回归分析：方法、数据与R的应用

第1章 绪论
1．1 “回归”的由来
1．2 回归模型的作用
1．3 回归模型的一般形式
1．4 回归分析的基本概念
1．5 回归分析的数据收集
1．6 回归分析的方法体系
1．7 R软件的使用简介
1．8 小结
练习题
第2章 一元线性回归
2．1 基本模型
2．2 数据描述
2．3 模型估计
2．4 模型检验和评价
2．5 残差与回归值
2．6 预测
2．7 小结
练习题
第3章 多元线性回归
3．1 基本模型
3．2 数据描述
3．3 模型估计
3．4 模型检验和评价
3．5 残差与回归值
3．6 预测
3．7 小结
练习题
第4章 模型诊断
4．1 检验误差假设
4．2 检测异常观测
4．3 检查模型结构
4．4 小结
练习题
第5章 自变量的问题
5．1 测量误差
5．2 测量尺度
5．3 共线性
5．4 小结
练习题
第6章 误差的问题
6．1 广义最小二乘
6．2 加权最小二乘
6．3 拟合不足的检验
6．4 稳健回归
6．5 分位数回归
6．6 小结
练习题
第7章 模型选择
7．1 基于标准的方法
7．2 基于检验的方法
7．3 小结
练习题
第8章 收缩方法
8．1 岭回归
8．2 Lasso
8．3 自适应Lasso
8．4 主成分回归
8．5 偏最小二乘回归
8．6 小结
练习题
第9章 非线性回归
9．1 因变量的变换
9．2 自变量的变换
9．3 多项式回归
9．4 分段回归
9．5 内在的非线性回归
9．6 小结
练习题
第10章 广义线性模型
10．1 基本原理
10．2 Logistic回归模型
10．3 Softmax回归模型
10．4 Poisson回归模型
10．5 小结
练习题
第11章 非参数回归
11．1 核估计
11．2 局部回归
11．3 样条
11．4 小波
11．5 非参数多元回归
11．6 加法模型
11．7 小结
练习题
第12章 机器学习的回归模型
12．1 决策树
12．2 随机森林
12．3 AdaBoost模型
12．4 小结
练习题
第13章 人工神经网络
13．1 基本模型
13．2 三层前馈神经网络
13．3 类似于神经网络的统计模型
13．4 神经网络的应用
13．5 小结
练习题
第14章 缺失数据
14．1 缺失数据的类型
14．2 删除法
14．3 单一插补法
14．4 多重插补法
14．5 小结
练习题
索引