復(fù)雜數(shù)據(jù)統(tǒng)計(jì)方法

內(nèi)容概要

　　《復(fù)雜數(shù)據(jù)統(tǒng)計(jì)方法——基于r的應(yīng)用》用自由的日軟件分析30多個(gè)可以從國外網(wǎng)站下載的真實(shí)數(shù)據(jù)，包括橫截面數(shù)據(jù)、縱向數(shù)據(jù)和時(shí)間序列數(shù)據(jù)，通過這些數(shù)據(jù)介紹了幾乎所有經(jīng)典方法及最新的機(jī)器學(xué)習(xí)方法。
　　《復(fù)雜數(shù)據(jù)統(tǒng)計(jì)方法——基于r的應(yīng)用》特點(diǎn)：(1)以數(shù)據(jù)為導(dǎo)向；(2)介紹最新的方法(附有傳統(tǒng)方法回顧)；(3)提供r軟件入門及全部例子計(jì)算的日代碼及數(shù)據(jù)的網(wǎng)址；(4)各章獨(dú)立。
　　《復(fù)雜數(shù)據(jù)統(tǒng)計(jì)方法——基于r的應(yīng)用》的讀者對(duì)象包括統(tǒng)計(jì)學(xué)、應(yīng)用統(tǒng)計(jì)學(xué)、經(jīng)濟(jì)學(xué)、數(shù)學(xué)、應(yīng)用數(shù)學(xué)、精算、環(huán)境、計(jì)量經(jīng)濟(jì)學(xué)、生物醫(yī)學(xué)等專業(yè)的本科、碩士及博士生，各領(lǐng)域的教師和實(shí)際工作者。

作者簡(jiǎn)介

　　吳喜之，北京大學(xué)數(shù)學(xué)力學(xué)系本科，美國北卡羅來納大學(xué)統(tǒng)計(jì)博士。中國人民大學(xué)統(tǒng)計(jì)學(xué)院教授，博士生導(dǎo)師。曾在美國加利福尼亞大學(xué)、美國北卡羅來納大學(xué)、南開大學(xué)、中國人民大學(xué)、北京大學(xué)等多所著名學(xué)府執(zhí)教。

