回归分析

书籍目录

前言

教学建议

第一部分回归分析基础

第1章回归分析概述

1.1回归的释义与回归分析的作用

1.1.1“回归”一词的历史渊源

1.1.2回归分析的发展与现代释义

1.1.3回归分析的主要作用

1.2回归分析的基本过程

1.2.1回归分析的基本类型与主要内容

1.2.2回归分析的基本流程

1.3回归分析的基本概念与一般模型

1.3.1回归分析的基本概念

1.3.2回归分析的一般模型

1.3.3回归模型常见的基本形式

思考与练习

第2章变量间的相关关系分析

2.1变量间的关系

2.1.1相关关系

2.1.2相关关系种类

2.1.3相关分析的主要内容

2.2相关关系的描述与测度

2.2.1相关关系的描述——相关表与散点图

2.2.2相关程度的测定——相关系数的计算

2.3相关分析的应用

2.3.1变量的类型与相关系数

2.3.2相关与因果关系

2.3.3相关系数的应用

2.3.4相关分析的SPSS软件应用

思考与练习

第二部分经典线性回归分析

第3章一元线性回归分析

3.1一元线性回归模型

3.1.1一元线性回归模型的基本概念

3.1.2一元线性回归模型的选择

3.2回归模型的最小二乘估计

3.2.1普通最小二乘估计原理与估计量

3.2.2最小二乘估计的基本假定

3.2.3最小二乘估计的精度与标准误差

3.2.4最小二乘估计量的性质

3.2.5区间估计

3.3显著性检验与回归方程的拟合效果

3.3.1显著性检验

3.3.2回归方程的拟合效果度量

3.3.3回归方程的残差分析

3.4一元线性回归模型的应用

3.4.1结构分析

3.4.2预测

3.4.3控制

3.4.4应用案例

3.4.5一元线性回归分析的SPSS软件使用

思考与练习

第4章多元线性回归分析

4.1多元线性回归模型

4.1.1多元线性回归模型的一般形式

4.1.2多元线性回归模型的基本假定

4.2多元线性回归参数的最小二乘估计

4.2.1回归系数的估计量

4.2.2回归模型参数最小二乘估计量的方差和标准误差

4.2.3回归系数的区间估计

4.2.4最大似然估计

4.3参数估计量的性质

4.4回归方程的评价

4.4.1回归方程的精度测量

4.4.2多元线性回归模型的简洁性

4.4.3综合评价

4.5回归系数的显著性检验

4.5.1每个自变量对因变量影响的显著性检验

4.5.2回归方程线性关系的显著性检验

4.5.3检验两个回归系数是否相等

4.5.4受约束（线性约束）的回归系数估计与约束条件的检验

4.6标准化回归方程

4.6.1数据的标准化处理

4.6.2标准化回归系数

4.7多元线性回归的实际操作

4.7.1SPSS关于多元线性回归的操作

4.7.2关于儿童体重的二元线性回归分析

思考与练习

第5章方差齐性诊断与模型的加权最小二乘估计

5.1异方差情况下的最小二乘估计

5.1.1异方差形成的原因

5.1.2异方差对参数估计的影响

5.2回归分析中异方差的诊断

5.2.1异方差的定性判断

5.2.2异方差的图形检验

5.2.3异方差的统计检验

5.3异方差情况下的加权最小二乘估计

思考与练习

第三部分违背经典假设的线性回归方程参数估计

第6章误差独立性的诊断与模型的广义最小二乘法

6.1自相关下的最小二乘估计

6.1.1自相关形成的原因

6.1.2误差项自相关时OLS估计的后果

6.2误差项自相关的诊断

6.2.1误差项自相关的定性判断

6.2.2误差项自相关的图形诊断

6.2.3随机误差项自相关的统计检验

6.3存在误差项自相关的广义最小二乘估计

6.3.1εt具有一阶自回归形式

6.3.2εt具有高阶自回归形式

