应用回归分析（第四版）/21世纪统计学系列教材 普通高等教育“十一五”国家级规划教材 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

何晓群，刘文卿 著

图书标签:

• 回归分析
• 应用回归
• 统计学
• 高等教育
• 教材
• 数据分析
• 统计建模
• 计量经济学
• 社会科学
• 21世纪统计学系列

出版社： 中国人民大学出版社

ISBN：9787300209807

版次：4

商品编码：11686764

包装：平装

丛书名： 21世纪统计学系列教材

开本：16开

出版时间：2015-04-01

用纸：胶版纸

页数：300

内容简介

　　全书共分10章。第1章对回归分析的研究内容和建模过程给出综述性介绍；第2章和第3章详细介绍了一元和多元线性回归的参数估计、显著性检验及其应用；第4章对违背回归模型基本假设的异方差、自相关和异常值等问题给出了诊断和处理方法，在这一章增加了BOXCOX变换；第5章介绍了回归变量选择与逐步回归方法；第6章就多重共线性的产生背景、诊断方法、处理方法等方面结合实际经济问题给予讨论；第7章岭回归估计是解决共线性问题的一种非常实用的方法；第8章介绍了主成分回归与偏最小二乘；第9章介绍了可化为线性回归的曲线回归、多项式回归，以及不能线性化的非线性回归模型的计算；第10章分别介绍了自变量中含定性变量和因变量是定性变量的回归问题，以及因变量是多类别和有序变量的回归问题。
　　第四版中为读者提供更多的实用方法。全书的案例主要运用目前在国内流行的统计软件SPSS 22.0完成，部分内容用Excel和SAS软件完成，所讲述的方法都结合实例介绍软件的实施过程。几乎每章后面给出本章小结与评注和思考与练习题。

作者简介

　　何晓群，男，1954年6月生于西安。1985至1987年在中国科学院应用数学研究所师 从方开泰先生学习应用数理统计，获理学硕士学位。九三学社中国人民大学支社主委。现为中国人民大学统计学院教授，博士生导师，中国人民大学6 Sigma质量管理研究中心主任，日本国立山口大学、香港浸会大学、台湾辅仁大学访问教授。摩托罗拉和美国六西格玛国际学院认证讲师，中国现场统计研究会常务理事，副秘书长，中国现场统计研究会多元统计分析分会理事长。

　　刘文卿，中国人民大学统计学院六西格玛质量管理研究中心副主任， 获得国家质量监督检验检疫总局认证的质量工程师职业资格培训教师，中国质量协会聘任的质量管理技术方法课程教师。

目录

第1章 回归分析概述
1．1 变量间的统计关系
1．2 回归方程与回归名称的由来
1．3 回归分析的主要内容及其一般模型
1．4 建立实际问题回归模型的过程
1．5 回归分析应用与发展述评
思考与练习
第2章 一元线性回归
2．1 一元线性回归模型
2．2 参数β0，β1的估计
2．3 最小二乘估计的性质
2．4 回归方程的显著性检验
2．5 残差分析
2．6 回归系数的区间估计
2．7 预测和控制
2．8 本章小结与评注
思考与练习
第3章 多元线性回归
3．1 多元线性回归模型
3．2 回归参数的估计
3．3 参数估计量的性质
3．4 回归方程的显著性检验
3．5 中心化和标准化
3．6 相关阵与偏相关系数
3．7 本章小结与评注
思考与练习
第4章 违背基本假设的情况
4．1 异方差性产生的背景和原因
4．2 一元加权最小二乘估计
4．3 多元加权最小二乘估计
4．4 自相关性问题及其处理
4．5 BOX-COX变换
4．6 异常值与强影响点
4．7 本章小结与评注
思考与练习
第5章 自变量选择与逐步回归
5．1 自变量选择对估计和预测的影响
5．2 所有子集回归
5．3 逐步回归
5．4 本章小结与评注
思考与练习
第6章 多重共线性的情形及其处理
6．1 多重共线性产生的背景和原因
6．2 多重共线性对回归模型的影响
6．3 多重共线性的诊断
6．4 消除多重共线性的方法
6．5 本章小结与评注
思考与练习
第7章 岭回归
7．1 岭回归估计的定义
7．2 岭回归估计的性质
7．3 岭迹分析
7．4 岭参数k的选择
7．5 用岭回归选择变量
7．6 本章小结与评注
思考与练习
第8章 主成分回归与偏最小二乘
8．1 主成分回归
8．2 偏最小二乘
8．3 本章小结与评注
思考与练习
第9章 非线性回归
9．1 可化为线性回归的曲线回归
9．2 多项式回归
9．3 非线性模型
9．4 本章小结与评注
思考与练习
第10章 含定性变量的回归模型
10．1 自变量含定性变量的回归模型
10．2 自变量含定性变量的回归模型的应用
10．3 因变量是定性变量的回归模型
10．4 Logistic回归模型
10．5 多类别Logistic回归
10．6 因变量顺序数据的回归
10．7 本章小结与评注
思考与练习
部分练习题参考答案
附录
表1 简单相关系数临界值表
表2 t分布表
表3 F分布表
表4 DW检验上下界表
参考文献

