具体描述
本书从Thomson Learning出版公司引进，本书内容包括：回归分析，简单线性回归模型，多元线性回归模型，最佳模型的标准选择，残差分析，影响诊断，非标准条件、假设和转换，检测及多元共线性，非线性回归，附录A：矩阵代数中的一些概念，附录B：一些处理方法，附录C：统计表。 本书适用于高等院校统计学专业和理工科各专业本科生和研究生作为教材使用。
好的，这是一份关于《经典和现代回归分析及其应用》以外的图书简介，内容详实，旨在提供一个与原书主题不同但同样深入的学术参考。 --- 《高级计量经济学：理论、模型与前沿应用》 图书简介 本书旨在为计量经济学领域的学生、研究人员和专业人士提供一套全面而深入的理论框架与实践指南。它不仅巩固了对经典计量经济学核心概念的理解，更着重于探讨过去二十年来计量经济学在方法论和应用前沿取得的重大突破。本书的叙事结构清晰，从坚实的理论基础出发，逐步深入到复杂的现代模型和前沿的实证挑战。 第一部分：基础理论的再审视与深化 本部分对计量经济学的基石——线性回归模型（OLS）——进行了详尽的审视。我们不仅复习了高斯-马尔可夫定理的条件和推论，更侧重于分析在现实世界中这些假设条件经常被违反时的后果。 异方差性与序列相关性（自相关）： 详细阐述了异方差性（Heteroskedasticity）和序列相关性对OLS估计量的有效性和一致性的影响。本书提供了修正和检验这些问题的成熟方法，包括稳健标准误（如White修正）的理论推导和实际应用，以及广义最小二乘法（GLS）在序列相关模型中的运用。 内生性与工具变量（IV）： 内生性问题是计量经济学实践中的核心挑战之一。本章深入探讨了导致内生性的各种来源，如遗漏变量偏差、测量误差和同期性。重点剖析了工具变量（Instrumental Variables, IV）法的理论基础，包括两阶段最小二乘法（2SLS）的估计过程，以及在选择有效工具变量时必须满足的两个关键条件——相关性和外生性——的严格检验标准。我们还将探讨最新的IV方法，例如弱工具变量问题（Weak Instruments）的诊断与解决方案。 第二部分：时间序列分析的精进 时间序列数据在经济学和金融学中无处不在，其特殊的时间依赖性要求采用专门的分析工具。本部分致力于提供一个从单变量到多变量时间序列分析的完整路线图。 平稳性与非平稳性： 详细介绍了平稳性（Stationarity）的定义及其重要性。针对非平稳时间序列，本书系统介绍了单位根检验（如ADF检验、PP检验）的统计原理和局限性。 自回归与移动平均模型（ARMA/ARIMA）： 提供了识别、估计和预测ARMA和ARIMA模型的全过程。重点讨论了信息准则（AIC, BIC）在模型定阶中的应用，并探讨了季节性时间序列的处理方法。 协整与向量自回归（VAR）： 对于长期经济关系的研究，协整（Cointegration）理论至关重要。本书深入讲解了Engle-Granger两步法和Johansen检验的统计细节，并展示了如何构建误差修正模型（ECM）来刻画短期动态与长期均衡之间的关系。在此基础上，我们引入了向量自回归（VAR）模型，探讨脉冲响应函数（Impulse Response Functions）和方差分解（Forecast Error Variance Decomposition）在分析宏观经济冲击传导机制中的应用。 第三部分：面板数据模型的范式转换 面板数据（Panel Data）结合了时间和截面维度，提供了比传统时间序列或截面数据更丰富的信息。本书系统区分了固定效应（FE）和随机效应（RE）模型的理论基础、估计差异及其适用场景。 固定效应模型（FE）： 侧重于控制不随时间变化的个体异质性（如不可观测的个体特征）。详细推导了去均值（demeaning）变换的有效性，并讨论了LSDV与FE估计量的等价性。 随机效应模型（RE）： 考察了异质性是随机且与回归子项不相关的假设。重点在于如何利用混合模型（Pooled OLS）与FE/RE模型之间的选择，即Hausman检验的统计依据。 动态面板数据模型： 针对当被解释变量的滞后项作为解释变量出现时（动态模型）可能导致的内生性问题，本书详细介绍了Arellano-Bond的广义矩估计（GMM）方法，包括其一阶差分GMM和系统GMM的系统性优势与估计步骤。 第四部分：前沿计量方法的拓展与因果推断 本部分聚焦于当前计量经济学研究中最热门的领域——如何从相关性中识别可靠的因果效应，这是现代实证研究的核心目标。 离散选择模型： 涵盖了Logit、Probit模型的估计与解释，并扩展到更复杂的模型如多项式Logit和受限因变量模型（如Tobit模型）。 准实验方法与因果识别： 详细分析了因果推断的“黄金标准”——随机对照试验（RCTs）的原理，并转向现实中更常见的准实验方法： 断点回归（Regression Discontinuity Design, RDD）： 理论上精确识别局部平均处理效应（LATE）的强大工具。本书讲解了清晰断点（Sharp RDD）和模糊断点（Fuzzy RDD）的估计策略、带宽选择与稳健性检验。 双重差分法（Difference-in-Differences, DiD）： 阐述了平行趋势假设（Parallel Trends Assumption）的重要性及其检验方法，并介绍了如何处理多时间点和多组别的面板数据中的DiD估计。 合成控制法（Synthetic Control Method, SCM）： 针对单个单元遭受处理效应的复杂情况，SCM提供了一种构建“反事实”对照组的系统性方法，本书将展示其在宏观经济政策评估中的实际案例。 第五部分：模型诊断、稳健性与计算 本部分关注计量分析的实践层面，确保研究结果的可靠性和透明度。 模型设定检验： 涵盖了RESET检验、拉姆达检验等，用于诊断模型设定的错误。 稳健性检验与模型选择： 探讨了如何通过改变模型设定（如替代估计量、控制变量集合）来验证主要结果的稳健性。 贝叶斯计量经济学简介： 简要介绍了贝叶斯推断与经典频率派方法的哲学差异，以及MCMC（马尔可夫链蒙特卡洛）方法在处理复杂模型时的计算优势。 《高级计量经济学：理论、模型与前沿应用》以其严谨的数学推导、丰富的计量直觉阐释以及对现代实证方法的深入覆盖，旨在成为读者跨越计量经济学中级与高级研究之间的桥梁。本书的配套资源（如Stata/R代码示例）将使理论学习与实际操作紧密结合，培养读者独立进行前沿计量分析的能力。
