Прикладной регрессионный анализ, 3-е издание
Методы регрессионного анализа представляют собой самые распространенные и эффективные средства поиска зависимостей между переменными. Данная книга является полным классическим введением в регрессионный анализ, в котором его фундаментальные основы представлены в доступной форме с простым и понятным изложением понятий и описанием приложений. От читателя требуются лишь знания основ элементарной теории статистики. В центре внимания авторов находятся подбор и исследование линейных и нелинейных регрессионных моделей по наборам данных разной величины — от совсем небольших до весьма внушительных. При этом описываются методы различной сложности — от таких, в которых вычисления могут быть выполнены с помощью обычного калькулятора, до таких, которые требуют использования мощной вычислительной техники.
Это третье издание книги, которое дополнено отдельными главами, посвященными мультиколлинеарности, обобщенным линейным моделям, геометрическим свойствам регрессии, робастной регрессии и процедурам тиражирования выборки (бутстрепа). Книга также включает множество примеров и упражнений, решения которых приводятся полностью или частично, и вопросы для самоконтроля. Все используемые множества данных доступны в электронном виде.
Книга предназначена для аналитиков, экспериментаторов и студентов высших учебных заведений. Она также может служить основой курса регрессионного анализа для работников промышленных предприятий и служащих государственных учреждений, поскольку описывает разнообразные средства анализа и эффективные способы их применения. Кроме того, книга может служить прекрасным справочным пособием для специалистов по статистике и ученых различного профиля.
Об авторах:
Норман Р. Дрейпер — преподаватель кафедры статистики Университета штата Висконсин (University of Wisconsin).
Гарри Смит — бывший профессор Маунт-Синайского медицинского института (Mt. Sinai School of Medicine).
Предисловие к третьему изданию
Глава 1. Предварительные сведения
Приложение 2А. Данные о работе паровой котельни
Глава 2. Подбор прямой методом наименьших квадратов
Глава 3. Исследование уравнения регрессии (регресcионный анализ)
Приложение 3А. Нормальные графики
Приложение 3Б. Команды системы MINITAB
Глава 4. Подбор прямой: специальные темы
Глава 5. Регрессия в матричных терминах: случай прямой линии
Глава 6. Метод регрессионного анализа - случай общей регрессии
Приложение 6А. Полезные сведения о матрицах
Глава 7. Дополнительная сумма квадратов и критерии для нескольких параметров
Приложение 7А. Ортогональные столбцы в матрице X
Приложение 7Б. Последовательные суммы квадратов в случае двух предикторов
Глава 8. Сериальная корреляция остатков и критерий Дарбина-Уотсона
Глава 9. Подробнее о проверке подобранных моделей корреляционно регрессионного анализа
Глава 10. Множественная регрессия: дополнительные вопросы
Приложение 10А. Метод неопределенных множителей Лагранжа
Глава 11. Смещение регрессионных оценок, математическое ожидание средних квадратов и сумм квадратов
Глава 12. Полезность регрессионных уравнений, большие значения F и R
Приложение 12А. Насколько значимой должна быть регрессия?
Глава 13. Модели, содержащие различные функции предикторов. Полиномиальные модели
Глава 14. Преобразование переменной отклика
Глава 15. Фиктивные переменные
Глава 16. Выбор наилучшего регрессионного уравнения
Приложение 16А. Данные задачи Хальда,корреляционная матрица и все 15 возможных регрессий
(метод корреляционно регрессионного анализа)
Глава 17. Плохо обусловленные данные регрессии
Приложение 17А. Преобразование матрицы X с целью ортогонализации столбцов
Глава 18. Гребневая регрессия (метод регрессионного анализа)
Приложение 18А. Связь гребневых оценок с МНК-оценками
Приложение 18Б. Гребневая регрессия и среднеквадратичная ошибка
Приложение 18В. Каноническая форма гребневой регрессии
Глава 19. Обобщенные линейные модели (glim)
Глава 20. Ингредиенты смеси в качестве предикторов
Приложение 20А. Переход от q переменных смешивания к q - 1 рабочей переменной
Глава 21. Геометрия метода наименьших квадратов
Приложение 21А. Обобщенные обратные матрицы
Глава 22. Больше о геометрии метода наименьших квадратов номы и сводные данные
Глава 24. Приложение множественного регрессионного анализа к задаче анализа дисперсии
Глава 25. Введение в нелинейное оценивание
Глава 26. Робастная регрессия (регресcионный анализ)
Глава 27. Процедуры тиражирования выборки (бутстреп)
Приложение 27А. Пример программы для системы
MINITAB: бутстреп с использованием остатков
Приложение 27Б. Пример программы для системы
MINITAB: бутстреп с использованием пар
Дополнительные замечания
Литература
Множественная регрессия
Контрольные вопросы по методу регрессионного анализа
Ответы к упражнениям
Таблицы
Список сокращений
Предметно-именной указатель
Изучаем Python, том 1, 5-е издание3 280 ₽
Java. Полное руководство, 10-е издание4 430 ₽
Анализ ценных бумаг. 3-е издание5 690 ₽