✍ Scribed by 谢宇
No coin nor oath required. For personal study only.
《回归分析》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，《回归分析》还涉及通径分析、纵贯数据模型、多层线性模型和Iogit模型等方面的内容。
第1章 基本统计概念
1.1 统计思想对于社会科学研究的重要性
1.2 本书的特点
1.3 基本统计概念
1.4 随机变量的和与差
1.5 期望与协方差的性质
1.6 本章小结
第2章 统计推断基础
2.1 分布
2.2 估计
2.3 假设检验
2.4 本章小结
第3章 一元线性回归
3.1 理解回归概念的三种视角
3.2 回归模型
3.3 回归直线的拟合优度
3.4 假设检验
3.5 对特定X下y均值的估计
3.6 对特定X下y单一值的预测
3.7 简单线性回归中的非线性变换
3.8 实例分析
3.9 本章小结
第4章 线性代数基础
4.1 定义
4.2 矩阵的运算
4.3 特殊矩阵
4.4 矩阵的秩
4.5 矩阵的逆
4.6 行列式
4.7 矩阵的运算法则
4.8 向量的期望和协方差阵的介绍
4.9 矩阵在社会科学中的应用
4.10本章小结
第5章 多元线性回归
5.1 多元线性回归模型的矩阵形式
5.2 多元回归的基本假定
5.3 多元回归参数的估计
5.4 0LS回归方程的解读
5.5 多元回归模型误差方差的估计
5.6 多元回归参数估计量方差的估计
5.7 模型设定中的一些问题
5.8 标准化回归模型
5.9 cHIP88实例分析
5.10 本章小结
第6章 多元回归中的统计推断与假设检验
6.1 统计推断基本原理简要回顾
6.2 统计显著性的相对性.以及效应幅度
6.3 单个回归系数反=0的检验
6.4 多个回归系数的联合检验
6.5 回归系数线性组合的检验
6.6 本章小结
第7章 方差分析和F检验
7.1 一元线性回归中的方差分析
7.2 多元线性回归中的方差分析
7.3 方差分析的假定条件
7.4 F检验
7.5 判定系数增量
7.6 拟合优度的测量
7.7 实例分析
7.8 本章小结
第8章 辅助回归和偏回归图
8.1 回归分析中的两个常见问题
8.2 辅助回归
8.3 变量的对中
8.4 偏回归图
8.5 排除忽略变量偏误的方法
8.6 应用举例
8.7 本章小结
第9章 因果推断和路径分析
9.1 相关关系
9.2 因果推断
9.3 因果推断的问题
9.4 因果推断的假设
9.5 因果推断中的原因
9.6 路径分析
9.7 本章小结
第10章 多重共线性问题
10.1 多重共线性问题的引入
10.2 完全多重共线性
10.3 近似多重共线性
10.4 多重共线性的度量
10.5 多重共线性问题的处理
10.6 本章小结
第11章 多项式回归、样条函数回归和阶跃甬数回归
11.1 多项式回归
11.2 样条函数回归
11.3 阶跃函数回归
11.4 本章小结
第12章 虚拟变量与名义自变量
12.1 名义变量的定义与特性
12.2 虚拟变量的设置
……
第13章 交互项
第14章 异方差与广义最小二乘法
第15章 纵贯数据的分析
第16章 多层线性模型介绍
第17章 回归诊断
第18章 二分因变量的logit模型
词汇表
参考文献
后记
📜 SIMILAR VOLUMES
<p>《高级回归分析》由5本讨论高级回归分析的小册子组成，分别是《固定效应回归模型》、《现代稳健回归方法》、《删截、选择性样本及截断数据回归模型》、《分位数回归模型》及《空间回归模型》。《固定效应回归模型》介绍了多种形式的固定效应回归模型，讨论了如何在固定效应模型及随机效应模型之间作出选择；《现代稳健回归方法》通过一套统一的符号系统，介绍了不同来源的多种稳健回归方法，以及它们彼此之间的联系；《删截、选择性样本及截断数据回归模型》是有关删截数据、选择性样本数据及截断数据的最新研究；《分位数回归模型》提出了分位数和分位数函数的概念，阐述了分位数回归模型，讨论了它们的估计和推断方法，并通过具体的例子
<p>回归分析在科学研究领域是最常用的统计方法。《SPSS回归分析》介绍了一些基本的统计方法，例如，相关、回归（线性、多重、非线性）、逻辑（二项、多项）、有序回归和生存分析（寿命表法、Kaplan-Meier法以及Cox回归）。后面的章节介绍了另外一些回归分析方法和模型，例如，个体生长曲线的建模、PLS 部分最小平方回归、岭回归、巢式病例对照研究。</p> <p>《SPSS回归分析》对运用SPSS进行回归分析的介绍，目的是让读者对于这方面的基础知识有一个初步了解和掌握，有经验的读者藉此可在数据挖掘（例如，利用Clementine）领域独立地继续学习新知识。</p>
<p>《应用logistic回归分析(第2版)》介绍了线性回归模型是一个非常有效且重要的数据分析方法。《应用logistic回归分析(第2版)》全面解释了logistic回归模型的估计、解释和诊断结果，详细说明了多选项和不排序多分类因变量的问题，并更新了现今应用的计算机软件，深入评论了不同的拟合优度。作者还提出了令人信服的论据去说明R2L的优势，并增加了分组数据、预测效率和风险比等新内容。</p>
<p>例解回归分析，ISBN：9787503744280，作者：（美）Samprit Chatterjee等著；郑明等译</p>
<p>本书是世界公认的《回归分析》标准教材（aleadingtextbookonregression）。不仅从理论上介绍了当今统计学中用到的传统回归方法，还补充介绍了尖端科学研究中不太常见的回归方法。难能可贵的是，作者有丰富的教学经验和实际应用经验，使得本书理论和应用并重，还给出实际应用中应该注意的问题。新版除利用Minitab,SAS,S-PLUS软件外,还融入了*流行的JMP软件和R软件，来阐释相关技术方法。配套资源很丰富，数据、教学PPT等可免费下载</p>
<p>《线性回归分析基础》由四种讨论定量方法的小册子组成，分别是《理解回归假设》、《回归诊断简介》、《虚拟变量回归》以及《多元回归中的交互作用》。《线性回归分析基础》的主要内容如书名所示，是介绍社会学研究分析方法之一，即线性回归。线性回归分析是社会科学研究中最常见的分析方法，《线性回归分析基础》通过介绍回归分析的假设，进而提出新的变量分析方法，对回归分析中的各变量及其相互关系进行阐述，为读者提供了一套完整的线性回归分析的方法。</p>