本書主要介紹數(shù)據(jù)統(tǒng)計(jì)建模的線性回歸模型和時(shí)間序列模型等典型理論方法，系統(tǒng)闡述這些應(yīng)用統(tǒng)計(jì)方法及其拓展推廣，包括模型選擇、參數(shù)估計(jì)、假設(shè)檢驗(yàn)、優(yōu)化和預(yù)測(cè)等。全書分為三部分：第1章為概率統(tǒng)計(jì)知識(shí)基礎(chǔ)、第2至6章為回歸分析、第7至12章為時(shí)間序列分析。本書的編寫兼顧了理論性和實(shí)用性，不僅結(jié)合金融管理等領(lǐng)域?qū)嵗烷_源R語(yǔ)言進(jìn)行案例分析，還在書后附加詳細(xì)的R語(yǔ)言程序代碼。
更多科學(xué)出版社服務(wù)，請(qǐng)掃碼獲取。
1999.09-2003.07，中國(guó)科學(xué)技術(shù)大學(xué)，統(tǒng)計(jì)與金融系，統(tǒng)計(jì)學(xué)，學(xué)士
2003.09-2008.06，中國(guó)科學(xué)技術(shù)大學(xué)，統(tǒng)計(jì)與金融系，概率統(tǒng)計(jì)，碩博連讀
2008.06-2010.04，中國(guó)科學(xué)技術(shù)大學(xué)管理學(xué)院，博士后
2009.09-2010.01，臺(tái)灣成功大學(xué)管理學(xué)院，博士后
2010.05至今，中國(guó)科學(xué)技術(shù)大學(xué)管理學(xué)院，副教授
國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目：社會(huì)運(yùn)作管理理論、方法和應(yīng)用，國(guó)家自然科學(xué)基金委員會(huì)，2018-01至2022-12，245萬元，子課題負(fù)責(zé)人
目錄
前言
第1章 概率統(tǒng)計(jì)知識(shí)基礎(chǔ) 1
1.1 隨機(jī)變量及其分布 1
1.1.1 隨機(jī)變量 1
1.1.2 概率分布 2
1.1.3 累積概率分布 7
1.1.4 隨機(jī)變量函數(shù)的分布 9
1.2 隨機(jī)變量的數(shù)字特征 17
1.2.1 數(shù)學(xué)期望 17
1.2.2 方差 20
1.2.3 矩與特征函數(shù) 24
1.2.4 協(xié)方差與相關(guān)系數(shù) 27
1.2.5 分位數(shù) 29
1.3 參數(shù)估計(jì)方法 30
1.3.1 點(diǎn)估計(jì) 30
1.3.2 區(qū)間估計(jì) 34
1.4 假設(shè)檢驗(yàn) 35
1.4.1 原假設(shè)與備擇假設(shè) 35
1.4.2 拒絕域和顯著性水平 36
1.4.3 常見的假設(shè)檢驗(yàn) 37
習(xí)題1 46
第2章 一元線性回歸 48
2.1 回歸分析的發(fā)展和一般模型 48
2.2 一元回歸模型簡(jiǎn)介 50
2.2.1 一元線性回歸模型 50
2.2.2 回歸模型的基本假定 52
2.3 一元回歸的參數(shù)估計(jì)及其性質(zhì) 53
2.3.1 普通最小二乘估計(jì) 53
2.3.2 OLS估計(jì)的基本性質(zhì) 57
2.3.3 最大似然估計(jì) 61
2.4 一元回歸的擬合優(yōu)度 62
2.4.1 方差分析 62
2.4.2 R2 和相關(guān)系數(shù) 63
2.5 一元回歸的顯著性檢驗(yàn) 64
2.5.1 回歸系數(shù)的顯著性檢驗(yàn)與區(qū)間估計(jì) 64
2.5.2 回歸模型的顯著性檢驗(yàn) 67
2.6 殘差分析與預(yù)測(cè) 68
2.6.1 殘差分析 68
2.6.2 預(yù)測(cè) 70
習(xí)題2 75
第3章 多元線性回歸 78
3.1 多元線性回歸模型簡(jiǎn)介 78
3.1.1 多元線性回歸模型 78
