- 高级统计学(大数据管理与应用系列教材)
- - 作者：编者:周亦威|责编:刘畅
  - 出版社：机械工业
  - ISBN：9787111804338
  - 出版日期：2026/06/01
  - 页数：343
- 售价：30

内容大纲
    本书以统计学为核心，辐射经济学、管理学、城市科学等领域。本书通过多领域案例（如经济指标分析、社会行为建模、空间数据挖掘）体现统计方法在不同学科间的交叉应用，并从经典线性回归延伸到前沿的贝叶斯与空间模型，覆盖参数与非参数方法，兼顾理论严谨性与实证操作性。此外，本书重点强调数据预处理、模型诊断（如残差分析、异方差检验）和模型比较（信息准则、拟合优度指标），旨在培养读者数据驱动的建模思维。最后，书中还提供统计软件（如SPSS、Stata）的应用思路，适合不同层次读者从理论过渡到实践。
    全书分为四大部分，涵盖从基础概念到前沿方法的完整体系：第1部分基础知识（第1、2章），第2部分连续因变量模型（第3～11章），第3部分计数和离散依存变量模型（第12～16章）。第4部分为拓展知识，感兴趣的读者可扫描二维码学习。
    本书面向两类读者：①经济学、管理学、系统科学、数据科学等领域的研究生及高年级本科生，可作为统计学与计量经济学方法课程的教材，亦可根据教学需求选取部分主题构成一学期课程体系；②科研人员与行业从业者，可作为技术参考书，助力其掌握多领域数据分析所需的方法论工具。
作者介绍
目录
前言
第1部分  基础知识
  第1章  描述性统计
    1.1  相对位置指标
    1.2  集中趋势度量
    1.3  离散程度度量
    1.4  偏度和峰度
    1.5  关联度量
    1.6  估计量的性质
  第2章  区间估计、假设检验、多变量方差分析与非参数方法
    2.1  置信区间
    2.2  假设检验
    2.3  多变量方差分析
    2.4  非参数方法
第2部分  连续因变量模型
  第3章  线性回归
    3.1  线性回归模型的假设
    3.2  回归分析基础
    3.3  回归中的变量处理
    3.4  估计单个β参数
    3.5  针对变量区间估计β参数
    3.6  为变量m个水平中的m-1个估计单个β参数
    3.7  检验回归假设
    3.8  回归离群值
    3.9  回归模型拟合优度度量
    3.10  回归中的多重共线性
    3.11  回归模型构建策略
    3.12  估计弹性
    3.13  删截因变量——Tobit模型
    3.14  Box-Cox回归
  第4章  违背回归假设
    4.1  扰动项零均值假设
    4.2  扰动项正态性假设
    4.3  解释变量与扰动项不相关假设
    4.4  扰动项同方差假设
    4.5  扰动项无序列相关假设
    4.6  模型设定误差
  第5章  联立方程模型
    5.1  联立方程问题概述
    5.2  普通最小二乘法的偏误
    5.3  两阶段最小二乘法
    5.4  识别问题
  第6章  面板数据分析
    6.1  面板数据分析中的问题
    6.2  单向误差分量模型
    6.3  双向误差分量模型
    6.4  可变参数模型
  第7章  序列相关性和时间序列模型
    7.1  时间序列数据的特点
    7.2  纯序列相关和非纯序列相关

    7.3  序列相关性的后果
    7.4  序列相关性的检验
    7.5  序列相关性的修正
    7.6  时间序列模型
    7.7  分布滞后模型
    7.8  动态模型
    7.9  序列相关性和动态模型
    7.10  格兰杰（Granger）因果关系
    7.11  伪回归和非平稳性
  第8章  预测
    8.1  什么是预测
    8.2  比较复杂的预测
    8.3  ARIMA模型
    8.4  SARIMA模型：处理季节性时间序列的扩展
  第9章  潜变量模型
    9.1  主成分分析
    9.2  因子分析
    9.3  结构方程模型
  第10章  聚类分析
    10.1  聚类分析概况
    10.2  系统聚类法
    10.3  快速聚类法
    10.4  其他聚类方法
    10.5  聚类方法的选择
    10.6  聚类分析注意事项
    10.7  实例分析
  第11章  持续时间模型
    11.1  基于风险的持续时间模型
    11.2  持续时间数据的特征
    11.3  非参数模型
    11.4  半参数模型
    11.5  全参数模型
    11.6  非参数、半参数和全参数模型的比较
    11.7  异质性
    11.8  状态依赖性
    11.9  时变解释变量
    11.10  离散时间风险模型
    11.11  竞争风险模型
    11.12  生存分析概况
    11.13  生存分析的一些基本概念
    11.14  尼尔森-阿兰累积风险率估计
    11.15  生存函数的Kaplan-Meier估计
    11.16  Log-rank检验
    11.17  Cox比例风险率模型
第3部分  计数和离散依存变量模型
  第12章  计数数据模型
    12.1  泊松回归概述
    12.2  截断泊松回归模型
    12.3  负二项回归模型
    12.4  零膨胀泊松和负二项回归模型

    12.5  随机效应计数模型
  第13章  逻辑回归
    13.1  逻辑回归原理
    13.2  逻辑回归模型
  第14章  离散选择模型
    14.1  离散数据模型
    14.2  二项Probit模型
    14.3  离散数据和效用理论
    14.4  多项Logit模型
    14.5  嵌套Logit模型（广义极值模型）
    14.6  Logit模型的特殊性质
  第15章  有序概率模型
    15.1  有序离散数据模型
    15.2  含随机效应的有序概率模型
    15.3  有序概率模型的局限性
    15.4  有序Logit和有序Probit模型
  第16章  随机参数模型
    16.1  随机参数多项式Logit模型（混合Logit模型）
    16.2  随机参数有序概率模型
    16.3  随机参数计数模型
    16.4  随机参数持续时间模型
    16.5  随机参数线性回归模型
    16.6  均值和方差具有异质性的随机参数
第4部分  拓展知识（二维码）
  附录
    附录A  统计表
    附录B  统计学基础知识
    附录C  变量变换
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目