精彩书摘

　　回归分析是统计学中一个非常重要的分支，在自然科学、管理科学和社会经济等领域有着非常广泛的应用。本书是针对统计学专业和财经管理类专业教学的需要而编写的。
　　本书写作的指导思想是在不失严谨的前提下，明显不同于纯数理类教材，努力突出实际案例的应用和统计思想的渗透，结合统计软件全面系统地介绍回归分析的实用方法，尽量结合中国社会经济、自然科学等领域的研究实例，把回归分析的方法与实际应用结合起来，注意定性分析与定量分析的紧密结合，努力把同行以及我们在实践中应用回归分析的经验和体会融入其中。
　　本书2001年出版以来，得到了读者的广泛认可，第四版是继续作为普通高等教育“十一五”国家级规划教材出版的。在这期间，SPSS社会科学统计软件包（Statistical Package for the Social Science）已经从13��0版本提高到22��0版本，使我们可以在第四版中为读者提供更多的实用方法。本书的案例主要运用目前在国内最流行的统计软件SPSS 22��0完成，部分内容用Excel和SAS软件完成，所讲述的方法都结合实例介绍软件的实施过程。几乎每章后面给出本章小结与评注和思考与练习题。
　　全书共分10章。第1章对回归分析的研究内容和建模过程给出综述性介绍；第2章和第3章详细介绍了一元和多元线性回归的参数估计、显著性检验及其应用；第4章对违背回归模型基本假设的异方差、自相关和异常值等问题给出了诊断和处理方法，在这一章增加了BOX-COX变换；第5章介绍了回归变量选择与逐步回归方法；第6章就多重共线性的产生背景、诊断方法、处理方法等方面结合实际经济问题给予讨论；第7章岭回归估计是解决共线性问题的一种非常实用的方法；第8章介绍了主成分回归与偏最小二乘；第9章介绍了可化为线性回归的曲线回归、多项式回归，以及不能线性化的非线性回归模型的计算；第10章分别介绍了自变量中含定性变量和因变量是定性变量的回归问题，以及因变量是多类别和有序变量的回归问题。
　　本书作为回归分析的应用教材，重点是结合SPSS软件使用回归分析中的各种方法，比较各种方法的适用条件，并正确解释分析结果。为了保持教材的完整性，对一些基本的公式和定理给出了推导和证明，对一些基本的理论性质也做了必要的说明。对统计学专业的本科生可以全面系统地讲述教材的内容；对非统计学专业的本科生应该舍弃其中理论性质的内容；对非统计学专业的研究生可以根据具体情况选择讲授其中的内容。根据我们的教学实践，本书讲授54课时较为合适，若有计算机和投影设备的配合，教学将会更为方便和有效。
　　在本书的写作过程中得到了中国人民大学21世纪统计学系列教材编审委员会和中国人民大学出版社的支持。编写大纲经过教材编写委员会的认真讨论，教材第一版得到张尧庭、吴喜之两位教授的认真审阅，他们提出了不少中肯的意见。我们的博士生胡小宁，硕士研究生赵云静、唐菁穗为第四版的编写作了大量上机计算。本书的大部分案例是我们多年教学和科研工作的积累，部分案例为体现其典型性引用他人著作。在此谨向对本书出版提供帮助的师长和朋友表示衷心的感谢。本书的完成是我们两位作者多年友好合作的结果，我们期望它的出版能为回归分析在中国的应用做出积极的贡献。由于水平所限，书中难免有不足之处，尤其是在一些应用研究的体会性讨论中，恐有偏颇之处，恳切希望读者批评指正。
　　何晓群刘文卿
　　2015年3月
　　于中国人民大学明德楼
　　……

