具体描述
内容简介
回归分析是统计学中一个非常重要的分支，在自然科学、管理及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。由于R语言已风靡全球，在统计方法的应用中运用R语言也被越来越多的中国学者所追捧，因此本书结合R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，注重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。本书既可作为统计学、应用统计学和经济统计学三个本科专业的回归分析课程教材，还可作为非统计专业研究生现代统计分析方法与应用及定量分析与建模课程的教材，同时也适合有意学习R语言和回归建模技术的实际工作者阅读和参考。
作者简介
何晓群，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。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，中国现场统计研究会多元分析专业委员会理事长。主持多项国家和省部级及企业横向课题研究，发表论文百余篇。主要著作有《回归分析与经济数据建模》《现代统计分析方法与应用》《实用回归分析》《多变量经济数据统计分析》《多元统计分析》《六西格玛管理培训丛书》《六西格玛管理的理论与实践探索》《六西格玛质量管理与统计过程控制》等。中央电视台“百家讲坛”栏目六西格玛管理主讲嘉宾。多次接受中央电视台、北京电视台、凤凰卫视、光明日报、中国税务报、人民法院报、中国质量报、中国航空报、北京商报、北京青年报等媒体采访。近年来致力于统计理论和方法在企业管理中的应用研究，自1996年以来多次在通用电气（GE）和摩托罗拉（MOTOROLA）主讲“统计方法与技术”“企业质量管理”“统计过程控制（SPC）”“6 Sigma”等课程。受数百家中外大公司邀请参与企业内训和项目咨询。相关演讲和培训的情况可登录www.ruc-6sigma.com查看。
目录
第1章 回归分析概述
1．1 变量间的相关关系
1．2 “回归”思想及名称的由来
1．3 回归分析的主要内容及其一般模型
1．3．1 回归分析研究的主要内容
1．3．2 回归模型的一般形式
1．4 回归模型的建立过程
1．4．1 根据目的设置指标变量
1．4．2 收集、整理数据
1．4．3 确定理论回归模型
1．4．4 模型参数的估计
1．4．5 模型的检验与改进
1．4．6 回归模型的应用
1．5 回归分析应用与发展简评
思考与练习
第2章 一元线性回归
2．1 一元线性回归模型
2．1．1 一元线性回归模型的产生背景
2．1．2 一元线性回归模型的数学形式
2．2 参数β0，β1的估计
2．2．1 普通最小二乘法
2．2．2 最大似然法
2．3 最小二乘估计的性质
2．3．1 线性
2．3．2 无偏性
2．3．3 的方差
2．4 回归方程的显著性检验
2．4．1 t检验
2．4．2 F检验
2．4．3 相关系数的显著性检验
2．4．4 用R软件进行计算
2．4．5 三种检验的关系
2．4．6 样本决定系数
2．4．7 关于P值的讨论
2．5 残差分析
2．5．1 残差与残差图
2．5．2 有关残差的性质
2．5．3 改进的残差
2．6 回归系数的区间估计
2．7 预测和控制
2．7．1 单值预测
2．7．2 区间预测
2．7．3 控制问题
2．8 本章小结与评注
2．8．1 一元线性回归从建模到应用的全过程
2．8．2 有关回归检验的讨论
2．8．3 回归系数的解释
2．8．4 回归方程的预测
思考与练习
第3章 多元线性回归
3．1 多元线性回归模型
3．1．1 多元线性回归模型的一般形式
3．1．2 多元线性回归模型的基本假设
3．1．3 多元线性回归系数的解释
3．2 回归系数的估计
3．2．1 回归系数估计的普通最小二乘法
3．2．2 回归值与残差
3．2．3 回归系数估计的最大似然法
3．2．4 实例分析
3．3 有关估计量的性质
3．4 回归方程的显著性检验
3．4．1 F检验
3．4．2 t检验
3．4．3 回归系数的置信区间
3．4．4 拟合优度
3．5 中心化和标准化
3．5．1 中心化
3．5．2 标准化回归系数
3．6 相关阵与偏相关系数
