现代稳健回归方法

　　稳健回归是一套接近密集计算型的现代技术，还能作为探测潜在问题案例的有用的诊断工具。《现代稳健回归方法》界定了一些对于理解估计的稳健性至关重要的术语，列出了异常观察案例及偏态分布影响OLS估计的不同方式，讨论了各种线性模型稳健回归方法及其限制，以及稳健回归估计的标准误，简要描述了广义线性模型和在这种模型中探测异常观察案例的几种诊断法。

　　罗伯特·安德森（Robert Anderson），加拿大多伦多大学社会学和政治科学教授。他的研究兴趣是应用统计学，政治社会学（尤其是态度及政治行为的社会基础），社会分层，和工作社会学（the sociology of work）。曾在《美国社会学评论》 （American Sociology Review），《政治学刊》（The Journalof politics）和《社会学方法论》（Sociological Methodology）等期刊发表论文。

序

第1章 导论

第1节 何为稳健？

第2节 稳健回归的定义

第3节 一个真实的例子：20世纪70年代已婚夫妇的性生活频率

第2章 重要背景

第1节 偏差与一致性

第2节 崩溃点/失效点

第3节 影响函数

第4节 相对效率

第5节 位置测度/位置量数

第6节 尺度测度

第7节 M估计

第8节 各种估计的对比

第3章 稳健性、抗扰性与最小二乘回归

第1节 一般最小二乘回归

第2节 异常案例对OLS估计及标准误的影响

第4章 线性模型的文件回归

第1节 L估计量

第2节 R估计量

第3节 M估计量

第4节 GM估计量

第5节 S估计量

第6节 广义S估计量

第7节 MM估计量

第8节 各种估计量的比较

第5章 稳健回归的标准误

第1节 稳健回归估计量的渐进标准误

第2节 自助标准误

第6章 广义线性模型中的权势案例

第1节 广义线性模型

第2节 稳健广义线性模型

第7章 结论

附录

注释

参考文献

译名对照表