高级统计学 / 大数据管理与应用系列教材
定价：￥75.00
作者： 周亦威
出版时间：2026-06-10
出版社：机械工业出版社
- 机械工业出版社
- 9787111804338
- 1-1
- 2026-06-10
- 486
内容简介
本书以统计学为核心，辐射经济学、管理学、城市科学等领域。本书通过多领域案例（如经济指标分析、社会行为建模、空间数据挖掘）体现统计方法在不同学科间的交叉应用，并从经典线性回归延伸到前沿的贝叶斯与空间模型，覆盖参数与非参数方法，兼顾理论严谨性与实证操作性。此外，本书重点强调数据预处理、模型诊断（如残差分析、异方差检验）和模型比较（信息准则、拟合优度指标），旨在培养读者数据驱动的建模思维。最后，书中还提供统计软件（如SPSS、Stata）的应用思路，适合不同层次读者从理论过渡到实践。
全书分为四大部分，涵盖从基础概念到前沿方法的完整体系：
第1部分基础知识（第1、2章），第2部分连续因变量模型（第3~11章），
第3部分计数和离散依存变量模型（第12~16章）。第4部分为拓展知识，感兴趣的读者可扫描二维码学习。
本书面向两类读者：①经济学、管理学、系统科学、数据科学等领域的研究生及高年级本科生，可作为统计学与计量经济学方法课程的教材，亦可根据教学需求选取部分主题构成一学期课程体系；②科研人员与行业从业者，可作为技术参考书，助力其掌握多领域数据分析所需的方法论工具。
全书分为四大部分，涵盖从基础概念到前沿方法的完整体系：
第1部分基础知识（第1、2章），第2部分连续因变量模型（第3~11章），
第3部分计数和离散依存变量模型（第12~16章）。第4部分为拓展知识，感兴趣的读者可扫描二维码学习。
本书面向两类读者：①经济学、管理学、系统科学、数据科学等领域的研究生及高年级本科生，可作为统计学与计量经济学方法课程的教材，亦可根据教学需求选取部分主题构成一学期课程体系；②科研人员与行业从业者，可作为技术参考书，助力其掌握多领域数据分析所需的方法论工具。
目录
前言
第1 部分 基础知识
第1 章 描述性统计/002
1.1 相对位置指标/002
1.2 集中趋势度量/002
1.3 离散程度度量/003
1.4 偏度和峰度/006
1.5 关联度量/008
1.6 估计量的性质/010
第2 章 区间估计、假设检验、多变量方差分析与非参数方法/014
2.1 置信区间/014
2.2 假设检验/017
2.3 多变量方差分析/028
2.4 非参数方法/032
第2 部分 连续因变量模型
第3 章 线性回归/046
3.1 线性回归模型的假设/046
3.2 回归分析基础/049
3.3 回归中的变量处理/057
3.4 估计单个β 参数/060
3.5 针对变量区间估计β 参数/060
3.6 为变量m 个水平中的m - 1 个估计单个β 参数/061
3.7 检验回归假设/063
3.8 回归离群值/072
3.9 回归模型拟合优度度量/077
3.10 回归中的多重共线性/080
3.11 回归模型构建策略/081
3.12 估计弹性/082
3.13 删截因变量—— Tobit 模型/083
3.14 Box-Cox 回归/087
第4 章 违背回归假设/089
4.1 扰动项零均值假设/089
4.2 扰动项正态性假设/089
4.3 解释变量与扰动项不相关假设/090
4.4 扰动项同方差假设/092
4.5 扰动项无序列相关假设/097
4.6 模型设定误差/102
第5 章 联立方程模型/105
5.1 联立方程问题概述/105
5.2 普通最小二乘法的偏误/109
5.3 两阶段最小二乘法/111
5.4 识别问题/116
第6 章 面板数据分析/120
6.1 面板数据分析中的问题/120
6.2 单向误差分量模型/121
6.3 双向误差分量模型/123
6.4 可变参数模型/124
第7 章 序列相关性和时间序列模型/127
7.1 时间序列数据的特点/127
7.2 纯序列相关和非纯序列相关/128
7.3 序列相关性的后果/131
7.4 序列相关性的检验/132
7.5 序列相关性的修正/137
7.6 时间序列模型/140
7.7 分布滞后模型/140
7.8 动态模型/142
