回归分析 北京市高等教育精品教材立项项目2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

回归分析 北京市高等教育精品教材立项项目PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分 回归分析基础2

第1章 回归分析概述2

1.1回归的释义与回归分析的作用2

1.1.1“回归”一词的历史渊源2

1.1.2回归分析的发展与现代释义3

1.1.3回归分析的主要作用4

1.2回归分析的基本过程6

1.2.1回归分析的基本类型与主要内容6

1.2.2回归分析的基本流程7

1.3回归分析的基本概念与一般模型12

1.3.1回归分析的基本概念12

1.3.2回归分析的一般模型13

1.3.3回归模型常见的基本形式13

思考与练习14

第2章变量间的相关关系分析15

2.1变量间的关系16

2.1.1相关关系16

2.1.2相关关系种类17

2.1.3相关分析的主要内容17

2.2相关关系的描述与测度18

2.2.1相关关系的描述——相关表与散点图18

2.2.2相关程度的测定——相关系数的计算20

2.3相关分析的应用24

2.3.1变量的类型与相关系数24

2.3.2相关与因果关系25

2.3.3相关系数的应用27

2.3.4相关分析的SPSS软件应用28

思考与练习31

第二部分 经典线性回归分析34

第3章 一元线性回归分析34

3.1一元线性回归模型34

3.1.1一元线性回归模型的基本概念34

3.1.2一元线性回归模型的选择37

3.2回归模型的最小二乘估计39

3.2.1普通最小二乘估计原理与估计量39

3.2.2最小二乘估计的基本假定42

3.2.3最小二乘估计的精度与标准误差44

3.2.4最小二乘估计量的性质45

3.2.5区间估计47

3.3显著性检验与回归方程的拟合效果49

3.3.1显著性检验49

3.3.2回归方程的拟合效果度量51

3.3.3回归方程的残差分析52

3.4一元线性回归模型的应用58

3.4.1结构分析58

3.4.2预测59

3.4.3控制60

3.4.4应用案例61

3.4.5一元线性回归分析的SPSS软件使用65

思考与练习67

第4章 多元线性回归分析71

4.1多元线性回归模型71

4.1.1多元线性回归模型的一般形式71

4.1.2多元线性回归模型的基本假定73

4.2多元线性回归参数的最小二乘估计74

4.2.1回归系数的估计量74

4.2.2回归模型参数最小二乘估计量的方差和标准误差76

4.2.3回归系数的区间估计77

4.2.4最大似然估计77

4.3参数估计量的性质77

4.4回归方程的评价79

4.4.1回归方程的精度测量79

4.4.2多元线性回归模型的简洁性80

4.4.3综合评价80

4.5回归系数的显著性检验81

4.5.1每个自变量对因变量影响的显著性检验82

4.5.2回归方程线性关系的显著性检验82

4.5.3检验两个回归系数是否相等83

4.5.4受约束（线性约束）的回归系数估计与约束条件的检验84

4.6标准化回归方程86

4.6.1数据的标准化处理87

4.6.2标准化回归系数87

4.7多元线性回归的实际操作87

4.7.1 SPSS关于多元线性回归的操作87

4.7.2关于儿童体重的二元线性回归分析90

思考与练习92

第5章 方差齐性诊断与模型的加权最小二乘估计95

5.1异方差情况下的最小二乘估计95

5.1.1异方差形成的原因95

5.1.2异方差对参数估计的影响97

5.2回归分析中异方差的诊断98

5.2.1异方差的定性判断98

5.2.2异方差的图形检验98

5.2.3异方差的统计检验100

5.3异方差情况下的加权最小二乘估计105

思考与练习107

第三部分 违背经典假设的线性回归方程参数估计110

第6章 误差独立性的诊断与模型的广义最小二乘法110

6.1自相关下的最小二乘估计110

6.1.1自相关形成的原因110

6.1.2误差项自相关时OLS估计的后果111

6.2误差项自相关的诊断112

6.2.1误差项自相关的定性判断112

6.2.2误差项自相关的图形诊断112

6.2.3随机误差项自相关的统计检验112

6.3存在误差项自相关的广义最小二乘估计117

6.3.1εt具有一阶自回归形式117

6.3.2εt具有高阶自回归形式118

6.3.3如何估计ρ118

思考与练习120

第7章 共线性数据模型的建立与有偏估计123

7.1自变量共线性产生的原因与后果123

7.1.1自变量共线性产生的原因123

7.1.2形成多重共线性的原因124

7.1.3多重共线性的后果125

7.1.4多重共线性的诊断126

7.2多重共线性下的有偏估计130

7.2.1主成分回归131

7.2.2岭估计133

7.2.3合并截面数据与时间序列数据135

思考与练习136

第四部分 实践中的回归分析140

第8章 关于自变量的选择140

8.1自变量选择的基本原则140

8.1.1问题的提出140

8.1.2全模型和选模型142

8.1.3自变量选择对参数估计和因变量预测的影响143

8.1.4自变量选择的原则144

8.2增加一个自变量的“边际”贡献分析147

8.2.1边际贡献147

8.2.2自变量的边际贡献分析148

8.3自变量选择的常用方法150

8.3.1前进法150

8.3.2后退法152

8.3.3逐步回归法155

8.3.4应用中的问题157

8.3.5 SPSS实现160

8.4虚拟变量的选择161

8.4.1虚拟变量及数据处理161

8.4.2虚拟变量引入回归模型的方法163

思考与练习165

第9章 动态回归分析167

9.1动态回归模型167

9.1.1滞后效应与分布滞后模型167

9.1.2自回归模型168

9.1.3自回归分布滞后模型168

9.2自回归分布滞后模型的估计方法169

9.2.1分布滞后模型的变换170

9.2.2自回归分布滞后模型的参数估计174

9.3变量因果关系的检验178

9.3.1回归模型约束条件的检验178

9.3.2格兰杰因果关系的检验180

9.4模型结构稳定性检验183

思考与练习186

第10章 线性回归的推广188

10.1非线性回归188

10.1.1指数曲线模型188

10.1.2对数曲线模型189

10.1.3双曲线函数模型190

10.1.4多项式曲线模型190

10.1.5龚伯兹曲线模型191

10.2定性因变量的回归分析193

10.2.1二元选择回归模型194

10.2.2多类别逻辑斯谛回归197

10.2.3有序因变量的回归模型201

10.3广义线性模型203

10.3.1广义线性模型的一般形式203

10.3.2常用的联系函数204

10.3.3广义线性模型的参数估计205

思考与练习206

第11章 回归模型的设定与改进208

11.1回归模型的设定标准208

11.1.1回归模型的设定原则与思路208

11.1.2模型的评价准则210

11.1.3模型设定误差的类型211

11.2模型设定错误的主要类型211

11.2.1遗漏相关变量211

11.2.2包括了不相关的自变量212

11.2.3模型的函数形式设定错误213

11.2.4变量数据度量的偏误213

11.3回归模型设定问题的诊断与检验214

11.3.1模型包含非相关变量的诊断214

11.3.2遗漏变量与模型形式设定错误的诊断215

思考与练习218

附录A EViews的简要使用说明223

附录BSPSS软件的简要使用说明230

参考文献237