3．6．1 样本相关阵
3．6．2 偏决定系数
3．6．3 偏相关系数
3．7 本章小结与评注
3．7．1 多元线性回归的建模过程
3．7．2 评注
思考与练习
第4章 违背基本假设的几种情况
4．1 异方差性产生的背景和原因
4．1．1 异方差性产生的原因
4．1．2 异方差性带来的问题
4．2 一元加权最小二乘估计
4．2．1 异方差性的诊断
4．2．2 一元加权最小二乘估计
4．2．3 寻找最优权函数
4．3 多元加权最小二乘估计
4．3．1 多元加权最小二乘法
4．3．2 权函数的确定方法
4．4 自相关性问题及其处理
4．4．1 自相关性产生的背景和原因
4．4．2 自相关性带来的问题
4．4．3 自相关性的诊断
4．4．4 自相关问题的处理
4．4．5 自相关实例分析
4．5 BOX-COX变换
4．6 异常值与强影响点
4．6．1 关于因变量y的异常值
4．6．2 关于自变量x的异常值对回归的影响
4．6．3 异常值实例分析
4．7 本章小结与评注
4．7．1 异方差问题
4．7．2 自相关问题
4．7．3 异常值问题
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
5．1．1 全模型与选模型
5．1．2 自变量选择对预测的影响
5．2 所有子集回归
5．2．1 所有子集的数目
5．2．2 自变量选择的几个准则
5．2．3 用R软件寻找最优子集
5．3 逐步回归
5．3．1 前进法
5．3．2 后退法
5．3．3 逐步回归法
5．4 本章小结与评注
5．4．1 逐步回归实例
5．4．2 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 多重共线性对回归建模的影响
6．3 多重共线性的诊断
6．3．1 方差扩大因子法
6．3．2 特征根判定法
6．3．3 直观判定法
6．4 消除多重共线性的方法
6．4．1 剔除不重要的解释变量
6．4．2 增大样本量
6．4．3 回归系数的有偏估计
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
7．1．1 普通最小二乘估计带来的问题
7．1．2 岭回归的定义
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
7．4．1 岭迹法
7．4．2 方差扩大因子法
7．4．3 由残差平方和确定k值
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
8．1．1 主成分的基本思想
8．1．2 主成分的基本性质
8．1．3 主成分回归的实例
8．2 偏最小二乘
8．2．1 偏最小二乘的原理
8．2．2 偏最小二乘的算法
8．2．3 偏最小二乘的应用
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
9．2．1 几种常见的多项式回归模型
9．2．2 应用实例
9．3 非线性模型
9．3．1 非线性最小二乘
9．3．2 非线性回归模型的应用
9．3．3 其他形式的非线性回归模型
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
10．1．1 简单情况
10．1．2 复杂情况
10．2 自变量含定性变量的回归模型与应用
10．2．1 分段回归
10．2．2 回归系数相等的检验
10．3 因变量是定性变量的回归模型
10．3．1 定性因变量的回归方程的意义
10．3．2 定性因变量回归的特殊问题
10．4 Logistic回归模型
10．4．1 分组数据的Logistic回归模型
10．4．2 未分组数据的Logistic回归模型
10．4．3 Probit回归模型
10．5 多类别Logistic回归
10．6 因变量顺序类别的回归
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
前言/序言
前 言
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R软件全面系统地介绍回归分析的使用方法，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，注重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。
