1回归的释义与回归分析的作用 2
1.1.1“回归”一词的历史渊源 2
1.1.2回归分析的发展与现代释义 3
1.1.3回归分析的主要作用 4
1.2回归分析的基本过程 6
1.2.1回归分析的基本类型与主要内容 6
1.2.2回归分析的基本流程 7
1.3回归分析的基本概念与一般模型 12
1.3.1回归分析的基本概念 12
1.3.2回归分析的一般模型 13
1.3.3回归模型常见的基本形式 13
思考与练习 14
第2章变量间的相关关系分析 15
2.1变量间的关系 16
2.1.1相关关系 16
2.1.2相关关系种类 17
2.1.3相关分析的主要内容 17
2.2相关关系的描述与测度 18
2.2.1相关关系的描述——相关表与散点图 18
2.2.2相关程度的测定——相关系数的计算 20
2.3相关分析的应用 24
2.3.1变量的类型与相关系数 24
2.3.2相关与因果关系 25
2.3.3相关系数的应用 27
2.3.4相关分析的SPSS软件应用 28
思考与练习 31
第二部分 经典线性回归分析 34
第3章 一元线性回归分析 34
3.1一元线性回归模型 34
3.1.1一元线性回归模型的基本概念 34
3.1.2一元线性回归模型的选择 37
3.2回归模型的最小二乘估计 39
3.2.1普通最小二乘估计原理与估计量 39
3.2.2最小二乘估计的基本假定 42
3.2.3最小二乘估计的精度与标准误差 44
3.2.4最小二乘估计量的性质 45
3.2.5区间估计 47
3.3显著性检验与回归方程的拟合效果 49
3.3.1显著性检验 49
3.3.2回归方程的拟合效果度量 51
3.3.3回归方程的残差分析 52
3.4一元线性回归模型的应用 58
3.4.1结构分析 58
3.4.2预测 59
3.4.3控制 60
3.4.4应用案例 61
3.4.5一元线性回归分析的SPSS软件使用 65
思考与练习 67
第4章 多元线性回归分析 71
4.1多元线性回归模型 71
4.1.1多元线性回归模型的一般形式 71
4.1.2多元线性回归模型的基本假定 73
4.2多元线性回归参数的最小二乘估计 74
4.2.1回归系数的估计量 74
4.2.2回归模型参数最小二乘估计量的方差和标准误差 76
4.2.3回归系数的区间估计 77
4.2.4最大似然估计 77
4.3参数估计量的性质 77
4.4回归方程的评价 79
4.4.1回归方程的精度测量 79
4.4.2多元线性回归模型的简洁性 80
4.4.3综合评价 80
4.5回归系数的显著性检验 81
4.5.1每个自变量对因变量影响的显著性检验 82
4.5.2回归方程线性关系的显著性检验 82
4.5.3检验两个回归系数是否相等 83
4.5.4受约束（线性约束）的回归系数估计与约束条件的检验 84
4.6标准化回归方程 86
4.6.1数据的标准化处理 87
4.6.2标准化回归系数 87
4.7多元线性回归的实际操作 87
4.7.1 SPSS关于多元线性回归的操作 87
4.7.2关于儿童体重的二元线性回归分析 90
思考与练习 92
第5章 方差齐性诊断与模型的加权最小二乘估计 95
5.1异方差情况下的最小二乘估计 95
5.1.1异方差形成的原因 95
5.1.2异方差对参数估计的影响 97
5.2回归分析中异方差的诊断 98
5.2.1异方差的定性判断 98
5.2.2异方差的图形检验 98
5.2.3异方差的统计检验 100
5.3异方差情况下的加权最小二乘估计 105
思考与练习 107
第三部分 违背经典假设的线性回归方程参数估计 110
第6章 误差独立性的诊断与模型的广义最小二乘法 110
6.1自相关下的最小二乘估计 110
6.1.1自相关形成的原因 110
6.1.2误差项自相关时OLS估计的后果 111
6.2误差项自相关的诊断 112
6.2.1误差项自相关的定性判断 112
6.2.2误差项自相关的图形诊断 112
6.2.3随机误差项自相关的统计检验 112
6.3存在误差项自相关的广义最小二乘估计 117
6.3.1εt具有一阶自回归形式 117
6.3.2εt具有高阶自回归形式 118
6.3.3如何估计ρ 118
思考与练习 120
第7章 共线性数据模型的建立与有偏估计 123
7.1自变量共线性产生的原因与后果 123
7.1.1自变量共线性产生的原因 123
7.1.2形成多重共线性的原因 124
7.1.3多重共线性的后果 125
7.1.4多重共线性的诊断 126
7.2多重共线性下的有偏估计 130
7.2.1主成分回归 131
7.2.2岭估计 133
7.2.3合并截面数据与时间序列数据 135
思考与练习 136
第四部分 实践中的回归分析 140
第8章 关于自变量的选择 140
8.1自变量选择的基本原则 140
8.1.1问题的提出 140
8.1.2全模型和选模型 142
8.1.3自变量选择对参数估计和因变量预测的影响 143
8.1.4自变量选择的原则 144
8.2增加一个自变量的“边际”贡献分析 147
8.2.1边际贡献 147
8.2.2自变量的边际贡献分析 148
8.3自变量选择的常用方法 150
8.3.1前进法 150
8.3.2后退法 152
8.3.3逐步回归法 155
8.3.4应用中的问题 157
8.3.5 SPSS实现 160
8.4虚拟变量的选择 161
8.4.1虚拟变量及数据处理 161
8.4.2虚拟变量引入回归模型的方法 163
思考与练习 165
第9章 动态回归分析 167
9.1动态回归模型 167
9.1.1滞后效应与分布滞后模型 167
9.1.2自回归模型 168
9.1.3自回归分布滞后模型 168
9.2自回归分布滞后模型的估计方法 169
9.2.1分布滞后模型的变换 170
9.2.2自回归分布滞后模型的参数估计 174
9.3变量因果关系的检验 178
9.3.1回归模型约束条件的检验 178
9.3.2格兰杰因果关系的检验 180
9.4模型结构稳定性检验 183
思考与练习 186
第10章 线性回归的推广 188
10.1非线性回归 188
10.1.1指数曲线模型 188
10.1.2对数曲线模型 189
10.1.3双曲线函数模型 190
10.1.4多项式曲线模型 190
10.1.5龚伯兹曲线模型 191
10.2定性因变量的回归分析 193
10.2.1二元选择回归模型 194
10.2.2多类别逻辑斯谛回归 197
10.2.3有序因变量的回归模型 201
10.3广义线性模型 203
10.3.1广义线性模型的一般形式 203
10.3.2常用的联系函数 204
10.3.3广义线性模型的参数估计 205
思考与练习 206
第11章 回归模型的设定与改进 208
11.1回归模型的设定标准 208
11.1.1回归模型的设定原则与思路 208
11.1.2模型的评价准则 210
11.1.3模型设定误差的类型 211
11.2模型设定错误的主要类型 211
11.2.1遗漏相关变量 211
11.2.2包括了不相关的自变量 212
11.2.3模型的函数形式设定错误 213
11.2.4变量数据度量的偏误 213
11.3回归模型设定问题的诊断与检验 214
11.3.1模型包含非相关变量的诊断 214
11.3.2遗漏变量与模型形式设定错误的诊断 215
思考与练习 218
附录A EViews的简要使用说明 223
附录BSPSS软件的简要使用说明 230
参考文献 237