3.1.2 回歸模型的基本假定 80
3.2 多元線性回歸的參數(shù)估計(jì)及其性質(zhì) 81
3.2.1 多元線性回歸的參數(shù)估計(jì) 81
3.2.2 OLS 估計(jì)的基本性質(zhì) 83
3.2.3 最大似然估計(jì) 84
3.2.4 回歸方程的解讀 85
3.3 多元線性回歸的顯著性檢驗(yàn) 87
3.3.1 擬合優(yōu)度檢驗(yàn) 87
3.3.2 回歸模型的顯著性檢驗(yàn) 89
3.3.3 回歸系數(shù)的顯著性檢驗(yàn) 90
3.3.4 回歸系數(shù)的區(qū)間估計(jì) 92
3.4 多元回歸的預(yù)測(cè) 94
3.4.1 平均值的區(qū)間預(yù)測(cè) 95
3.4.2 單值的區(qū)間預(yù)測(cè) 95
3.5 中心化與標(biāo)準(zhǔn)化回歸模型 96
3.5.1 中心化回歸模型 96
3.5.2 標(biāo)準(zhǔn)化回歸模型 97
3.5.3 非線性模型的標(biāo)準(zhǔn)化 97
習(xí)題3 100
第4章 違背基本假設(shè)的回歸分析處理 103
4.1 異方差及其識(shí)別 103
4.1.1 異方差的概念和影響 103
4.1.2 異方差的識(shí)別方法 104
4.1.3 異方差的處理方法 109
4.1.4 加權(quán)最小二乘方法 110
4.2 自相關(guān)問題及其識(shí)別113
4.2.1 自相關(guān)的產(chǎn)生原因 113
4.2.2 自相關(guān)的檢驗(yàn) 114
4.2.3 自相關(guān)的處理方法 117
4.3 異常值和強(qiáng)影響點(diǎn)及其識(shí)別 121
4.3.1 異常值的識(shí)別 121
4.3.2 強(qiáng)影響點(diǎn)的識(shí)別 122
4.3.3 異常值和強(qiáng)影響點(diǎn)的處理 125
4.4 多重共線性及其識(shí)別126
4.4.1 多重共線性的概念和影響 126
4.4.2 多重共線性的識(shí)別 128
4.4.3 多重共線性的處理 131
習(xí)題4 132
第5章 線性回歸模型的變量選擇 134
5.1 自變量選擇簡(jiǎn)介 134
5.1.1 全模型和選模型 134
5.1.2 自變量選擇錯(cuò)誤的影響 135
5.2 所有子集回歸 138
5.2.1 最優(yōu)子集回歸 138
5.2.2 變量選擇準(zhǔn)則 140
5.3 逐步回歸 147
5.3.1 前向和后向選擇 147
5.3.2 逐步回歸法 149
習(xí)題5 152
第6章 回歸方法拓展 156
6.1 線性回歸拓展 156
6.1.1 主成分回歸 156
6.1.2 嶺回歸 161
6.1.3 Lasso 方法 169
6.2 非線性回歸 171
6.3 屬性變量回歸 178
6.3.1 虛擬解釋變量回歸 178
6.3.2 Logistic回歸 186
習(xí)題6 192
第7章 時(shí)間序列的預(yù)處理 197
7.1 時(shí)間序列分析簡(jiǎn)介 197
7.1.1 時(shí)間序列的定義 197
7.1.2 時(shí)間序列分析方法 198
7.1.3 時(shí)間序列分析的發(fā)展史 198
7.2 平穩(wěn)時(shí)間序列 199
7.2.1 特征統(tǒng)計(jì)量 199
7.2.2 平穩(wěn)性的定義 201
7.2.3 平穩(wěn)性的檢驗(yàn) 202
7.2.4 白噪聲檢驗(yàn) 205
7.3 平穩(wěn)化方法 207
7.3.1 分解定理 207
7.3.2 確定性因素分解法 208
習(xí)題7 214
第8章 線性時(shí)間序列模型 216
8.1 方法性工具 216
8.1.1 差分運(yùn)算 216
8.1.2 滯后算子 217
8.1.3 線性差分方程 217
8.2 自回歸模型 220