全书分为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、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；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进行了讨论；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性教材，讲述的重点是结合R语言软件实现回归分析中的各种方法，比较各种方法的适用条件，并解释分析结果。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，对有些基本的理论及性质也做了必要的说明。书后习题用R语言来完成，为了节省篇幅本书只给出习题答案的简要内容，详细答案内容及有关R代码我们放在中国人民大学六西格玛质量管理研究中心网站供需求者下载(www.ruc-6sigma.com)。
对于统计学专业的本科生可以全面系统地讲述本教材的内容；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51课时较为合适，若有多媒体设备的配合，教学将会更为方便和有效。
我的博士研究生刘赛可、王蕾、夏利宇为本书编写做了全面的上机实践。本书的大部分例题是我们多年教学和科研工作的积累，部分实例为体现其典型性引用了他人著作。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。
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
于中国人民大学统计学院
中国人民大学应用统计科学研究中心
用户评价
随着数据量日益增长，如何从复杂的数据中挖掘出有价值的信息，成为了我关注的焦点。而回归分析作为一种强大的统计工具，其应用范围之广、解决问题之有效，令我十分着迷。《应用回归分析（R语言版）》正是这样一本让我茅塞顿开的书籍。作者在书中不仅详细介绍了各种回归模型，更重要的是，他非常注重对模型适用条件和局限性的阐释。例如，在讲解多重共线性问题时，作者不仅给出了检测方法，还深入分析了其对模型估计和预测的影响，并提供了几种处理策略，这让我深刻理解了“知其然，更要知其所以然”的重要性。书中对模型诊断的重视也让我受益匪浅，作者强调了残差分析、Cook距离等诊断指标的意义，并指导如何通过这些指标来发现模型中可能存在的问题，从而进行修正。这种严谨的分析思路，帮助我养成了审慎对待数据分析结果的习惯。通过对这本书的学习，我感觉自己对回归分析的掌握不再是停留在表面，而是能够更深入地理解模型背后的逻辑，并能更自信地将回归分析应用于各种实际问题中，有效地解决复杂的分析挑战。
评分这本书的装帧设计给我留下了深刻的第一印象，触感温润的封面纸张，搭配上简洁而富有质感的排版，即使还没翻开内容，就已经能感受到其中蕴含的严谨与专业。当我真正开始阅读时，更惊叹于作者在理论讲解上的循序渐进。从最基础的回归模型概念出发，逐步深入到各种变体和高级应用，每一步都踩得稳稳当当，仿佛一位经验丰富的向导，带领初学者穿越回归分析的迷宫。我特别欣赏书中对统计学原理的解释，并没有流于表面，而是深入到公式的推导和假设的阐释，让我对模型背后的逻辑有了更清晰的认识，而不是仅仅停留在“怎么用”的层面。R语言部分更是亮点，作者并非简单罗列代码，而是结合实际案例，将代码的编写与理论的理解紧密结合。每段代码的出现都有其明确的目的，解释了为何要这样写，以及这段代码如何体现了某种统计思想。读完某个章节，我感觉自己不仅学会了一个方法，更是理解了它为何有效，以及在什么情况下最适合使用。书中的图表也设计得相当直观，无论是散点图、残差图还是模型诊断图，都清晰地展示了数据和模型的信息，辅助理解那些抽象的统计概念。即便我是一名对回归分析已有一定基础的读者，在阅读这本书时，依然能从中获得新的启发和更深层次的理解，它填补了我知识体系中的一些空白，并且让我对如何更有效地应用回归分析解决实际问题有了全新的视角。
