图书介绍
高等院校研究生用书·复杂数据统计方法 基于R的应用 第2版PDF|Epub|txt|kindle电子书版本下载
- 吴喜之编著 著
- 出版社： 北京：中国人民大学出版社
- ISBN：7300181414
- 出版时间：2013
- 标注页数：234页
- 文件大小：98MB
- 文件页数：246页
- 主题词：统计分析－应用软件－研究生－教材
PDF下载
下载说明
高等院校研究生用书·复杂数据统计方法 基于R的应用 第2版PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第一章 引言1
1.1作为科学的统计1
1.2数据分析的实践2
1.3数据的形式以及可能用到的模型3
1.3.1横截面数据：因变量为实轴上的数量变量4
1.3.2横截面数据：因变量为分类（定性）变量或者频数4
1.3.3纵向数据，多水平数据，面板数据，重复观测数据5
1.3.4多元数据各变量之间的关系：多元分析5
1.3.5路径模型/结构方程模型6
1.3.6多元时间序列数据6
1.4 R软件入门6
1.4.1简介6
1.4.2动手8
第二章 横截面数据：因变量为实数轴上的数量变量10
2.1简单回归回顾10
2.1.1对例2.1数据的简单拟合11
2.1.2对例2.1数据的进一步分析12
2.1.3对简单线性回归的一些讨论15
2.1.4损失函数及分位数回归简介16
2.2简单线性模型不易处理的横截面数据18
2.2.1标准线性回归中的指数变换20
2.2.2生存分析数据的Cox回归模型22
2.2.3数据出现多重共线性情况：岭回归，lasso回归，适应性lasso回归，偏最小二乘回归25
2.2.4无法做任何假定的数据：机器学习回归方法32
2.2.5决策树回归（回归树）34
2.2.6 Boosting回归37
2.2.7 Bagging回归38
2.2.8随机森林回归39
2.2.9人工神经网络回归40
2.2.10支持向量机回归42
2.2.11几种回归方法五折交叉验证结果43
2.2.12方法的稳定性及过拟合44
第三章 横截面数据：因变量为分类变量及因变量为频数（计数）变量的情况47
3.1经典logistic回归，probit回归和仅适用于数量自变量的判别分析回顾47
3.1.1 Logistic回归和probit回归48
3.1.2广义线性模型简介51
3.1.3经典判别分析52
3.2因变量为分类变量，自变量含有分类变量：机器学习分类方法54
3.2.1决策树分类（分类树）56
3.2.2 Adaboost分类59
3.2.3 Bagging分类61
3.2.4随机森林分类63
3.2.5支持向量机分类66
3.2.6最近邻方法分类67
3.2.7分类方法五折交叉验证结果68
3.3因变量为频数（计数）的情况69
3.3.1经典的Poisson对数线性模型回顾70
3.3.2使用Poisson对数线性模型时的散布问题72
3.3.3零膨胀计数数据的Poisson回归74
3.3.4机器学习的算法模型拟合计数数据78
3.3.5关于模型驱动还是数据驱动的简单讨论80
3.3.6多项logit模型及多项分布对数线性模型回顾81
第四章 纵向数据（多水平数据，面板数据）88
4.1线性随机效应混合模型89
4.2广义线性随机效应混合模型94
4.3决策树及随机效应模型97
4.4纵向生存数据分析99
4.4.1 Cox随机效应混合模型99
4.4.2分步联合建模103
4.5计量经济学家的视角：面板数据110
第五章 多元分析116
5.1实数轴上的数据：经典多元分析内容回顾116
5.1.1主成分分析及因子分析116
5.1.2分层聚类及k均值聚类125
5.1.3典型相关分析128
5.1.4对应分析132
5.2非经典多元数据分析：可视化135
5.2.1主成分分析136
5.2.2对应分析137
5.2.3多重对应分析138
5.2.4多重因子分析139
5.2.5分层多重因子分析141
5.2.6基于主成分分析的分层聚类142
5.3多元数据的关联规则分析144
第六章 路径建模（结构方程建模）数据的PLS分析150
6.1路径模型概述150
6.1.1路径模型150
6.1.2路径模型的两种主要方法151
6.2 PLS方法：顾客满意度的例子153
6.3协方差方法简介158
6.4结构方程模型的一些问题162
第七章 多元时间序列数据164
7.1时间序列的基本概念及单变量时间序列方法的回顾164
7.1.1时间序列的一些定义和基本概念164
7.1.2常用的一元时间序列方法171
7.2单位根检验，协整检验及Granger因果检验182
7.2.1概述182
7.2.2单位根检验183
7.2.3协整检验185
7.2.4 Granger因果检验191
7.3 VAR模型，VARX模型与状态空间模型193
7.3.1 VAR模型的拟合与预测193
7.3.2 VARX模型的拟合与预测195
7.3.3状态空间模型的拟合与预测198
7.3.4模型的比较200
7.4非线性时间序列203
7.4.1引言203
7.4.2线性AR模型205
7.4.3自门限自回归模型（SETAR）206
7.4.4 Logistic平滑过渡自回归模型（LSTAR）211
7.4.5神经网络模型213
7.4.6可加AR模型214
7.4.7模型的比较215
7.4.8门限协整215
附录练习：熟练使用R软件221
参考文献230