8.2.1 AR模型的定義 220
8.2.2 AR模型的統(tǒng)計(jì)性質(zhì) 221
8.3 移動(dòng)平均模型 227
8.3.1 MA模型的定義 227
8.3.2 MA模型的統(tǒng)計(jì)性質(zhì) 227
8.4 自回歸移動(dòng)平均模型230
8.4.1 ARMA模型的定義 230
8.4.2 ARMA模型的因果可逆過程 231
8.4.3 ARMA模型的統(tǒng)計(jì)性質(zhì) 232
習(xí)題8 234
第9章 線性時(shí)間序列的建模與預(yù)測(cè) 235
9.1 自回歸模型 235
9.1.1 參數(shù)估計(jì) 235
9.1.2 模型檢驗(yàn)和優(yōu)化 237
9.1.3 序列預(yù)測(cè) 238
9.2 移動(dòng)平均模型 240
9.2.1 參數(shù)估計(jì) 240
9.2.2 模型檢驗(yàn)和優(yōu)化 241
9.2.3 序列預(yù)測(cè) 242
9.3 自回歸移動(dòng)平均模型243
9.3.1 參數(shù)估計(jì) 243
9.3.2 序列預(yù)測(cè) 244
9.4 線性時(shí)間序列模型的定階 245
9.4.1 圖形辨識(shí)法 245
9.4.2 信息準(zhǔn)則法 247
9.4.3 模型診斷法 248
9.5 線性時(shí)間序列建模小結(jié) 250
習(xí)題9 253
第10章 時(shí)間序列模型的拓展 255
10.1 ARIMA模型 255
10.1.1 模型的定義 255
10.1.2 模型的性質(zhì) 259
10.1.3 模型的建模 260
10.1.4 模型的應(yīng)用 261
10.2 ARCH模型 264
10.2.1 模型的定義 264
10.2.2 模型的性質(zhì) 265
10.2.3 模型的建模 267
10.2.4 模型的應(yīng)用 267
10.2.5 GARCH模型及其應(yīng)用 271
習(xí)題10 273
第11章 多元時(shí)間序列介紹 275
11.1 多元平穩(wěn)時(shí)間序列 275
11.1.1 多元平穩(wěn)時(shí)間序列的定義 275
11.1.2 均值和自協(xié)方差函數(shù)的估計(jì) 276
11.2 ARIMAX模型 277
11.2.1 ARIMAX模型的定義和性質(zhì) 277
11.2.2 ARIMAX模型的建模 277
11.2.3 案例分析 279
11.3 向量自回歸模型 280
11.3.1 VAR模型的定義和性質(zhì) 280
11.3.2 VAR模型的建模 281
11.4 協(xié)整與因果關(guān)系 284
11.4.1 偽回歸 284
11.4.2 協(xié)整的定義 285
11.4.3 協(xié)整的檢驗(yàn) 285
11.4.4 Granger因果性的定義 287
11.4.5 Granger因果檢驗(yàn) 288
習(xí)題11 289
第12章 時(shí)間序列的譜表示 290
12.1 譜分布與譜密度 290
12.2 平穩(wěn)序列的周期圖 293
12.2.1 周期圖的定義 293
12.2.2 周期圖的性質(zhì) 295
12.3 加窗譜估計(jì).297
12.3.1 加時(shí)窗的譜估計(jì) 297
12.3.2 加譜窗的譜估計(jì) 298
12.3.3 常用譜窗和時(shí)窗 300
12.4 平穩(wěn)序列的譜表示 302
12.4.1 譜表示定理 302
12.4.2 線性平穩(wěn)序列的譜表示 303
12.4.3 離散譜序列的特征 304
12.4.4 離散譜序列的隨機(jī)測(cè)度 306
12.4.5 平穩(wěn)序列的分解 308
12.4.6 ARMA序列的譜表示 308
習(xí)題12 310
參考文獻(xiàn) 311
附錄 全書R語(yǔ)言程序代碼 312
書單推薦
