No coin nor oath required. For personal study only.
📜 SIMILAR VOLUMES
本书介绍了几种典型的线性统计模型及其建模方法，不仅详细讲解了各种理论公式的推到过程，还就具体的案例数据结合统计软件展示数据分析的各个步骤。此外，每章还配备一定数量的理论习题与上机实验题。 本书可作为普通高等院校应用统计硕士专业学位研究生基础课程教材，也可作为数学专业大四学生和其它学科研究生统计课程的教学参考书，以及业界数据分析师的参考用书。
<p>《定序因变量的logistic回归模型》主要讲述了，logit模型已经成为社会科学中最流行的统计方法。《定序因变量的logistic回归模型》以展示来自儿童早期追踪研究的实例开始，进而回顾了logistic回归，并接着呈现了三个核心主题章节：累积或比例比数模型、连续比例模型以及相邻类别模型。与此同时，书中给出了SAS和SPSS的案例。在结论部分，作者给出了替代方法尤其是什么时候使用替代方法的建议。</p>
针对有随机效应的多重二元响应模型，研究了给定响应变量时模型的逆回归性质，基于该理论给出了模型的逆回归估计，所得到的回归系数向量的估计只相差一个正的常数乘积。进一步给出了模型的假设检验法。对于随机效应的多元秩序模型，也得到了回归系数的逆回归估计。对于多重二元响应Probit模型，给出了参数的渐近有效估计，只需一步（获少数几步）迭代可以得到参数的渐近有效估计对固定效应的LDV模型，假定扰动项分布为I型极值分布，应用极大似然方法估计参数，并将方法应用于多项选择模型，给出了应用实例。本书内容理论与实践相结合，各章均有实例或计算机模拟研究。
<p>《虚拟变量回归》首先介绍了虚拟变量的含义及其构建，对虚拟变量回归有了基本了解后，海蒂教授还提出了有关虚拟变量回归的一些特殊问题。除此以外，她还对如何处理异方差性，在因变量取对数或者Logit后，如何对回归系数进行诠释，如何在显著性检验下做多重比较，如何进行效果编码和对比编码，以及如何检验曲线性和如何进行分段线性回归作出了解释。</p>
《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。