作者简介
Raymond H.Myers，弗吉尼亚理工大学统计学名誉教授，主要研究领域为试验设计与分析、响应面分析和非线性模型分析，美国统计学会（ASA）会员，国际统计学会（ISI）会员。
目录信息
CHAPTER 1
INTRODUCTION: REGRESSION ANALYSIS
Regression models
Formal uses of regression analysis
The data base
References
CHAPTER 2
THE SIMPLE LINEAR REGRESSION MODEL
The model description
Assumptions and interpretation of model parameters
Least squares formulation
Maximum likelihood estimation
Partioning total variability
Tests of hypothesis on slope and intercept
Simple regression through the origin （Fixed intercept）
Quality of fitted model
Confidence intervals on mean response and prediction intervals
Simultaneous inference in simple linear regression
A complete annotated computer printout
A look at residuals
Both x and y random
Exercises
References
CHAPTER 3
THE MULTIPLE LINEAR REGRESSION MODEL
Model description and assumptions
The general linear mode] and the least squares procedure
Properties of least squares estimators under ideal conditions
Hypothesis testing in multiple linear regression
Confidence intervals and prediction intervals in multiple regressions
Data with repeated observations
Simultaneous inference in multiple regression
Multicollinearity in multiple regression data
Quality fit， quality prediction， and the HAT matrix
Categorical or indicator variables (Regression models and ANOVA models）
Exercises
References
CHAPTER 4
CRITERIA FOR CHOICE OF BEST MODEL
Standard criteria for comparing models
Cross validation for model selection and determination of model performance
Conceptual predictive criteria (The Cp statistic）
Sequential variable selection procedures
Further comments and all possible regressions
Exercises
References
CHAPTER 5
ANALYSIS OF RESIDUALS 209
Information retrieved from residuals
Plotting of residuals
Studentized residuals
Relation to standardized PRESS residuals
Detection of outliers
Diagnostic plots
Normal residual plots
Further comments on analysis of residuals
Exercises
References
CHAPTER 6
INFLUENCE DIAGNOSTICS
Sources of influence
Diagnostics: Residuals and the HAT matrix
Diagnostics that determine extent of influence
Influence on performance
What do we do with high influence points?
