《社會學教材教參方法系列:回歸分析(修訂版)》源於作者多年在密西根大學教授回歸分析的課程講義，從基本的統計概念講起，對線性回歸分析的基本假定、回歸中的統計推論和回歸診斷做了詳盡的介紹，同時還涵蓋了很多在社會科學中對實際研究非常有用的內容，包括虛擬變數、互動作用、輔助回歸、多項式回歸、樣條函式回歸和階躍函式回歸等。此外，《社會學教材教參方法系列:回歸分析(修訂版)》還涉及通徑分析、縱貫數據模型、多層線性模型和logit模型等方面的內容。
基本介紹
- 書名：社會學教材教參方法系列:回歸分析
- 作者：謝宇
- 出版社：社會科學文獻出版社
- 頁數：387頁
- 開本：16
- 品牌：社會科學文獻出版社
- 外文名：Regression Analysis (Revised Edition)
- 類型：科學與自然
- 出版日期：2013年3月1日
- 語種：簡體中文
- ISBN：9787509742891
基本介紹,內容簡介,作者簡介,圖書目錄,
基本介紹
內容簡介
謝宇所著的《回歸分析(修訂版)》所介紹的統計方法常用於描述社會現象的屬性、規律性以及變異性，這些方法可被納入回歸分析這一廣義範疇中。毋庸諱言，這些方法都有缺陷，因為它們都難以精確地反映複雜的社會現實，但這並不妨礙它們成為社會科學研究的有用工具。有的學生或許會有這樣的錯覺，即社會科學研究中存在某種完美的方法，或者某些方法本質上優於另一些方法。
作者簡介
謝宇 美國密西根大學Otis Dudley Duncan教授，任職於密西根大學社會學系、統計系與公共政策學院，同時也是密西根大學中國研究中心、社會研究所調查研究中心、人口研究中心教授，北京大學“千人計畫”講席教授，北京大學中國社會科學調查中心學術委員會主席。2004年當選美國藝術與科學院院士和台灣中研院院士，2009年當選美國國家科學院院士。其研究領域包括：社會分層、統計方法、人口學、科學社會學和中國研究。主要著作有《分類數據分析的統計方法》《科學界的女性》《美國亞裔的人口統計描述》《婚姻與同居》《美國的科學在衰退嗎？》等。
圖書目錄
第1章基本統計概念
1.1統計思想對於社會科學研究的重要性
1.2本書的特點
1.3基本統計概念
1.4隨機變數的和與差
1.5期望與協方差的性質
1.6本章小結
第2章統計推斷基礎
2.1分布
2.2估計
2.3假設檢驗
2.4本章小結
第3章一元線性回歸
3.1理解回歸概念的三種視角
3.2回歸模型
3.3回歸直線的擬合優度
3.4假設檢驗
3.5對特定X下Y均值的估計
3.6對特定X下Y單一值的預測
3.7簡單線性回歸中的非線性變換
3.8實例分析
3.9本章小結
第4章線性代數基礎
4.1定義
4.2矩陣的運算
4.3特殊矩陣
4.4矩陣的秩
4.5矩陣的逆
4.6行列式
4.7矩陣的運算法則
4.8向量的期望和協方差陣的介紹
4.9矩陣在社會科學中的套用
4.10本章小結
第5章多元線性回歸
5.1多元線性回歸模型的矩陣形式
5.2多元回歸的基本假定
5.3多元回歸參數的估計
5.4OLs回歸方程的解讀
5.5多元回歸模型誤差方差的估計
5.6多元回歸參數估計量方差的估計
5.7模型設定中的一些問題
5.8標準化回歸模型
5.9CHIP88實例分析
5.10本章小結
第6章多元回歸中的統計推斷與假設檢驗
6.1統計推斷基本原理簡要回顧
6.2統計顯著性的相對性以及效應幅度
6.3單個回歸係數β=0的檢驗
6.4多個回歸係數的聯合檢驗
6.5回歸係數線性組合的檢驗
6.6本章小結
第7章方差分析和F檢驗
7.1一元線性回歸中的方差分析
7.2多元線性回歸中的方差分析
7.3方差分析的假定條件
7.4F檢驗
7.5判定係數增量
7.6擬合優度的測量
7.7實例分析
7.8本章小結
第8章輔助回歸和偏回歸圖
8.1回歸分析中的兩個常見問題
8.2輔助回歸
8.3變數的對中
8.4偏回歸圖
8.5排除忽略變數偏誤的方法
8.6套用舉例
8.7本章小結
第9章因果推斷和路徑分析
9.1相關關係
9.2因果推斷
9.3因果推斷的問題
9.4因果推斷的假設
9.5因果推斷中的原因
9.6路徑分析
9.7本章小結
第10章多重共線性問題
10.1多重共線性問題的引入
10.2完全多重共線性
10.3近似多重共線性
10.4多重共線性的度量
10.5多重共線性問題的處理
10.6本章小結
第11章多項式回歸、樣條函式回歸和階躍函式回歸
11.1多項式回歸
11.2樣條函式回歸
11.3階躍函式回歸
11.4本章小結
第12章虛擬變數與名義自變數
12.1名義變數的定義與特性
12.2虛擬變數的設定
12.3虛擬變數的套用
12.4本章小結
第13章互動項
13.1互動項