前言/序言

《统计学原理与方法：探索数据背后的规律》 内容简介： 《统计学原理与方法：探索数据背后的规律》是一本面向高等院校理工科、经济管理类及相关专业学生的教材，旨在系统地介绍统计学的基本概念、理论和常用方法。本书力求在理论深度与实际应用之间取得平衡，帮助读者掌握运用统计工具分析和解释数据的能力，从而在各自的学习和工作中做出更明智的决策。 本书共分为十四个章节，循序渐进地引导读者深入理解统计学。 第一章 绪论 本章首先阐述了统计学的概念、研究对象和基本任务，强调了统计学在现代科学研究、社会经济发展以及日常生活中的重要作用。通过生动的案例，揭示了数据无处不在，而统计学则是理解这些数据的关键钥匙。接着，本章区分了描述统计和推断统计两大分支，并介绍了统计研究的基本过程，包括数据的收集、整理、分析和解释。最后，对本书的学习内容和整体结构进行了概述，为读者开启统计学之旅奠定基础。 第二章 数据的类型与表现 数据是统计分析的基石。本章详细介绍了数据的不同类型，包括分类数据（定性数据）和数值数据（定量数据）。对于数值数据，又进一步区分了离散型数据和连续型数据。在此基础上，本章介绍了常用的数据表现形式，如频数分布表、频率分布表、直方图、条形图、饼图、折线图等。通过这些图形和表格，读者可以直观地了解数据的分布特征，为后续的深入分析做好准备。本章特别强调了选择合适的数据表现形式以清晰、准确地呈现信息的重要性。 第三章 数据的中心位置度量 描述数据集中趋势的统计量是分析数据的核心内容。本章详细讲解了均值、中位数和众数这三种最常用的中心位置度量。本书不仅给出了这些统计量的计算方法，还深入探讨了它们各自的优缺点以及适用场景。例如，均值易受极端值影响，而中位数则更为稳健；众数则适用于描述分类数据的集中趋势。此外，本章还介绍了加权均值和几何平均数等，拓展了读者对中心位置度量的认识。通过对中心位置的理解，读者能够初步把握数据的典型取值。 第四章 数据的离散程度度量 仅仅了解数据的中心位置是不够的，数据的离散程度同样重要。本章介绍了方差、标准差、极差、四分位数间距等描述数据离散程度的统计量。方差和标准差是衡量数据波动大小的最常用指标，本书详细推导了它们的计算公式，并解释了它们在实际问题中的意义。例如，在质量控制中，标准差可以反映产品的一致性。极差直观地展示了数据的最大值与最小值之差，而四分位数间距则提供了一种不受极端值影响的离散程度度量方法。理解数据的离散程度有助于评估数据的稳定性和可靠性。 第五章 数据的形态度量 除了中心位置和离散程度，数据的形态特征也能提供丰富的统计信息。本章重点介绍了偏度（Skewness）和峰度（Kurtosis）这两个统计量，它们用于描述数据分布的对称性和尖峭程度。本书通过图形化的方式直观地展示了正偏态、负偏态和对称分布的区别，以及高尖峰、低平峰和正态分布峰度的差异。通过计算和解读偏度和峰度，读者可以更全面地认识数据的分布形态，例如，偏度可以指示数据中是否存在异常值或分布的不对称性。 第六章 概率论基础 推断统计的核心在于概率论。本章为读者建立了扎实的概率论基础。首先，介绍了概率的基本概念、性质和公理化定义。接着，讲解了随机事件及其运算，包括并事件、交事件、互斥事件和对立事件。条件概率和独立性是本章的重要内容，本书通过大量例子阐述了条件概率的计算方法以及事件之间相互独立性的判断。贝叶斯定理作为重要的概率推断工具，也被详细介绍，为后续的统计推断奠定基础。 第七章 随机变量及其分布 本章将概率论的思想应用于随机现象的量化描述。本章引入了随机变量的概念，区分了离散型随机变量和连续型随机变量，并介绍了它们的概率分布函数（概率质量函数和概率密度函数）以及累积分布函数。本书详细介绍了几个重要的离散型概率分布，如二项分布、泊松分布和几何分布，以及几个重要的连续型概率分布，如均匀分布、指数分布和正态分布。重点讲解了正态分布的性质及其在统计学中的极端重要性，为后续的统计推断提供了理论支撑。 