回归分析（修订版）

　　　　　　　　　　　　　　　　　　目　　录

第1 章　基本统计概念

1

　　1.1　统计思想对于社会科学研究的重要性

1

　　1.2　本书的特点

3

　　1.3　基本统计概念

4

　　1.4　随机变量的和与差

17

　　1.5　期望与协方差的性质

17

　　1.6　本章小结

18

第2 章　统计推断基础

20

　　2.1　分布

20

　　2.2　估计

30

　　2.3　假设检验

34

　　2.4　本章小结

48

第3 章　一元线性回归

49

　　3.1　理解回归概念的三种视角

50

　　3.2　回归模型

51

　　3.3　回归直线的拟合优度

58

　　3.4　假设检验

63

　　3.5　对特定X下Y均值的估计

65

　　3.6　对特定X下Y单一值的预测

66

　　3.7　简单线性回归中的非线性变换

69

　　3.8　实例分析

71

　　3.9　本章小结

76

第4 章　线性代数基础

78

　　4.1　定义

78

　　4.2　矩阵的运算

80

　　4.3　特殊矩阵

84

　　4.4　矩阵的秩

87

　　4.5　矩阵的逆

87

　　4.6　行列式

88

　　4.7　矩阵的运算法则

91

　　4.8　向量的期望和协方差阵的介绍

92

　　4.9　矩阵在社会科学中的应用

92

　　4.10　本章小结

93

第5 章　多元线性回归

95

　　5.1　多元线性回归模型的矩阵形式

95

　　5.2　多元回归的基本假定

96

　　5.3　多元回归参数的估计

98

　　5.4　OLS回归方程的解读

99

　　5.5　多元回归模型误差方差的估计

101

　　5.6　多元回归参数估计量方差的估计

102

　　5.7　模型设定中的一些问题

103

　　5.8　标准化回归模型

106

　　5.9　CHIP88实例分析

108

　　5.10　本章小结

112

第6 章　多元回归中的统计推断与假设检验

114

　　6.1　统计推断基本原理简要回顾

114

　　6.2　统计显著性的相对性，以及效应幅度

116

　　6.3　单个回归系数βk=0的检验

118

　　6.4　多个回归系数的联合检验

118

　　6.5　回归系数线性组合的检验

121

　　6.6　本章小结

123

第7 章　方差分析和F检验

124

　　7.1　一元线性回归中的方差分析

124

　　7.2　多元线性回归中的方差分析

130

　　7.3　方差分析的假定条件

137

　　7.4　F检验

138

　　7.5　判定系数增量

139

　　7.6　拟合优度的测量

140

　　7.7　实例分析

141

　　7.8　本章小结

143

第8 章　辅助回归和偏回归图

145

　　8.1　回归分析中的两个常见问题

145

　　8.2　辅助回归

146

　　8.3　变量的对中

152

　　8.4　偏回归图

152

　　8.5　排除忽略变量偏误的方法

155

　　8.6　应用举例

155

　　8.7　本章小结

160

第9 章　因果推断和路径分析

161

　　9.1　相关关系

161

　　9.2　因果推断

162

　　9.3　因果推断的问题

162

　　9.4　因果推断的假设

163

　　9.5　因果推断中的原因

167

　　9.6　路径分析

169

　　9.7　本章小结

183

第10 章　多重共线性问题

185

　　10.1　多重共线性问题的引入

185

　　10.2　完全多重共线性

186

　　10.3　近似多重共线性

187

　　10.4　多重共线性的度量

188

　　10.5　多重共线性问题的处理

191

　　10.6　本章小结

192

第11 章　多项式回归、样条函数回归和阶跃函数回归

193

　　11.1　多项式回归

193

　　11.2　样条函数回归

206

　　11.3　阶跃函数回归

209

　　11.4　本章小结

215

第12 章　虚拟变量与名义自变量

217

　　12.1　名义变量的定义与特性

217

　　12.2　虚拟变量的设置

218

　　12.3　虚拟变量的应用

221

　　12.4　本章小结

232

第13 章　交互项

234

　　13.1　交互项

235

　　13.2　由不同类型解释变量构造的交互项

236

　　13.3　利用嵌套模型检验交互项的存在

242

　　13.4　是否可以删去交互项中的低次项？

243

　　13.5　构造交互项时需要注意的问题

246

　　13.6　本章小结

248

第14 章　异方差与广义最小二乘法

250

　　14.1　异方差

250

　　14.2　异方差现象举例

252

　　14.3　异方差情况下的常规最小二乘估计

253

　　14.4　广义最小二乘法

256

　　14.5　加权最小二乘法

258

　　14.6　本章小结

261

第15 章　纵贯数据的分析

264

　　15.1　追踪数据的分析

265

　　15.2　趋势分析

283

　　15.3　本章小结

291

第16 章　多层线性模型介绍

294

　　16.1　多层线性模型发展的背景

295

　　16.2　多层线性模型的基本原理

296

　　16.3　模型的优势与局限

299

　　16.4　多层线性模型的若干子模型

299

　　16.5　自变量对中的问题

305

　　16.6　应用举例

308

　　16.7　本章小结

316

第17 章　回归诊断

318

　　17.1　因变量是否服从正态分布

319

　　17.2　残差是否服从正态分布

322

　　17.3　异常观测案例

324

　　17.4　本章小结

330

第18 章　二分因变量的logit模型

331

　　18.1　线性回归面对二分因变量的困境

332

　　18.2　转换的方式

334

　　18.3　潜变量方式

339

　　18.4　模型估计、评价与比较

340

　　18.5　模型回归系数解释

346

　　18.6　统计检验与推断

349

　　18.7　本章小结

351

词汇表

352

参考文献

381

后　记

386