7.9 序列相关性和动态模型/144
7.10 格兰杰（Granger） 因果关系/147
7.11 伪回归和非平稳性/147
第8 章 预测/154
8.1 什么是预测/154
8.2 比较复杂的预测/157
8.3 ARIMA 模型/161
8.4 SARIMA 模型：处理季节性时间序列的扩展/163
第9 章 潜变量模型/171
9.1 主成分分析/171
9.2 因子分析/176
9.3 结构方程模型/178
第10 章 聚类分析/193
10.1 聚类分析概况/193
10.2 系统聚类法/197
10.3 快速聚类法/198
10.4 其他聚类方法/198
10.5 聚类方法的选择/200
10.6 聚类分析注意事项/201
10.7 实例分析/202
第11 章 持续时间模型/208
11.1 基于风险的持续时间模型/208
11.2 持续时间数据的特征/211
11.3 非参数模型/211
11.4 半参数模型/212
11.5 全参数模型/214
11.6 非参数、半参数和全参数模型的比较/218
11.7 异质性/219
11.8 状态依赖性/220
11.9 时变解释变量/221
11.10 离散时间风险模型/221
11.11 竞争风险模型/222
11.12 生存分析概况/223
11.13 生存分析的一些基本概念/224
11.14 尼尔森- 阿兰累积风险率估计/227
11.15 生存函数的Kaplan-Meier 估计/229
11.16 Log-rank 检验/231
11.17 Cox 比例风险率模型/232
第3 部分 计数和离散依存变量模型
第12 章 计数数据模型/238
12.1 泊松回归概述/238
12.2 截断泊松回归模型/242
12.3 负二项回归模型/244
12.4 零膨胀泊松和负二项回归模型/246
12.5 随机效应计数模型/249
第13 章 逻辑回归/251
13.1 逻辑回归原理/251
13.2 逻辑回归模型/252
第14 章 离散选择模型/256
14.1 离散数据模型/256
14.2 二项Probit 模型/257
14.3 离散数据和效用理论/258
14.4 多项Logit 模型/259
14.5 嵌套Logit 模型（广义极值模型） /275
14.6 Logit 模型的特殊性质/280
第15 章 有序概率模型/283
15.1 有序离散数据模型/283
15.2 含随机效应的有序概率模型/289
15.3 有序概率模型的局限性/293
15.4 有序Logit 和有序Probit 模型/294
第16 章 随机参数模型/297
16.1 随机参数多项式Logit 模型（混合Logit 模型） /297
16.2 随机参数有序概率模型/302
16.3 随机参数计数模型/303
16.4 随机参数持续时间模型/305
16.5 随机参数线性回归模型/306
16.6 均值和方差具有异质性的随机参数/309
第4 部分 拓展知识（二维码）
附 录/316
附录A 统计表/316
附录B 统计学基础知识/324
附录C 变量变换/332
参考文献/337
第1 部分 基础知识
第1 章 描述性统计/002
1.1 相对位置指标/002
1.2 集中趋势度量/002
1.3 离散程度度量/003
1.4 偏度和峰度/006
1.5 关联度量/008
1.6 估计量的性质/010
第2 章 区间估计、假设检验、多变量方差分析与非参数方法/014
2.1 置信区间/014
2.2 假设检验/017
2.3 多变量方差分析/028
2.4 非参数方法/032
第2 部分 连续因变量模型
第3 章 线性回归/046
3.1 线性回归模型的假设/046
3.2 回归分析基础/049
3.3 回归中的变量处理/057
3.4 估计单个β 参数/060
3.5 针对变量区间估计β 参数/060
3.6 为变量m 个水平中的m - 1 个估计单个β 参数/061
3.7 检验回归假设/063
3.8 回归离群值/072
3.9 回归模型拟合优度度量/077
3.10 回归中的多重共线性/080
3.11 回归模型构建策略/081
3.12 估计弹性/082
3.13 删截因变量—— Tobit 模型/083