第八章 联合分布与条件分布 在实际问题中，我们常常需要同时考虑多个随机变量。本章介绍了多维随机变量的概念，包括联合概率分布、边缘概率分布以及联合累积分布函数。在此基础上，本章深入探讨了联合分布和边缘分布之间的关系，以及条件概率分布的计算和应用。特别地，本章介绍了随机变量的协方差和相关系数，用于衡量两个随机变量之间的线性关系强度和方向，这对于理解变量间的相互影响至关重要。 第九章 抽样分布 从总体中抽取样本是统计推断的基础。本章介绍了抽样技术的基本思想，并重点讲解了抽样分布的概念。当从一个总体中反复抽取容量相同的样本时，样本统计量（如样本均值、样本比例）本身也构成了一个随机变量，其分布称为抽样分布。本书重点介绍了样本均值的抽样分布，并引入了中心极限定理，阐述了当样本容量足够大时，样本均值的抽样分布近似服从正态分布的强大结论，这是统计推断能够成立的关键。 第十章 参数估计 统计推断的核心任务之一是从样本信息推断总体的未知参数。本章介绍了点估计和区间估计两种参数估计方法。点估计是用一个样本统计量来估计总体参数，本书介绍了矩估计法和最大似然估计法等常用的点估计方法，并讨论了估计量的优良性标准，如无偏性、有效性和一致性。区间估计则是在点估计的基础上，给出一个包含总体参数的可能取值范围，即置信区间。本章详细讲解了如何构造均值、比例的置信区间，并解释了置信水平和置信区间的含义。 第十一章 假设检验 假设检验是统计推断的另一重要工具，用于根据样本数据判断对总体参数的某个假设是否成立。本章介绍了假设检验的基本原理和步骤，包括提出原假设和备择假设、选择检验统计量、确定拒绝域、收集样本数据、计算检验统计量的值以及做出统计决策。本书详细讲解了关于均值、比例的单样本检验、双样本检验和配对样本检验等常用检验方法。同时，本章也介绍了假设检验的两种错误：第一类错误（弃真）和第二类错误（取伪），以及它们对应的显著性水平和检验功效。 第十二章 方差分析 当需要比较三个或三个以上总体的均值时，方差分析（ANOVA）是一种非常有效的统计方法。本章介绍了单因素方差分析的基本原理，即通过比较组间均方和组内均方来判断各组均值是否存在显著差异。本书详细讲解了方差分析的计算步骤，包括计算总平方和、组间平方和、组内平方和以及均方，并介绍了F检验在方差分析中的应用。通过方差分析，可以有效地控制整体的犯错概率，并能识别出哪些因素对观测结果产生了显著影响。 第十三章 回归分析基础 回归分析是研究变量之间数量关系的有力工具，也是本书重点探讨的领域之一。本章首先介绍了回归分析的基本思想，即通过构建数学模型来描述一个或多个自变量如何影响一个因变量。本章重点介绍了简单线性回归模型，包括模型的建立、参数的估计（最小二乘法）、模型的拟合优度检验（决定系数R²）以及回归系数的显著性检验。通过简单线性回归，读者可以学习如何解释回归方程的含义，如何进行预测，并认识到回归分析在实际问题中的广泛应用。 第十四章 非参数统计简介 在某些情况下，数据的分布可能不满足参数统计方法所需的某些假设，例如正态性。本章简要介绍了非参数统计的基本思想和常用方法。非参数统计方法不依赖于对总体分布的假定，因此具有更广泛的适用性。本章介绍了几种常用的非参数检验方法，如符号检验、秩和检验（Wilcoxon符号秩检验、Mann-Whitney U检验）以及Kruskal-Wallis H检验，并说明了它们在不同场景下的应用。通过本章的学习，读者能够理解在参数统计方法失效时，非参数统计能够提供有效的分析手段。 本书的编写风格力求严谨、清晰，理论推导与实际应用紧密结合。每章都配有丰富的例题和习题，帮助读者巩固所学知识，提高分析和解决实际问题的能力。本书强调统计思维的培养，引导读者学会如何科学地收集、整理、分析和解释数据，从而更好地理解世界、做出决策。我们希望本书能成为读者学习统计学道路上的良师益友。