6.3.3如何估计ρ

思考与练习

第7章共线性数据模型的建立与有偏估计

7.1自变量共线性产生的原因与后果

7.1.1自变量共线性产生的原因

7.1.2形成多重共线性的原因

7.1.3多重共线性的后果

7.1.4多重共线性的诊断

7.2多重共线性下的有偏估计

7.2.1主成分回归

7.2.2岭估计

7.2.3合并截面数据与时间序列数据

思考与练习

第四部分实践中的回归分析

第8章关于自变量的选择

8.1自变量选择的基本原则

8.1.1问题的提出

8.1.2全模型和选模型

8.1.3自变量选择对参数估计和因变量预测的影响

8.1.4自变量选择的原则

8.2增加一个自变量的“边际”贡献分析

8.2.1边际贡献

8.2.2自变量的边际贡献分析

8.3自变量选择的常用方法

8.3.1前进法

8.3.2后退法

8.3.3逐步回归法

8.3.4应用中的问题

8.3.5SPSS实现

8.4虚拟变量的选择

8.4.1虚拟变量及数据处理

8.4.2虚拟变量引入回归模型的方法

思考与练习

第9章动态回归分析

9.1动态回归模型

9.1.1滞后效应与分布滞后模型

9.1.2自回归模型

9.1.3自回归分布滞后模型

9.2自回归分布滞后模型的估计方法

9.2.1分布滞后模型的变换

9.2.2自回归分布滞后模型的参数估计

9.3变量因果关系的检验

9.3.1回归模型约束条件的检验

9.3.2格兰杰因果关系的检验

9.4模型结构稳定性检验

思考与练习

第10章线性回归的推广

10.1非线性回归

10.1.1指数曲线模型

10.1.2对数曲线模型

10.1.3双曲线函数模型

10.1.4多项式曲线模型

10.1.5龚伯兹曲线模型

10.2定性因变量的回归分析

10.2.1二元选择回归模型

10.2.2多类别逻辑斯谛回归

10.2.3有序因变量的回归模型

10.3广义线性模型

10.3.1广义线性模型的一般形式

10.3.2常用的联系函数

10.3.3广义线性模型的参数估计

思考与练习

第11章回归模型的设定与改进

11.1回归模型的设定标准

11.1.1回归模型的设定原则与思路

11.1.2模型的评价准则

11.1.3模型设定误差的类型

11.2模型设定错误的主要类型

11.2.1遗漏相关变量

11.2.2包括了不相关的自变量

11.2.3模型的函数形式设定错误

11.2.4变量数据度量的偏误

11.3回归模型设定问题的诊断与检验

11.3.1模型包含非相关变量的诊断

11.3.2遗漏变量与模型形式设定错误的诊断

思考与练习

附录AEViews的简要使用说明

附录BSPSS软件的简要使用说明

参考文献

作者简介

这本《回归分析》融合了作者马立平多年的教学和实际工作经验，旨在介绍回归分析的基本原理、基本方法及其在经济领域中的应用，以培养学生学会使用回归分析方法解决实际问题。全书包括回归分析基础、经典线性回归分析、违背经典假设的线性回归方程参数估计和实践中的回归分析等内容。

《回归分析》主要介绍回归分析的基本原理、基本方法及其在经济领域中的应用，具体内容包括回归分析概述、变量间的相关关系分析、一元线性回归分析、多元线性回归分析、方差齐性诊断与模型的加权最小二乘估计、误差独立性的诊断与模型的广义最小二乘法、共线性数据模型的建立与有偏估计、关于自变量的选择、动态回归分析、线性回归的推广、回归模型的设定与改进等。此外，书中还介绍了EViews和SPSS软件的基本使用方法，并在每章后提供了难度适宜的思考题和练习题，便于读者动手实践，巩固所学知识。

《回归分析》叙述通俗易懂，可以作为高等院校统计及相关专业回归分析课程的本科生教材和教学参考书，也可供相关研究人员阅读与参考。

 回归分析下载