第1章 回归分析概述__eol__1.1 变量间的相关关系__eol__1.2 “回归”思想及名称的由来__eol__1.3 回归分析的主要内容及其一般模型__eol__1.3.1 回归分析研究的主要内容__eol__1.3.2 回归模型的一般形式__eol__1.4 回归模型的建立过程__eol__1.4.1 根据目的设置指标变量__eol__1.4.2 收集、整理数据__eol__1.4.3 确定理论回归模型__eol__1.4.4 模型参数的估计__eol__1.4.5 模型的检验与改进__eol__1.4.6 回归模型的应用__eol__1.5 回归分析应用与发展简评__eol__思考与练习__eol__第2章 一元线性回归__eol__2.1 一元线性回归模型__eol__2.1.1 一元线性回归模型的产生背景__eol__2.1.2 一元线性回归模型的数学形式__eol__2.2 参数β0, β1的估计__eol__2.2.1 普通最小二乘法__eol__2.2.2 最大似然法__eol__2.3 最小二乘估计的性质__eol__2.3.1 线性__eol__2.3.2 无偏性__eol__2.3.3 , 的方差__eol__2.4 回归方程的显著性检验__eol__2.4.1 t检验__eol__2.4.2 F检验__eol__2.4.3 相关系数的显著性检验__eol__2.4.4 用R软件进行计算__eol__2.4.5 三种检验的关系__eol__2.4.6 样本决定系数__eol__2.4.7 关于P值的讨论__eol__2.5 残差分析__eol__2.5.1 残差与残差图__eol__2.5.2 有关残差的性质__eol__2.5.3 改进的残差__eol__2.6 回归系数的区间估计__eol__2.7 预测和控制__eol__2.7.1 单值预测__eol__2.7.2 区间预测__eol__2.7.3 控制问题__eol__2.8 本章小结与评注__eol__2.8.1 一元线性回归从建模到应用的全过程__eol__2.8.2 有关回归检验的讨论__eol__2.8.3 回归系数的解释__eol__2.8.4 回归方程的预测__eol__思考与练习__eol__第3章 多元线性回归__eol__3.1 多元线性回归模型__eol__3.1.1 多元线性回归模型的一般形式__eol__3.1.2 多元线性回归模型的基本假设__eol__3.1.3 多元线性回归系数的解释__eol__3.2 回归系数的估计__eol__3.2.1 回归系数估计的普通最小二乘法__eol__3.2.2 回归值与残差__eol__3.2.3 回归系数估计的最大似然法__eol__3.2.4 实例分析__eol__3.3 有关估计量的性质__eol__3.4 回归方程的显著性检验__eol__3.4.1 F检验__eol__3.4.2 t检验__eol__3.4.3 回归系数的置信区间__eol__3.4.4 拟合优度__eol__3.5 中心化和标准化__eol__3.5.1 中心化__eol__3.5.2 标准化回归系数__eol__3.6 相关阵与偏相关系数__eol__3.6.1 样本相关阵__eol__3.6.2 偏决定系数__eol__3.6.3 偏相关系数__eol__3.7 本章小结与评注__eol__3.7.1 多元线性回归的建模过程__eol__3.7.2 评注__eol__思考与练习__eol__第4章 违背基本假设的几种情况__eol__4.1 异方差性产生的背景和原因__eol__4.1.1 异方差性产生的原因__eol__4.1.2 异方差性带来的问题__eol__4.2 一元加权最小二乘估计__eol__4.2.1 异方差性的诊断__eol__4.2.2 一元加权最小二乘估计__eol__4.2.3 寻找最优权函数__eol__4.3 多元加权最小二乘估计__eol__4.3.1 多元加权最小二乘法__eol__4.3.2 权函数的确定方法__eol__4.4 自相关性问题及其处理__eol__4.4.1 自相关性产生的背景和原因__eol__4.4.2 自相关性带来的问题__eol__4.4.3 自相关性的诊断__eol__4.4.4 自相关问题的处理__eol__4.4.5 自相关实例分析__eol__4.5 