應用回歸分析（簡體書）

回歸分析是統計學中的一個重要分支。它是研究變量之間數量依存關係的一類統計方法，是實際數據分析工作中常用的統計工具之一，其應用領域不僅包括自然科學領域，也包括管理科學、社會科學和經濟等各個領域。加強回歸分析理論的推廣、學習和方法的掌握，不僅成為統計教育界的共識，在實際部門相關問題的分析與研究中也得到了越來越多的應用和重視。
要在實際應用中發揮回歸分析的重要作用，不僅要較好地理解回歸分析的基本原理與方法，還需要掌握回歸分析方法應用中的技巧，具有解決應用中所遇到的各種問題的能力。在教學與實際應用中，我們注意到，由於對分析物件認識的片面性或對回歸分析原理與方法的理解和掌握不到位，研究者和學習者在方法的使用過程中常常會出現一些問題，例如，學習了回歸分析的方法，但不知道如何應用；學習了回歸分析方法，但不知道對什麼問題在什麼情況下應用；此外，在實際應用中存在著大量的方法誤用的情況，像出現了大量的偽回歸的問題、錯誤的模型等，形成統計陷阱；缺乏回歸分析的應用技能，無法有效地將理論與方法應用於實踐。
為了加強應用統計學課程的建設，筆者在總結多年統計學教學經驗、實際工作經驗的基礎上編寫了《應用回歸分析》。
《應用回歸分析》的編寫旨在介紹回歸分析的基本理論、基本方法和方法的基本原理，以及此基礎上如何應用，從而培養學生有效地使用回歸分析方法分析、研究的能力，使他們能夠透過數據發現問題。
《應用回歸分析》共12章，包括基本的線性回歸模型，如一元線性回歸模型和多元線性回歸模型：線性回歸模型的推廣、回歸模型中自變量的選擇和模型的設定與改進：經典回歸模型假定的診斷與假定不滿足時參數的估計方法；簡單的時間數列回歸模型、面板數據回歸模型和分位數回歸模型等。

馬立平，女，1963年出生，經濟學博士。現任首都經濟貿易大學統計學院教授，統計學專業博士生導師，北京市市屬市管高校中青年骨幹教師、教學名師。主要研究經濟統計分析、數量經濟學。

回歸分析是統計學中的一個重要分支。它是研究變量之間數量依存關係的一類統計方法，是實際數據分析工作中最常用的統計工具之一，其應用領域不僅包括自然科學領域，也包括管理科學、社會科學和經濟等各個領域。加強回歸分析理論的推廣、學習和方法的掌握，不僅成為統計教育界的共識，在實際部門相關問題的分析與研究中也得到了越來越多的應用和重視。
要在實際應用中發揮回歸分析的重要作用，不僅要較好地理解回歸分析的基本原理與方法，還需要掌握回歸分析方法應用中的技巧，具有解決應用中所遇到的各種問題的能力。在教學與實際應用中，我們注意到，由於對分析物件認識的片面性或對回歸分析原理與方法的理解和掌握不到位，研究者和學習者在方法的使用過程中常常會出現一些問題，例如，學習了回歸分析的方法，但不知道如何應用；學習了回歸分析方法，但不知道對什麼問題在什麼情況下應用；此外，在實際應用中存在著大量的方法誤用的情況，像出現了大量的偽回歸的問題、錯誤的模型等，形成統計陷阱；缺乏回歸分析的應用技能，無法有效地將理論與方法應用於實踐。
為了加強應用統計學課程的建設，筆者在總結多年統計學教學經驗、實際工作經驗的基礎上編寫了本教材。本教材的編寫旨在介紹回歸分析的基本理論、基本方法和方法的基本原理，以及此基礎上如何應用，從而培養學生有效地使用回歸分析方法分析、研究的能力，使他們能夠透過數據發現問題。
全書共12章，包括基本的線性回歸模型，如一元線性回歸模型和多元線性回歸模型：線性回歸模型的推廣、回歸模型中自變量的選擇和模型的設定與改進：經典回歸模型假定的診斷與假定不滿足時參數的估計方法；簡單的時間數列回歸模型、面板數據回歸模型和分位數回歸模型等。
本教材的編寫著重突出以下幾個方面的特點：
（1）具有針對性，即針對經濟管理類院校統計學專業、應用統計學專業、經濟管理類學生的特點，在不失體系結構完整、內容嚴謹的前提下，借助一些簡單的案例討論強化最基本的回歸分析方法的原理，突出應用。
（2）突出實用性，即強調回歸分析、統計思想的滲透，在系統闡述回歸分析方法的基礎上，以盡量避免或減少回歸分析方法誤用為目的，突出各種方法的特點、應用條件與局限性的介紹，同時突出定性分析和定量分析的結合，強調回歸分析的技術，提高學習者的應用能力。
（3）注重系統性，即根據研究物件及內容，比較系統地介紹最基本的、最常用的回歸分析的方法和基本理論，以體現教材結構的完整性。
（4）強調實際操作性，在基本方法與原理的基礎上，結合統計軟件，系統地介紹回歸分析的過程及技術實現，針對具體問題建立相應的回歸模型，提高實際操作能力。
本教材的編寫是在首都經濟貿易大學研究生院的大力支持下完成的，同時還得到統計學院和首都經濟貿易大學出版社的幫助，部分案例借鑒了相關的教材和著作，在此一並感謝。希望本教材的出版能夠為學習者提供幫助，當然，由於作者水平有限，書中難免有不足和偏頗之處，敬請讀者批評指正，我們衷心的感謝。

1 回歸分析概述
1．1 回歸的釋義與回歸分析的作用
1．2 回歸分析的基本過程
1．3 回歸分析的基本概念與一般模型

2 一元線性回歸模型
2．1 一元線性回歸模型概述
2．2 模型的參數估計
2．3 回歸模型的檢驗與評價
2．4 回歸模型的修正
2．5 一元線性回歸模型的應用
2．6 案例

3 多元線性回歸模型
3．1 多元線性回歸模型概述
3．2 多元線性回歸的參數估計
3．3 回歸模型的評價
3．4 回歸模型的統計檢驗
3．5 標準化回歸方程
3．6 案例

4 線性回歸的推廣
4．1 非線性回歸
4．2 定性被解釋變量的回歸分析

5 關於自變量的選擇
5．1 自變量選擇的基本原則
5．2 增加一個自變量的"邊際"貢獻分析
5．3 自變量選擇的逐步回歸法
5．4 虛擬變量的選擇

6 回歸模型的設定與改進
6．1 回歸模型的設定標準
6．2 模型設定錯誤的主要類型
6．3 回歸模型設定問題的診斷與檢驗

7 共線性數據模型的建立與有偏估計
7．1 解釋變量共線性定義、產生原因與後果
7．2 多重共線性的診斷
7．3 多重共線性的處理

8 方差齊性診斷與模型的加權最小二乘估計
8．1 異方差的定義、形成原因與後果
8．2 異方差的診斷
8．3 異方差的處理

9 誤差獨立性的診斷與模型的廣義最小二乘法
9．1 自相關的定義、形成的原因與後果
9．2 自相關的診斷
9．3 自相關的處理

10 動態回歸分析
10．1 動態回歸模型的基本概念
10．2 自回歸分布滯後模型的估計方法
10．3 格蘭杰因果關係的檢驗
……

11 面板數據模型
12 分位數回歸模型
參考文獻