迴歸分析 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

馬立平 著

齣版社： 機械工業齣版社

ISBN：9787111453666

版次：1

商品編碼：11444153

品牌：機工齣版

包裝：平裝

叢書名： 北京市高等教育精品教材立項項目

開本：16開

齣版時間：2014-04-01

用紙：膠版紙

頁數：237

內容簡介

　　《迴歸分析》主要介紹迴歸分析的基本原理、基本方法及其在經濟領域中的應用，具體內容包括迴歸分析概述、變量間的相關關係分析、一元綫性迴歸分析、多元綫性迴歸分析、方差齊性診斷與模型的加權最小二乘估計、誤差獨立性的診斷與模型的廣義最小二乘法、共綫性數據模型的建立與有偏估計、關於自變量的選擇、動態迴歸分析、綫性迴歸的推廣、迴歸模型的設定與改進等。此外，書中還介紹瞭eviews和spss軟件的基本使用方法，並在每章後提供瞭難度適宜的思考題和練習題，便於讀者動手實踐，鞏固所學知識。
　　《迴歸分析》敘述通俗易懂，可以作為高等院校統計及相關專業迴歸分析課程的本科生教材和教學參考書，也可供相關研究人員閱讀與參考。

目錄

前言
教學建議
第一部分迴歸分析基礎
第1章迴歸分析概述
1��1迴歸的釋義與迴歸分析的作用
1��1��1“迴歸”一詞的曆史淵源
1��1��2迴歸分析的發展與現代釋義
1��1��3迴歸分析的主要作用
1��2迴歸分析的基本過程
1��2��1迴歸分析的基本類型與主要內容
1��2��2迴歸分析的基本流程
1��3迴歸分析的基本概念與一般模型
1��3��1迴歸分析的基本概念
1��3��2迴歸分析的一般模型
1��3��3迴歸模型常見的基本形式
思考與練習
第2章變量間的相關關係分析
2��1變量間的關係
2��1��1相關關係
2��1��2相關關係種類
2��1��3相關分析的主要內容
2��2相關關係的描述與測度
2��2��1相關關係的描述——相關錶與散點圖
2��2��2相關程度的測定——相關係數的計算
2��3相關分析的應用
2��3��1變量的類型與相關係數
2��3��2相關與因果關係
2��3��3相關係數的應用
2��3��4相關分析的SPSS軟件應用
思考與練習
第二部分經典綫性迴歸分析
第3章一元綫性迴歸分析
3��1一元綫性迴歸模型
3��1��1一元綫性迴歸模型的基本概念
3��1��2一元綫性迴歸模型的選擇
3��2迴歸模型的最小二乘估計
3��2��1普通最小二乘估計原理與估計量
3��2��2最小二乘估計的基本假定
3��2��3最小二乘估計的精度與標準誤差
3��2��4最小二乘估計量的性質
3��2��5區間估計
3��3顯著性檢驗與迴歸方程的擬閤效果
3��3��1顯著性檢驗
3��3��2迴歸方程的擬閤效果度量
3��3��3迴歸方程的殘差分析
3��4一元綫性迴歸模型的應用
3��4��1結構分析
3��4��2預測
3��4��3控製
3��4��4應用案例
3��4��5一元綫性迴歸分析的SPSS軟件使用
思考與練習
第4章多元綫性迴歸分析
4��1多元綫性迴歸模型
4��1��1多元綫性迴歸模型的一般形式
4��1��2多元綫性迴歸模型的基本假定
4��2多元綫性迴歸參數的最小二乘估計
4��2��1迴歸係數的估計量
4��2��2迴歸模型參數最小二乘估計量的方差和標準誤差
4��2��3迴歸係數的區間估計
4��2��4最大似然估計
4��3參數估計量的性質
4��4迴歸方程的評價
4��4��1迴歸方程的精度測量
4��4��2多元綫性迴歸模型的簡潔性
4��4��3綜閤評價
4��5迴歸係數的顯著性檢驗
4��5��1每個自變量對因變量影響的顯著性檢驗
4��5��2迴歸方程綫性關係的顯著性檢驗
4��5��3檢驗兩個迴歸係數是否相等
4��5��4受約束（綫性約束）的迴歸係數估計與約束條件的檢驗
4��6標準化迴歸方程
4��6��1數據的標準化處理
4��6��2標準化迴歸係數
4��7多元綫性迴歸的實際操作
4��7��1SPSS關於多元綫性迴歸的操作
4��7��2關於兒童體重的二元綫性迴歸分析
思考與練習
第5章方差齊性診斷與模型的加權最小二乘估計
5��1異方差情況下的最小二乘估計
5��1��1異方差形成的原因
5��1��2異方差對參數估計的影響
5��2迴歸分析中異方差的診斷
5��2��1異方差的定性判斷
5��2��2異方差的圖形檢驗
5��2��3異方差的統計檢驗
5��3異方差情況下的加權最小二乘估計
思考與練習
第三部分違背經典假設的綫性迴歸方程參數估計
第6章誤差獨立性的診斷與模型的廣義最小二乘法
6��1自相關下的最小二乘估計
6��1��1自相關形成的原因
6��1��2誤差項自相關時OLS估計的後果
6��2誤差項自相關的診斷
6��2��1誤差項自相關的定性判斷
6��2��2誤差項自相關的圖形診斷
6��2��3隨機誤差項自相關的統計檢驗
6��3存在誤差項自相關的廣義最小二乘估計
6��3��1εt具有一階自迴歸形式
6��3��2εt具有高階自迴歸形式
6��3��3如何估計ρ
思考與練習
第7章共綫性數據模型的建立與有偏估計
7��1自變量共綫性産生的原因與後果
7��1��1自變量共綫性産生的原因
7��1��2形成多重共綫性的原因
7��1��3多重共綫性的後果
7��1��4多重共綫性的診斷
7��2多重共綫性下的有偏估計
7��2��1主成分迴歸
7��2��2嶺估計
7��2��3閤並截麵數據與時間序列數據
思考與練習
第四部分實踐中的迴歸分析
第8章關於自變量的選擇
8��1自變量選擇的基本原則
8��1��1問題的提齣
8��1��2全模型和選模型
8��1��3自變量選擇對參數估計和因變量預測的影響
8��1��4自變量選擇的原則
8��2增加一個自變量的“邊際”貢獻分析
8��2��1邊際貢獻
8��2��2自變量的邊際貢獻分析
8��3自變量選擇的常用方法
8��3��1前進法
8��3��2後退法
8��3��3逐步迴歸法
8��3��4應用中的問題
8��3��5SPSS實現
8��4虛擬變量的選擇
8��4��1虛擬變量及數據處理
8��4��2虛擬變量引入迴歸模型的方法
思考與練習
第9章動態迴歸分析
9��1動態迴歸模型
9��1��1滯後效應與分布滯後模型
9��1��2自迴歸模型
9��1��3自迴歸分布滯後模型
9��2自迴歸分布滯後模型的估計方法
9��2��1分布滯後模型的變換
9��2��2自迴歸分布滯後模型的參數估計
9��3變量因果關係的檢驗
9��3��1迴歸模型約束條件的檢驗
9��3��2格蘭傑因果關係的檢驗
9��4模型結構穩定性檢驗
思考與練習
第10章綫性迴歸的推廣
10��1非綫性迴歸
10��1��1指數麯綫模型
10��1��2對數麯綫模型
10��1��3雙麯綫函數模型
10��1��4多項式麯綫模型
10��1��5龔伯茲麯綫模型
10��2定性因變量的迴歸分析
10��2��1二元選擇迴歸模型
10��2��2多類彆邏輯斯諦迴歸
10��2��3有序因變量的迴歸模型
10��3廣義綫性模型
10��3��1廣義綫性模型的一般形式
10��3��2常用的聯係函數
10��3��3廣義綫性模型的參數估計
思考與練習
第11章迴歸模型的設定與改進
11��1迴歸模型的設定標準
11��1��1迴歸模型的設定原則與思路
11��1��2模型的評價準則
11��1��3模型設定誤差的類型
11��2模型設定錯誤的主要類型
11��2��1遺漏相關變量
11��2��2包括瞭不相關的自變量
11��2��3模型的函數形式設定錯誤
11��2��4變量數據度量的偏誤
11��3迴歸模型設定問題的診斷與檢驗
11��3��1模型包含非相關變量的診斷
11��3��2遺漏變量與模型形式設定錯誤的診斷
思考與練習
附錄AEViews的簡要使用說明
附錄BSPSS軟件的簡要使用說明
參考文獻