评分☆☆☆☆☆

这本书带来的价值远超我最初的预期。它不仅是一本教材，更像是一本指导手册，能够帮助我将理论知识转化为实践技能。作者在书中强调了模型选择和变量筛选的重要性，并提供了多种行之有效的方法。我特别喜欢书中关于模型过拟合和欠拟合的讨论，这在我过去的分析中经常遇到的问题，而这本书提供了清晰的解决方案。它教我如何辨别模型的不足，并给出相应的改进建议。而且，书中提供的案例分析非常贴近实际应用场景，让我能够清晰地看到理论是如何解决现实世界的问题的。比如，在处理时间序列数据时，书中介绍的ARIMA模型及其应用，让我对如何分析和预测时间序列数据有了全新的认识。这本书让我明白，回归分析不仅仅是建立一个模型，更是理解数据、洞察规律的过程。

评分☆☆☆☆☆

我必须说，这本书简直就是我学习回归分析过程中的“圣经”。作为一本“十一五”国家级规划教材，它的严谨性和权威性是毋庸置疑的，但最让我惊喜的是，它并没有因此变得枯燥乏味。相反，作者用一种非常吸引人的方式将复杂的概念娓娓道来。我特别喜欢书中关于模型解释的部分，它不仅仅是告诉你公式，更重要的是教会你如何用通俗易懂的语言去解释模型的结果，让非统计学专业的人也能理解。举个例子，书中在讲解交互项的时候，就用了非常生动的比喻，让我一下子就明白了交互项的意义和作用，而不是仅仅停留在数学公式的层面。而且，它还非常注重实际操作，虽然这本书以理论讲解为主，但书中提供的很多思路和方法，都可以直接转化为实际的编程实现。我甚至会时不时地去查找一些它提到的经典论文，来印证书中的理论。这本书就像是一张藏宝图，指引我探索回归分析的无限可能，每一次翻开，都能发现新的宝藏。

评分☆☆☆☆☆

坦白讲，我之前对回归分析的态度是有点畏惧的，总觉得它是一门高深的学问，需要深厚的数学功底才能掌握。但是，这本书彻底改变了我的看法。作者的写作风格非常亲切，就像是一位经验丰富的朋友在分享他的知识。他没有堆砌大量的专业术语，而是用一种非常直观的方式来解释每一个概念。书中对假设检验的讲解尤为精彩，它不仅仅是告诉你P值是什么，而是深入浅出地解释了P值背后的逻辑，以及在实际应用中如何正确地解读和使用它。我尤其赞赏书中关于异常值和离群点的处理章节，这在实际数据分析中是经常会遇到的问题，书中提供了非常实用的方法和技巧，让我能够从容应对。读这本书的时候，我感觉自己不再是被动地接受知识，而是主动地去探索和理解。每一次遇到不懂的地方，再回头看书，总能发现新的启示。

评分☆☆☆☆☆

在众多统计学教材中，这本书无疑是我最喜欢的一本。它的内容详实，结构清晰，而且讲解方式极富启发性。我尤其欣赏书中对于模型诊断和验证的细致讲解，这对于保证分析结果的可靠性至关重要。它让我认识到，一个好的回归分析，不仅仅是得到一个方程，更重要的是要对模型进行充分的检验和评估。书中对残差分析、多重共线性诊断等关键步骤的讲解，都非常到位，让我能够系统地评估模型的质量。此外，书中还涉及了一些进阶的内容，比如非线性回归和面板数据回归，这些内容让我对回归分析的广度和深度有了更深刻的认识。阅读这本书的过程，我感觉自己就像是在一步步搭建一座坚实的知识大厦，每一个章节都是一块重要的砖石，让我能够稳步前进。

评分☆☆☆☆☆

这本书真的把我对统计学的认知提升了一个全新的高度。以前总觉得回归分析离我生活很遥远，是那种只存在于实验室和象牙塔里的东西，没想到通过这本书，我才意识到它原来如此贴近现实，而且实用性如此之强。书中对于各种回归模型的讲解，从最基础的线性回归，到处理分类变量的逻辑回归，再到更复杂的模型，都讲得条理清晰，深入浅出。尤其让我印象深刻的是，作者在讲解每个模型时，都会结合大量的实际案例，比如市场营销中的客户行为预测、金融领域中的股票价格分析、医学研究中的疾病风险评估等等。这些案例不仅仅是理论的支撑，更是让我看到了回归分析在解决实际问题时的强大力量。每一次阅读，都感觉像是在跟一位经验丰富的导师对话，他不仅教我“是什么”，更教我“怎么用”，以及“为什么这么用”。书中对模型诊断和优化的部分也讲解得非常到位，让我知道如何判断一个模型的好坏，以及如何一步步改进它，让它更符合实际数据。这种循序渐进的教学方式，让我这个统计学初学者也能逐渐建立起自信，并且能够独立地去应用这些知识。

评分☆☆☆☆☆

都第五版了，应该不错，买一本来学学

评分☆☆☆☆☆

专业指导，正版图书，讲解很透彻，这次新换的京东小哥，送货超级快，态度也好

评分☆☆☆☆☆

东西还不错，京东快递很给力！

评分☆☆☆☆☆

统计学专业课程，学习一下。

评分☆☆☆☆☆

东西很好，希望对接下来的学习有所帮助。。，

评分☆☆☆☆☆

跟教材是匹配的，写的还蛮细致的

评分☆☆☆☆☆

回归分析课本，当然是上京东买。

评分☆☆☆☆☆

还是偏理论了一些。实际操作较少，对结果判读的解释也较少。

评分☆☆☆☆☆

是正版，买过后不久就降价了，这才知道京东有保价，不过图书的保价期限已经过了，下次就知道啦，包装盒是自制的，都破了，几本书有折痕，物流很快