Exercises
References
CHAPTER 7
NONSTANDARD CONDITIONS， VIOLATIONS OF ASSUMPTIONS，AND TRANSFORMATIONS
Heterogeneous variance: Weighted least squares
Problem with correlated errors (Autocorrelation）
Transformations to improve fit and prediction
Regression with a binary response
Further developments in models with a discrete response (Poisson regression）
Generalized linear models
Failure of normality assumption: Presence of outliers
Measurement errors in the regressor variables
Exercises
References
CHAPTER 8
DETECTING AND COMBATING MULTICOLLINEARITY
Multicollinearity diagnostics
Variance proportions
Further topics concerning multicollinearity
Alternatives to least squares in cases of multicollinearity
Exercises
References
CHAPTER 9
NONLINEAR REGRESSION
Nonlinear least squares
Properties of the least squares estimators
The Gauss-Newton procedure for finding estimates
Other modifications of the Gauss-Newton procedure
Some special classes of nonlinear models
Further considerations in nonlinear regression
Why not transform data to linearize?
Exercises
References
APPENDIX A
SOME SPECIAL CONCEPTS IN MATRIX ALGEBRA
Solutions to simultaneous linear equations
Quadratic form
Eigenvalues and eigenvectors
The inverses of a partitioned matrix
Sherman-Morrison-Woodbury theorem
References
APPENDIX B
SOME SPECIAL MANIPULATIONS
Unbiasedness of the residual mean square
Expected value of residual sum of squares and mean square
for an underspecified model
The maximum likelihood estimator
Development of the PRESS statistic
Computation of s _ i
Dominance of a residual by the corresponding model error .Computation of influence diagnostics
Maximum likelihood estimator in the nonlinear model
Taylor series
Development of the Ck-statistic
References
APPENDIX C
STATISTICAL TABLES
INDEX
· · · · · · (收起)
INTRODUCTION: REGRESSION ANALYSIS
Regression models
Formal uses of regression analysis
The data base
References
CHAPTER 2
THE SIMPLE LINEAR REGRESSION MODEL
The model description
Assumptions and interpretation of model parameters
Least squares formulation
Maximum likelihood estimation
Partioning total variability
Tests of hypothesis on slope and intercept
Simple regression through the origin （Fixed intercept）
Quality of fitted model
Confidence intervals on mean response and prediction intervals
Simultaneous inference in simple linear regression
A complete annotated computer printout
A look at residuals
Both x and y random
Exercises
References
CHAPTER 3
THE MULTIPLE LINEAR REGRESSION MODEL
Model description and assumptions
The general linear mode] and the least squares procedure
Properties of least squares estimators under ideal conditions
Hypothesis testing in multiple linear regression
Confidence intervals and prediction intervals in multiple regressions
Data with repeated observations
Simultaneous inference in multiple regression
Multicollinearity in multiple regression data
Quality fit， quality prediction， and the HAT matrix
Categorical or indicator variables (Regression models and ANOVA models）
Exercises
References
CHAPTER 4
CRITERIA FOR CHOICE OF BEST MODEL
Standard criteria for comparing models
Cross validation for model selection and determination of model performance
Conceptual predictive criteria (The Cp statistic）
Sequential variable selection procedures
Further comments and all possible regressions
Exercises
References
CHAPTER 5
ANALYSIS OF RESIDUALS 209
Information retrieved from residuals
Plotting of residuals
Studentized residuals
Relation to standardized PRESS residuals
Detection of outliers
Diagnostic plots
Normal residual plots
Further comments on analysis of residuals
Exercises
References
CHAPTER 6
INFLUENCE DIAGNOSTICS
Sources of influence
Diagnostics: Residuals and the HAT matrix
Diagnostics that determine extent of influence
Influence on performance
What do we do with high influence points?