書籍目錄

第1章引言
1.1作為科學(xué)的統(tǒng)計(jì)
1.2數(shù)據(jù)分析的實(shí)踐
1.3數(shù)據(jù)的形式以及可能用到的模型
1.3.1橫截面數(shù)據(jù)：因變量為實(shí)軸上的數(shù)量變量
1.3.2橫截面數(shù)據(jù)：因變量為分類(定性)變量或者頻數(shù)
1.3.3縱向數(shù)據(jù)，多水平數(shù)據(jù)，面板數(shù)據(jù)，重復(fù)觀測(cè)數(shù)據(jù)
1.3.4多元數(shù)據(jù)各變量之間的關(guān)系：多元分析
1.3.5路徑模型／結(jié)構(gòu)方程模型
1.3.6多元時(shí)間序列數(shù)據(jù)
1.4 r軟件入門
1.4.1簡(jiǎn)介
1.4.2動(dòng)手
第2章橫截面數(shù)據(jù)：因變量為實(shí)數(shù)軸上的數(shù)量變量
2.1簡(jiǎn)單回歸回顧
2.2簡(jiǎn)單線性模型不易處理的橫截面數(shù)據(jù)
2.2.1標(biāo)準(zhǔn)線性回歸中的指數(shù)變換
2.2.2生存分析數(shù)據(jù)的cox回歸模型
2.2.3數(shù)據(jù)出現(xiàn)多重共線性情況：嶺回歸，lasso回歸，適應(yīng)性lasso回歸，偏最小二乘回歸
2.2.4無法做任何假定的數(shù)據(jù)：機(jī)器學(xué)習(xí)回歸方法
2.2.5決策樹回歸(回歸樹)
2.2.6boosting回歸
2.2.7bagging回歸
2.2.8隨機(jī)森林回歸
2.2.9人工神經(jīng)網(wǎng)絡(luò)回歸
2.2.10支持向量機(jī)回歸
2.2.11幾種回歸方法五折交叉驗(yàn)證結(jié)果
2.2.12方法的穩(wěn)定性及過擬合
第3章橫截面數(shù)據(jù)：因變量為分類變量及因變量為頻數(shù)(計(jì)數(shù))變量的情況
3.1經(jīng)典logistic回歸，probit回歸和僅適用于數(shù)量自變量的判別分析回顧
3.1.1logistic回歸和probit回歸
3.1.2經(jīng)典判別分析
3.2因變量為分類變量，自變量含有分類變量：機(jī)器學(xué)習(xí)分類方法
3.2.1決策樹分類(分類樹)
3.2.2adaboost分類
3.2.3bagging分類
3.2.4隨機(jī)森林分類
3.2.5支持向量機(jī)分類
3.2.6最近鄰方法分類
3.2.7分類方法五折交叉驗(yàn)證結(jié)果
3.3因變量為頻數(shù)(計(jì)數(shù))的情況
3.3.1經(jīng)典的poisson對(duì)數(shù)線性模型回顧
3.3.2使用poisson對(duì)數(shù)線性模型時(shí)的散布問題
3.3.3零膨脹計(jì)數(shù)數(shù)據(jù)的poisson回歸
3.3.4使用機(jī)器學(xué)習(xí)的算法模型擬合計(jì)數(shù)數(shù)據(jù)
3.3.5多項(xiàng)logit模型及多項(xiàng)分布對(duì)數(shù)線性模型回顧
第4章縱向數(shù)據(jù)(多水平數(shù)據(jù)，面板數(shù)據(jù))
4.1縱向數(shù)據(jù)：線性隨機(jī)效應(yīng)混合模型
4.2縱向數(shù)據(jù)：廣義線性隨機(jī)效應(yīng)混合模型
4.3縱向數(shù)據(jù)：決策樹及隨機(jī)效應(yīng)模型
4.4縱向數(shù)據(jù)：縱向生存數(shù)據(jù)
4.4.1cox隨機(jī)效應(yīng)混合模型
4.4.2分步聯(lián)合建模
4.5計(jì)量經(jīng)濟(jì)學(xué)家的視角：面板數(shù)據(jù)
第5章多元分析(不區(qū)分因變量及自變量)
5.1實(shí)數(shù)軸上的數(shù)據(jù)：經(jīng)典多元分析內(nèi)容回顧
5.1.1主成分分析及因子分析
5.1.2分層聚類及k均值聚類
5.1.3典型相關(guān)分析
5.1.4對(duì)應(yīng)分析
5.2非經(jīng)典多元數(shù)據(jù)分析：可視化
5.2.1主成分分析
5.2.2對(duì)應(yīng)分析
5.2.3多重對(duì)應(yīng)分析
5.2.4多重因子分析
5.2.5分層多重因子分析
5.2.6基于主成分分析的聚類
5.3多元數(shù)據(jù)的關(guān)聯(lián)規(guī)則分析
第6章路徑建模(結(jié)構(gòu)方程建模)數(shù)據(jù)的pls分析
6.1路徑模型概述
6.1.1路徑模型
6.1.2路徑模型的兩種主要方法
6.2 pls方法：顧客滿意度的例子
6.3協(xié)方差方法簡(jiǎn)介
6.4結(jié)構(gòu)方程模型的一些問題
第7章多元時(shí)間序列數(shù)據(jù)
7.1時(shí)間序列的基本概念及單變量時(shí)間序列方法回顧
7.1.1時(shí)間序列的一些定義和基本概念
7.1.2常用的一元時(shí)間序列方法
7.2單位根及協(xié)整檢驗(yàn)
7.2.1概述
7.2.2單位根檢驗(yàn)
7.2.3協(xié)整檢驗(yàn)
7.3varx模型與狀態(tài)空間模型
7.3.1varx模型擬合
7.3.2狀態(tài)空間模型擬合
7.3.3模型的比較和預(yù)測(cè)
附錄練習(xí)：熟練使用r軟件
參考文獻(xiàn)

編輯推薦

《復(fù)雜數(shù)據(jù)統(tǒng)計(jì)方法——基于R的應(yīng)用》由吳喜之編著，本書首先通過一些簡(jiǎn)單的統(tǒng)計(jì)和數(shù)學(xué)內(nèi)容介紹R軟件的基本知識(shí)，然后介紹數(shù)據(jù)分析的一些基本邏輯和常識(shí)。本書的主體則是根據(jù)不同數(shù)據(jù)形式介紹相應(yīng)的方法。本書以數(shù)據(jù)為主導(dǎo)，各章都是完全獨(dú)立的。有一些統(tǒng)計(jì)基本知識(shí)的讀者可以選讀本書的任何一個(gè)完整的部分。雖然本書介紹的方法涉及應(yīng)用統(tǒng)計(jì)的各個(gè)方面，但不可能介紹所有的數(shù)學(xué)和統(tǒng)計(jì)細(xì)節(jié)，否則將會(huì)是一部巨型的百科全書。筆者盡量用文字和少量數(shù)學(xué)公式對(duì)各種方法的原理予以直觀介紹，并且引導(dǎo)讀者做進(jìn)一步的閱讀。

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    復(fù)雜數(shù)據(jù)統(tǒng)計(jì)方法 PDF格式下載

---