13.2由不同類型解釋變數構造的互動項
13.3利用嵌套模型檢驗互動項的存在
13.4是否可以刪去互動項中的低次項？
13.5構造互動項時需要注意的問題
13.6本章小結
第14章異方差與廣義最小二乘法
14.1異方差
14.2異方差現象舉例
14.3異方差情況下的常規最小二乘估計
14.4廣義最小二乘法
14.5加權最小二乘法
14.6本章小結
第15章縱貫數據的分析
15.1追蹤數據的分析
15.2趨勢分析
15.3本章小結
16.3模型的優勢與局限
16.4多層線性模型的若干子模型
16.5自變數對中的問題
16.6套用舉例
16.7本章小結
第17章回歸診斷
17.1因變數是否服從常態分配
17.2殘差是否服從常態分配
17.3異常觀測案例
17.4本章小結
第18章二分因變數的logit模型
18.1線性回歸面對二分因變數的困境
18.2轉換的方式
18.3潛變數方式
18.4模型估計、評價與比較
18.5模型回歸係數解釋
18.6統計檢驗與推斷
18.7本章小結
辭彙表
參考文獻
後記
1.1統計思想對於社會科學研究的重要性
1.2本書的特點
1.3基本統計概念
1.4隨機變數的和與差
1.5期望與協方差的性質
1.6本章小結
第2章統計推斷基礎
2.1分布
2.2估計
2.3假設檢驗
2.4本章小結
第3章一元線性回歸
3.1理解回歸概念的三種視角
3.2回歸模型
3.3回歸直線的擬合優度
3.4假設檢驗
3.5對特定X下Y均值的估計
3.6對特定X下Y單一值的預測
3.7簡單線性回歸中的非線性變換
3.8實例分析
3.9本章小結
第4章線性代數基礎
4.1定義
4.2矩陣的運算
4.3特殊矩陣
4.4矩陣的秩
4.5矩陣的逆
4.6行列式
4.7矩陣的運算法則
4.8向量的期望和協方差陣的介紹
4.9矩陣在社會科學中的套用
4.10本章小結
第5章多元線性回歸
5.1多元線性回歸模型的矩陣形式
5.2多元回歸的基本假定
5.3多元回歸參數的估計
5.4OLs回歸方程的解讀
5.5多元回歸模型誤差方差的估計
5.6多元回歸參數估計量方差的估計
5.7模型設定中的一些問題
5.8標準化回歸模型
5.9CHIP88實例分析
5.10本章小結
第6章多元回歸中的統計推斷與假設檢驗
6.1統計推斷基本原理簡要回顧
6.2統計顯著性的相對性以及效應幅度
6.3單個回歸係數β=0的檢驗
6.4多個回歸係數的聯合檢驗
6.5回歸係數線性組合的檢驗
6.6本章小結
第7章方差分析和F檢驗
7.1一元線性回歸中的方差分析
7.2多元線性回歸中的方差分析
7.3方差分析的假定條件
7.4F檢驗
7.5判定係數增量
7.6擬合優度的測量
7.7實例分析
7.8本章小結
第8章輔助回歸和偏回歸圖
8.1回歸分析中的兩個常見問題
8.2輔助回歸
8.3變數的對中
8.4偏回歸圖
8.5排除忽略變數偏誤的方法
8.6套用舉例
8.7本章小結
第9章因果推斷和路徑分析
9.1相關關係
9.2因果推斷
9.3因果推斷的問題
9.4因果推斷的假設
9.5因果推斷中的原因
9.6路徑分析
9.7本章小結
第10章多重共線性問題
10.1多重共線性問題的引入
10.2完全多重共線性
10.3近似多重共線性
10.4多重共線性的度量
10.5多重共線性問題的處理
10.6本章小結
第11章多項式回歸、樣條函式回歸和階躍函式回歸
11.1多項式回歸
11.2樣條函式回歸
11.3階躍函式回歸
11.4本章小結
第12章虛擬變數與名義自變數
12.1名義變數的定義與特性
12.2虛擬變數的設定
12.3虛擬變數的套用
12.4本章小結
第13章互動項
13.1互動項
13.2由不同類型解釋變數構造的互動項
13.3利用嵌套模型檢驗互動項的存在
13.4是否可以刪去互動項中的低次項？
13.5構造互動項時需要注意的問題
13.6本章小結
第14章異方差與廣義最小二乘法
14.1異方差
14.2異方差現象舉例
14.3異方差情況下的常規最小二乘估計
14.4廣義最小二乘法
14.5加權最小二乘法
14.6本章小結
第15章縱貫數據的分析
15.1追蹤數據的分析
15.2趨勢分析
15.3本章小結
16.3模型的優勢與局限
16.4多層線性模型的若干子模型
16.5自變數對中的問題
16.6套用舉例
16.7本章小結
第17章回歸診斷
17.1因變數是否服從常態分配
17.2殘差是否服從常態分配
17.3異常觀測案例
17.4本章小結
第18章二分因變數的logit模型
18.1線性回歸面對二分因變數的困境
18.2轉換的方式
18.3潛變數方式
18.4模型估計、評價與比較
18.5模型回歸係數解釋
18.6統計檢驗與推斷
18.7本章小結
辭彙表
參考文獻
後記