前言/序言

評分☆☆☆☆☆

迴歸分析是對具有因果關係的影響因素（自變量）和預測對象（因變量）所進行的數理統計分析處理。隻有當變量與因變量確實存在某種關係時，建立的迴歸方程纔有意義。因此，作為自變量的因素與作為因變量的預測對象是否有關，相關程度如何，以及判斷這種相關程度的把握性多大，就成為進行迴歸分析必須要解決的問題。進行相關分析，一般要求齣相關關係，以相關係數的大小來判斷自變量和因變量的相關的程度。

評分☆☆☆☆☆

迴歸分析是對具有因果關係的影響因素（自變量）和預測對象（因變量）所進行的數理統計分析處理。隻有當變量與因變量確實存在某種關係時，建立的迴歸方程纔有意義。因此，作為自變量的因素與作為因變量的預測對象是否有關，相關程度如何，以及判斷這種相關程度的把握性多大，就成為進行迴歸分析必須要解決的問題。進行相關分析，一般要求齣相關關係，以相關係數的大小來判斷自變量和因變量的相關的程度。

評分☆☆☆☆☆

不錯的書，但是對我來說有點難

評分☆☆☆☆☆

評分☆☆☆☆☆

不錯的書，但是對我來說有點難

評分☆☆☆☆☆

迴歸分析是對具有因果關係的影響因素（自變量）和預測對象（因變量）所進行的數理統計分析處理。隻有當變量與因變量確實存在某種關係時，建立的迴歸方程纔有意義。因此，作為自變量的因素與作為因變量的預測對象是否有關，相關程度如何，以及判斷這種相關程度的把握性多大，就成為進行迴歸分析必須要解決的問題。進行相關分析，一般要求齣相關關係，以相關係數的大小來判斷自變量和因變量的相關的程度。

評分☆☆☆☆☆

評分☆☆☆☆☆

不錯的書，但是對我來說有點難

評分☆☆☆☆☆

不錯的書，但是對我來說有點難