现代统计模型

前言
符号表
第1章 预备知识
1.1 回归模型简介
1.1.1 参数回归模型
1.1.2 非参数回归模型
1.1.3 半参数回归模型
1.2 光滑方法
1.2.1 核光滑
1.2.2 局部多项式光滑
1.2.3 样条光滑
1.2.4 权函数法与其他估计
1.3 选择光滑参数
1.3.1 交叉验证
1.3.2 广义交叉验证
1.4 经验似然
1.4.1 经验似然的思想
1.4.2 参数的经验似然
1.4.3 估计方程与经验似然
1.4.4 主要成果与文献注记
1.5 惩罚方法
1.5.1 惩罚函数
1.5.2 惩罚估计与变量选择
1.5.3 主要成果与文献注记
1.6 复杂数据简介
1.6.1 纵向数据
1.6.2 缺失数据
1.6.3 删失数据
1.6.4 测量误差数据
参考文献
第2章 部分线性模型
2.1 引言
2.2 估计方法
2.2.1 权函数方法
2.2.2 偏光滑样条方法
2.2.3 一般光滑方法
2.2.4 分段多项式方法
2.2.5 拟似然方法
2.2.6 经验似然方法
2.2.7 模拟
2.3 删失数据分析
2.3.1 估计方法
2.3.2 经验似然
2.4 测量误差数据分析
2.4.1 校正的最小二乘估计
2.4.2 广义最小二乘估计
2.4.3 分位数回归估计
2.4.4 经验似然
2.5 缺失数据分析
2.5.1 缺失响应下回归系数的估计
2.5.2 缺失响应下基准函数的经验似然
2.5.3 缺失响应下响应均值的估计
2.5.4 缺失协变量下回归系数的估计
2.5.5 模拟研究
2.5.6 定理的证明
2.6 纵向数据分析
2.6.1 模型
2.6.2 后移算法
2.6.3 profile核估计方程
2.6.4 样条逼近
2.6.5 经验似然
2.6.6 计数过程方法
2.7 模型检验
2.8 变量选择
2.8.1 惩罚最小二乘
……
第3章 单指标模型
第4章 部分线性单指标模型
第5章 变系数模型
第6章 部分线性变系数模型
第7章 单指标变系数模型
第8章 部分变系数单指标模型
第9章 单指标混合效应模型
第10章 可加模型
《现代数学基础丛书》已出版书目