回歸分析：方法、數(shù)據與R的應用

定　價：￥41.90

作　者：	劉超
出版社：	高等教育出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥39.80)

ISBN：	9787040524222	出版時間：	2019-12-01	包裝：
開本：		頁數(shù)：	272	字數(shù)：

內容簡介

　　數(shù)據已經成為許多人日常生活的一部分，數(shù)據分析的需求也日益提高。本書嘗試了解學習者的想法和需要，以初學者的視角力求讓讀者能夠輕松、愉快地了解回歸分析的基本思想和應用價值。基于實際數(shù)據的特點和歸納演繹的認知規(guī)律，本書精心挑選了豐富的實例，形象生動而又系統(tǒng)詳盡地闡述了回歸分析的基本理論和具體的應用技術，還輔以啟發(fā)式的分析和直觀的圖形方法，不僅從理論上介紹了當今統(tǒng)計學中用到的傳統(tǒng)回歸方法，還補充介紹了伴隨著大數(shù)據而產生的前沿的回歸方法。同時，基于數(shù)據處理實際過程指出方法的不足，提供相應的改進思路，為讀者呈現(xiàn)出思路清晰、易于操作的回歸建模過程。本書也用回歸分析的觀點介紹了部分機器學習、神經網絡網絡，為讀者呈現(xiàn)一個“大”回歸建模的分析框架。本書可讀性強，語言輕松活潑，內容通俗易懂，R軟件的使用也便于讀者模仿練習。\t本書可作為高等學校理、工、農、醫(yī)、經濟、管理、人文社會科學專業(yè)以及其他領域的統(tǒng)計學教材，也可以供從事商務活動和經濟分析等實際工作的各類人員參考。

作者簡介

　　劉超，中國人民大學統(tǒng)計學博士，現(xiàn)為北京航空航天大學數(shù)學科學學院副教授。主持國家社科基金等10余項課題，在國內外期刊發(fā)表30余篇論文。獲得寶鋼優(yōu)秀教師獎、北航藍天新星等10余項教學科研獎勵。出版統(tǒng)計學教材和譯著等10余本。

圖書目錄

第1章緒論
1．1 “回歸”的由來
1．2 回歸模型的作用
1．3 回歸模型的一般形式
1．4 回歸分析的基本概念
1．5 回歸分析的數(shù)據收集
1．6 回歸分析的方法體系
1．7 R軟件的使用簡介
1．8 小結
練習題
第2章一元線性回歸
2．1 基本模型
2．2 數(shù)據描述
2．3 模型估計
2．4 模型檢驗和評價
2．5 殘差與回歸值
2．6 預測
2．7 小結
練習題
第3章多元線性回歸
3．1 基本模型
3．2 數(shù)據描述
3．3 模型估計
3．4 模型檢驗和評價
3．5 殘差與回歸值
3．6 預測
3．7 小結
練習題
第4章模型診斷
4．1 檢驗誤差假設
4．2 檢測異常觀測
4．3 檢查模型結構
4．4 小結
練習題
第5章自變量的問題
5．1 測量誤差
5．2 測量尺度
5．3 共線性
5．4 小結
練習題
第6章誤差的問題
6．1 廣義最小二乘
6．2 加權最小二乘
6．3 擬合不足的檢驗
6．4 穩(wěn)健回歸
6．5 分位數(shù)回歸
6．6 小結
練習題
第7章模型選擇
7．1 基于標準的方法
7．2 基于檢驗的方法
7．3 小結
練習題
第8章收縮方法
8．1 嶺回歸
8．2 Lasso
8．3 自適應Lasso
8．4 主成分回歸
8．5 偏最小二乘回歸
8．6 小結
練習題
第9章非線性回歸
9．1 因變量的變換
9．2 自變量的變換
9．3 多項式回歸
9．4 分段回歸
9．5 內在的非線性回歸
9．6 小結
練習題
第10章廣義線性模型
10．1 基本原理
10．2 Logistic回歸模型
10．3 Softmax回歸模型
10．4 Poisson回歸模型
10．5 小結
練習題
第11章非參數(shù)回歸
11．1 核估計
11．2 局部回歸
11．3 樣條
11．4 小波
11．5 非參數(shù)多元回歸
11．6 加法模型
11．7 小結
練習題
第12章機器學習的回歸模型
12．1 決策樹
12．2 隨機森林
12．3 AdaBoost模型
12．4 小結
練習題
第13章人工神經網絡
13．1 基本模型
13．2 三層前饋神經網絡
13．3 類似于神經網絡的統(tǒng)計模型
13．4 神經網絡的應用
13．5 小結
練習題
第14章缺失數(shù)據
14．1 缺失數(shù)據的類型
14．2 刪除法
14．3 單一插補法
14．4 多重插補法
14．5 小結
練習題
索引