评分我之所以选择这本书，是因为我一直对回归分析在各种领域中的实际应用充满好奇。这本书在这一点上做得非常出色，它不仅仅停留在理论的讲解，更是将回归分析的各种方法巧妙地融入到一系列精心挑选的案例研究中。这些案例涵盖了经济学、心理学、生物学、市场营销等多个学科，让我看到了回归分析的普适性和强大的解决问题的能力。每一个案例都清晰地阐述了研究背景、研究问题、数据来源以及具体的分析步骤。作者在讲解过程中，会详细介绍如何根据实际问题选择合适的回归模型，如何进行变量筛选和模型构建，以及如何解释模型的输出结果。特别是关于模型诊断和选择的部分，作者提供了非常实用的技巧和注意事项，让我能够更好地评估模型的可靠性，并选择最适合特定场景的模型。例如，在处理多重共线性问题时，作者不仅给出了检测方法，还提供了降维和变量选择的策略，这对于避免模型过拟合和提高解释性非常有帮助。通过这些鲜活的案例，我不仅巩固了对回归分析理论的理解，更重要的是学会了如何将理论知识转化为实际的分析能力，解决真实世界中的复杂问题。
评分这本书最让我感到惊喜的是，它成功地将高深的统计学理论与生动实际的R语言编程完美地结合在了一起。我一直认为，理论和实践是相互促进的，而这本书正是这种理念的绝佳体现。作者在讲解每一个回归模型时，都会紧接着提供对应的R语言代码示例，并且这些代码并非简单的堆砌，而是经过精心设计，能够清晰地展示理论概念在实际操作中的应用。他会详细解释代码的每一部分，说明它们在执行回归分析中的作用，以及如何与理论模型相对应。这种“理论-代码-解释”的模式，让我能够非常直观地理解抽象的统计概念。例如，在介绍模型拟合后，作者会展示如何使用R语言提取模型的系数、标准误、p值等关键信息，并指导读者如何解读这些统计量。此外，书中还提供了很多关于数据可视化和模型诊断的R语言代码，帮助我学会如何用图表来直观地展示数据分布、模型拟合情况以及残差特性。读完这本书，我感觉自己不仅理解了回归分析的理论，更重要的是，我拥有了运用R语言解决实际回归分析问题的能力，这对我未来的学习和工作都将产生深远的影响。
评分在信息爆炸的时代，掌握有效的工具来分析和解读数据至关重要。《应用回归分析（R语言版）》正是这样一本能够助你“武装到牙齿”的工具书。我之所以这样说，是因为作者在讲解回归分析的同时，非常注重实用性和操作性。书中提供了大量的R语言代码，并且这些代码都非常具有指导意义。作者不仅仅是给出代码，更是深入地解释了代码背后的逻辑，以及为什么需要这样写。例如，在进行模型选择时，作者会演示如何使用AIC、BIC等信息准则，以及如何通过逐步回归等方法来寻找最优模型，并提供相应的R语言实现。这种实践导向的讲解方式，让我能够快速地将所学的知识应用到实际的数据分析任务中。而且，书中还涉及了模型诊断和结果解释等关键环节，这对于确保分析的可靠性和有效性至关重要。我特别欣赏作者在处理模型拟合不佳或假设不满足的情况时，提供的各种补救措施和建议。通过这本书，我感觉自己不仅学会了回归分析的方法，更重要的是，我掌握了如何构建一个稳健、可靠的回归模型，并能对其结果进行准确的解读。
评分坦白讲，我在阅读这本书之前，对R语言在统计分析中的应用感到有些畏惧。我总是觉得编程语言的学习曲线陡峭，容易让人望而却步。然而，《应用回归分析（R语言版）》完全颠覆了我的这种看法。作者的讲解风格非常亲切，就像一位耐心负责的老师，一步步地引导着我熟悉R语言的语法和常用函数。书中提供的每一个代码示例都经过精心设计，不仅功能强大，而且易于理解。作者会详细解释每条代码的含义，以及它在回归分析过程中的作用。让我印象深刻的是，书中并没有强制要求读者掌握所有R语言的细节，而是聚焦于回归分析所需的关键技术。通过实际操作，我不仅学会了如何使用R语言进行数据预处理、模型拟合，还掌握了如何解读模型输出、进行模型诊断以及可视化结果。这种“做中学”的方式，让我对R语言的应用充满了信心。而且，书中提供的案例数据和分析过程都非常贴近实际应用场景，让我能够将所学的知识直接运用到自己的研究或工作中。读完这本书，我感觉自己不再是那个面对R语言束手无策的门外汉，而是能够自信地运用它来解决回归分析相关的问题。它为我打开了一扇通往数据分析新世界的大门，让我看到了R语言在学术研究和实际工作中巨大的潜力。