3.14 Box-Cox 回归/087
第4 章 违背回归假设/089
4.1 扰动项零均值假设/089
4.2 扰动项正态性假设/089
4.3 解释变量与扰动项不相关假设/090
4.4 扰动项同方差假设/092
4.5 扰动项无序列相关假设/097
4.6 模型设定误差/102
第5 章 联立方程模型/105
5.1 联立方程问题概述/105
5.2 普通最小二乘法的偏误/109
5.3 两阶段最小二乘法/111
5.4 识别问题/116
第6 章 面板数据分析/120
6.1 面板数据分析中的问题/120
6.2 单向误差分量模型/121
6.3 双向误差分量模型/123
6.4 可变参数模型/124
第7 章 序列相关性和时间序列模型/127
7.1 时间序列数据的特点/127
7.2 纯序列相关和非纯序列相关/128
7.3 序列相关性的后果/131
7.4 序列相关性的检验/132
7.5 序列相关性的修正/137
7.6 时间序列模型/140
7.7 分布滞后模型/140
7.8 动态模型/142
7.9 序列相关性和动态模型/144
7.10 格兰杰（Granger） 因果关系/147
7.11 伪回归和非平稳性/147
第8 章 预测/154
8.1 什么是预测/154
8.2 比较复杂的预测/157
8.3 ARIMA 模型/161
8.4 SARIMA 模型：处理季节性时间序列的扩展/163
第9 章 潜变量模型/171
9.1 主成分分析/171
9.2 因子分析/176
9.3 结构方程模型/178
第10 章 聚类分析/193
10.1 聚类分析概况/193
10.2 系统聚类法/197
10.3 快速聚类法/198
10.4 其他聚类方法/198
10.5 聚类方法的选择/200
10.6 聚类分析注意事项/201
10.7 实例分析/202
第11 章 持续时间模型/208
11.1 基于风险的持续时间模型/208
11.2 持续时间数据的特征/211
11.3 非参数模型/211
11.4 半参数模型/212
11.5 全参数模型/214
11.6 非参数、半参数和全参数模型的比较/218
11.7 异质性/219
11.8 状态依赖性/220
11.9 时变解释变量/221
11.10 离散时间风险模型/221
11.11 竞争风险模型/222
11.12 生存分析概况/223
11.13 生存分析的一些基本概念/224
11.14 尼尔森- 阿兰累积风险率估计/227
11.15 生存函数的Kaplan-Meier 估计/229
11.16 Log-rank 检验/231
11.17 Cox 比例风险率模型/232
第3 部分 计数和离散依存变量模型
第12 章 计数数据模型/238
12.1 泊松回归概述/238
12.2 截断泊松回归模型/242
12.3 负二项回归模型/244
12.4 零膨胀泊松和负二项回归模型/246
12.5 随机效应计数模型/249
第13 章 逻辑回归/251
13.1 逻辑回归原理/251
13.2 逻辑回归模型/252
第14 章 离散选择模型/256
14.1 离散数据模型/256
14.2 二项Probit 模型/257
14.3 离散数据和效用理论/258
14.4 多项Logit 模型/259
14.5 嵌套Logit 模型（广义极值模型） /275
14.6 Logit 模型的特殊性质/280
第15 章 有序概率模型/283
15.1 有序离散数据模型/283
15.2 含随机效应的有序概率模型/289
15.3 有序概率模型的局限性/293
15.4 有序Logit 和有序Probit 模型/294
第16 章 随机参数模型/297
16.1 随机参数多项式Logit 模型（混合Logit 模型） /297
16.2 随机参数有序概率模型/302
16.3 随机参数计数模型/303
16.4 随机参数持续时间模型/305
16.5 随机参数线性回归模型/306
16.6 均值和方差具有异质性的随机参数/309
第4 部分 拓展知识（二维码）
附 录/316
附录A 统计表/316
附录B 统计学基础知识/324
附录C 变量变换/332
参考文献/337