BOX-COX变换__eol__4.6 异常值与强影响点__eol__4.6.1 关于因变量y的异常值__eol__4.6.2 关于自变量x的异常值对回归的影响__eol__4.6.3 异常值实例分析__eol__4.7 本章小结与评注__eol__4.7.1 异方差问题__eol__4.7.2 自相关问题__eol__4.7.3 异常值问题__eol__思考与练习__eol__第5章 自变量选择与逐步回归__eol__5.1 自变量选择对估计和预测的影响__eol__5.1.1 全模型与选模型__eol__5.1.2 自变量选择对预测的影响__eol__5.2 所有子集回归__eol__5.2.1 所有子集的数目__eol__5.2.2 自变量选择的几个准则__eol__5.2.3 用R软件寻找最优子集__eol__5.3 逐步回归__eol__5.3.1 前进法__eol__5.3.2 后退法__eol__5.3.3 逐步回归法__eol__5.4 本章小结与评注__eol__5.4.1 逐步回归实例__eol__5.4.2 评注__eol__思考与练习__eol__第6章 多重共线性的情形及其处理__eol__6.1 多重共线性产生的背景和原因__eol__6.2 多重共线性对回归建模的影响__eol__6.3 多重共线性的诊断__eol__6.3.1 方差扩大因子法__eol__6.3.2 特征根判定法__eol__6.3.3 直观判定法__eol__6.4 消除多重共线性的方法__eol__6.4.1 剔除不重要的解释变量__eol__6.4.2 增大样本量__eol__6.4.3 回归系数的有偏估计__eol__6.5 本章小结与评注__eol__思考与练习__eol__第7章 岭回归__eol__7.1 岭回归估计的定义__eol__7.1.1 普通最小二乘估计带来的问题__eol__7.1.2 岭回归的定义__eol__7.2 岭回归估计的性质__eol__7.3 岭迹分析__eol__7.4 岭参数k的选择__eol__7.4.1 岭迹法__eol__7.4.2 方差扩大因子法__eol__7.4.3 由残差平方和确定k值__eol__7.5 用岭回归选择变量__eol__7.6 本章小结与评注__eol__思考与练习__eol__第8章 主成分回归与偏最小二乘__eol__8.1 主成分回归__eol__8.1.1 主成分的基本思想__eol__8.1.2 主成分的基本性质__eol__8.1.3 主成分回归的实例__eol__8.2 偏最小二乘__eol__8.2.1 偏最小二乘的原理__eol__8.2.2 偏最小二乘的算法__eol__8.2.3 偏最小二乘的应用__eol__8.3 本章小结与评注__eol__思考与练习__eol__第9章 非线性回归__eol__9.1 可化为线性回归的曲线回归__eol__9.2 多项式回归__eol__9.2.1 几种常见的多项式回归模型__eol__9.2.2 应用实例__eol__9.3 非线性模型__eol__9.3.1 非线性最小二乘__eol__9.3.2 非线性回归模型的应用__eol__9.3.3 其他形式的非线性回归模型__eol__9.4 本章小结与评注__eol__思考与练习__eol__第10章 含定性变量的回归模型__eol__10.1 自变量含定性变量的回归模型__eol__10.1.1 简单情况__eol__10.1.2 复杂情况__eol__10.2 自变量含定性变量的回归模型与应用__eol__10.2.1 分段回归__eol__10.2.2 回归系数相等的检验__eol__10.3 因变量是定性变量的回归模型__eol__10.3.1 定性因变量的回归方程的意义__eol__10.3.2 定性因变量回归的特殊问题__eol__10.4 Logistic回归模型__eol__10.4.1 分组数据的Logistic回归模型__eol__10.4.2 未分组数据的Logistic回归模型__eol__10.4.3 Probit回归模型__eol__10.5 多类别Logistic回归__eol__10.6 因变量顺序类别的回归__eol__10.7 本章小结与评注__eol__思考与练习__eol__部分练习题参考答案__eol__附录__eol__参考文献__eol____eol__