应用回归分析（第四版）

　　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。

　　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。

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