评分我对这本书的整体评价是非常高的，它不仅内容翔实，而且讲解深入浅出，非常适合不同程度的读者。我尤其喜欢书中对回归模型构建过程的细致阐述。作者在介绍每一个模型时，都清晰地指出了其建立的背景、核心思想以及适用的场景。例如，在讲解泊松回归时，作者不仅介绍了其在计数数据分析中的应用，还详细阐述了其与线性回归的区别，以及如何处理响应变量为非负整数的情况。更重要的是，书中提供了大量高质量的R语言代码示例，每一个代码片段都经过精心设计，力求简洁、高效且易于理解。作者会耐心地解释每一行代码的含义，以及它在回归分析过程中的作用。这种将理论知识与编程实践紧密结合的方式，让我能够事无巨端的学习如何将所学的回归模型应用到实际数据分析中。通过对这本书的学习，我不仅巩固了对回归分析理论的理解，更重要的是，我获得了使用R语言进行数据分析的实际技能，这对我今后的学术研究和职业发展都将带来巨大的帮助。
评分这本书的内容组织结构非常清晰，这一点让我非常赞赏。从最基础的线性回归，到多项式回归、逻辑回归、泊松回归，再到更高级的时间序列回归和面板数据回归，作者都进行了系统性的梳理和讲解。每一章节都围绕一个特定的回归模型展开，先介绍其理论基础和适用条件，然后通过R语言实例演示如何进行模型拟合和分析。这种层层递进的学习路径，让我能够逐步建立起对回归分析的全面认知。而且，作者在讲解过程中，始终注重理论与实践的结合。他不仅会解释公式的含义，还会深入分析模型假设的重要性，以及当假设不满足时如何进行处理。在R语言的部分，作者提供的代码清晰易懂，并且配有详细的注释，即使是初学者也能轻松上手。我特别喜欢书中关于模型诊断的部分，它详细介绍了如何通过残差分析、方差膨胀因子（VIF）等方法来评估模型的拟合优度和潜在问题。这些细致入微的讲解，帮助我培养了严谨的分析习惯，能够避免一些常见的错误。整本书读下来，感觉知识点非常扎实，而且学习过程也相当愉快，让我对回归分析的掌握达到了一个新的高度。
评分我一直在寻找一本能够真正帮助我理解“为什么”的回归分析书籍，而不是仅仅停留在“怎么做”的层面。《应用回归分析（R语言版）》恰恰满足了我的这个需求。作者在讲解每一个回归模型时，都花了大量的篇幅来阐释其背后的统计学逻辑和模型构建的思想。例如，在讲解逻辑回归时，作者并没有直接给出公式，而是从概率建模的角度出发，解释了为何需要使用Logit变换，以及它如何将线性组合映射到0到1之间的概率。这种深入浅出的讲解方式，让我对模型的原理有了更透彻的理解，而不仅仅是记住公式。此外，书中对于模型假设的强调也让我受益匪浅。作者详细阐述了各个模型假设的重要性，以及违反假设可能带来的后果，并提供了相应的诊断方法和修正策略。这让我意识到，回归分析并非一个简单的套用公式的过程，而是需要严谨的理论支撑和审慎的判断。通过对这本书的学习，我不仅掌握了如何运用R语言实现回归分析，更重要的是，我开始能够独立思考和判断，选择最适合特定问题的模型，并对其结果进行恰当的解读。
评分作为一名在数据科学领域摸爬滚打多年的实践者，我始终认为，理论知识的深度决定了一个分析师的上限。《应用回归分析（R语言版）》在这方面给我留下了极其深刻的印象。作者在对各种回归模型进行讲解时，不仅仅局限于“如何使用”某个函数，而是深入剖析了模型背后的统计学原理、数学推导以及关键的假设条件。例如，在讨论线性回归的经典假设时，作者详细解释了异方差、自相关等问题产生的原因，以及它们对模型估计和推断的影响，并在此基础上引出了广义最小二乘法（GLS）等修正方法。这种严谨的学术态度，让我对回归分析的理解不再是浅尝辄止，而是触及到了其核心的数学和统计基础。即使是对于一些看似复杂的模型，作者也能通过清晰的逻辑链条和精炼的语言，将它们娓娓道来。更难能可贵的是，书中并未回避模型中的难点和疑点，而是主动提出并给出解决方案，这对于提升读者的分析能力非常有帮助。我可以想象，即使是面对一个全新的、复杂的回归问题，凭借这本书所打下的坚实基础，我也能更有信心地去分析和解决。
评分下学期上课用，书很新，送过来速度也很快
评分统计学专业课程，学习一下。
评分不错
评分不错，感觉算是性价比高的，支持
评分好
评分好
评分好
评分和你身边的故事vs 好多好多话你对宝宝的北大街附近
评分好
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.coffeedeals.club All Rights Reserved. 静流书站 版权所有