Exercises
References
CHAPTER 7
NONSTANDARD CONDITIONS， VIOLATIONS OF ASSUMPTIONS，AND TRANSFORMATIONS
Heterogeneous variance: Weighted least squares
Problem with correlated errors (Autocorrelation）
Transformations to improve fit and prediction
Regression with a binary response
Further developments in models with a discrete response (Poisson regression）
Generalized linear models
Failure of normality assumption: Presence of outliers
Measurement errors in the regressor variables
Exercises
References
CHAPTER 8
DETECTING AND COMBATING MULTICOLLINEARITY
Multicollinearity diagnostics
Variance proportions
Further topics concerning multicollinearity
Alternatives to least squares in cases of multicollinearity
Exercises
References
CHAPTER 9
NONLINEAR REGRESSION
Nonlinear least squares
Properties of the least squares estimators
The Gauss-Newton procedure for finding estimates
Other modifications of the Gauss-Newton procedure
Some special classes of nonlinear models
Further considerations in nonlinear regression
Why not transform data to linearize?
Exercises
References
APPENDIX A
SOME SPECIAL CONCEPTS IN MATRIX ALGEBRA
Solutions to simultaneous linear equations
Quadratic form
Eigenvalues and eigenvectors
The inverses of a partitioned matrix
Sherman-Morrison-Woodbury theorem
References
APPENDIX B
SOME SPECIAL MANIPULATIONS
Unbiasedness of the residual mean square
Expected value of residual sum of squares and mean square
for an underspecified model
The maximum likelihood estimator
Development of the PRESS statistic
Computation of s _ i
Dominance of a residual by the corresponding model error .Computation of influence diagnostics
Maximum likelihood estimator in the nonlinear model
Taylor series
Development of the Ck-statistic
References
APPENDIX C
STATISTICAL TABLES
INDEX
· · · · · · (收起)
读后感
评分
据说是本好书，从Amazon上看的评论。英文的，刚开始读起来有一点点吃力，希望多读几天后能感觉顺畅一些。
评分据说是本好书，从Amazon上看的评论。英文的，刚开始读起来有一点点吃力，希望多读几天后能感觉顺畅一些。
评分据说是本好书，从Amazon上看的评论。英文的，刚开始读起来有一点点吃力，希望多读几天后能感觉顺畅一些。
评分据说是本好书，从Amazon上看的评论。英文的，刚开始读起来有一点点吃力，希望多读几天后能感觉顺畅一些。
评分据说是本好书，从Amazon上看的评论。英文的，刚开始读起来有一点点吃力，希望多读几天后能感觉顺畅一些。
用户评价
评分
写论文的时候导师借给我看的，非常非常经典很详细，论文之后继续细看了
评分好书，看完后能比较透彻地理解回归分析。
评分好书，看完后能比较透彻地理解回归分析。
评分经典
评分经典
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.wenda123.org All Rights Reserved. 图书目录大全 版权所有