内容（目录请附本表之后）

本教材的主要内容是在相关分析的基础上,从经典的线性回归模型出发,介绍回归模型的假定条件、参数估计、模型的检验及模型的应用;结合实际应用中存在的问题、经典模型假设不成立的实际，对经典回归模型进行深入，提出回归模型的设定与改进，包括模型的改进、变量的选择、不完全数据的处理等，最后在基本理论与方法的基础上，触及回归分析的应用与回归模型的推广。本教材在注重理论的同时，将加入软件的实现部分。

与现用教材相比有什么特点：

与同类教材相比较的主要特色有：
1．强调针对性，即针对经济类院校统计专业、经济管理类专业学生的专业特点，在不失回归分析方法、体系结构完整、内容严谨的前提下，结合中国社会、经济、自然科学等领域的研究实例，借助于典型的相关经济案例来论述回归分析的原理与方法。，突出实际案例的应用。
2．突出实用性，即强调回归分析、统计思想渗透，在系统阐述回归分析方法的基础上，突出各种方法的特点和局限性的介绍，以避免、减少对回归分析方法的误用，同时突出定性分析与定量分析的结合，强调回归分析的技术，以提高学习者分析的技能。
3．注重系统性，根据研究对象及内容，全面介绍各种主要回归分析的理论与方法，体现本教材结构的完整性与系统性。
4．把握学术前沿，将国内外相对较新的回归分析理论和方法与应用引入教材，使学生了解回归分析的研究动态和发展趋势。
5．结合统计软件全面、系统地介绍回归分析过程及技术实现，针对具体问题建立相应的回归模型，提高学习者回归分析的实际操作能力与水平，实现对软件的有效与充分。


缺陷：

本书融合了作者多年的教学和实际工作经验，旨在介绍回归分析的基本原理、基本方法及其在经济领域中的应用，以培养学生学会使用回归分析方法解决实际问题。全书包括回归分析基础、经典线性回归分析、违背经典假设的线性回归方程参数估计和实践中的回归分析等内容。
本书主要特色
突出实用性：强调回归分析、统计思想渗透，在系统阐述回归分析方法的基础上，突出各种方法的特点和局限性的介绍，以避免或减少对回归分析方法的误用，同时突出定性分析与定量分析的结合，强调回归分析的技术，以提高学习者分析的技能。
注重系统性：根据研究对象及内容，全面介绍各种主要回归分析的理论与方法，体现本教材结构的完整性与系统性。
与统计软件相结合：使用EViews和SPSS全面、系统地介绍回归分析过程及技术实现，针对具体问题建立相应的回归模型，提高学生的实际操作能力与水平。

回归分析是统计学中的一个重要分支。它是研究变量之间数量依存关系的一类统计方法，是实际数据分析工作中最常用的统计工具之一，其应用领域十分广泛，包括自然科学、管理科学和社会、经济等各个领域。加强回归分析理论与方法的学习和应用不仅成为统计教育界的共识，也越来越受到实际应用部门相关分析人员的重视。
　　当然，回归分析受到普遍关注不仅仅在于对方法的研究，还包括对回归分析方法的使用、应用中的技术与技巧。但是由于使用者对分析对象认识的片面性或对回归分析方法掌握的不到位，研究者或学习者对方法的使用常常会出现一些问题，例如：1）学习了很多的回归分析方法，但不知如何应用;2)学习了方法，但不知对什么问题在什么情况下应用；3)实践中对所学习方法的误用，出现大量的伪回归，形成统计陷阱;4)缺乏回归分析技能，无法有效地将理论正确地应用于实践。
　　为了进一步加强统计学专业的课程建设，作者在总结多年教学经验、实际工作经验的基础上编写了本教材。本书旨在通过介绍回归分析的基本原理、基本方法及其在经济领域中的应用，培养学生使用回归分析方法解决实际问题的能力。全书包括回归分析基础、经典线性回归分析、违背经典假设的线性回归方程参数估计和实践中的回归分析四个部分，共11章。
　　本教材的编写着重突出了以下几方面的特点：
　　1）有针对性，即针对经济类院校统计专业、经济管理类专业学生的特点，在不失回归分析方法、体系结构完整、内容严谨的前提下，借助典型的相关经济案例论述回归分析的原理与方法，突出实际案例的应用。
　　2）突出实用性，即强调回归分析、统计思想的渗透，在系统阐述回归分析方法的基础上，突出各种方法的特点和局限性的介绍，以避免或减少对回归分析方法的误用，同时突出定性分析与定量分析的结合，强调回归分析的技术，以提高学习者分析的技能。
　　3）注重系统性，即根据研究对象及内容，全面介绍各种主要回归分析方法的理论，体现本教材结构的完整性。
　　4）结合统计软件全面、系统地介绍回归分析过程及技术实现，针对具体问题建立相应的回归模型，提高学生的实际操作能力与水平。
　　本书的编写得到了北京市属高等学校高层次人才引进与培养计划项目的资助和首都经济贸易大学 、机械工业出版社华章分社的大力支持，部分案例借鉴了相关的教材和著作，在此一并表示感谢。作者期望本书的出版能够为学习者提供帮助，当然，由于水平有限，书中难免有不足和偏颇之处，敬请读者批评指正，作者表示衷心的感谢。
马立平
2013年11月

统计

本书融合了作者多年的教学和实际工作经验，旨在介绍回归分析的基本原理、基本方法及其在经济领域中的应用，以培养学生学会使用回归分析方法解决实际问题。全书包括回归分析基础、经典线性回归分析、违背经典假设的线性回归方程参数估计和实践中的回归分析等内容。
　　本书主要特色
　　·突出实用性：强调回归分析、统计思想渗透，在系统阐述回归分析方法的基础上，突出各种方法的特点和局限性的介绍，以避免或减少对回归分析方法的误用，同时突出定性分析与定量分析的结合，强调回归分析的技术，以提高学习者分析的技能。
　　·注重系统性：根据研究对象及内容，全面介绍各种主要回归分析的理论与方法，体现本教材结构的完整性与系统性。
　　·与统计软件相结合：使用Eviews和SPSS全面、系统地介绍回归分析过程及技术实现，针对具体问题建立相应的回归模型，提高学生的实际操作能力与水平。

前言
教学建议
第一部分回归分析基础
第1章回归分析概述
11回归的释义与回归分析的作用
111“回归”一词的历史渊源
112回归分析的发展与现代释义
113回归分析的主要作用
12回归分析的基本过程
121回归分析的基本类型与主要内容
122回归分析的基本流程
13回归分析的基本概念与一般模型
131回归分析的基本概念
132回归分析的一般模型
133回归模型常见的基本形式
思考与练习
第2章变量间的相关关系分析
21变量间的关系
211相关关系
212相关关系种类
213相关分析的主要内容
22相关关系的描述与测度
221相关关系的描述——相关表与散点图
222相关程度的测定——相关系数的计算
23相关分析的应用
231变量的类型与相关系数
232相关与因果关系
233相关系数的应用
234相关分析的SPSS软件应用
思考与练习
第二部分经典线性回归分析
第3章一元线性回归分析
31一元线性回归模型
311一元线性回归模型的基本概念
312一元线性回归模型的选择
32回归模型的最小二乘估计
321普通最小二乘估计原理与估计量
322最小二乘估计的基本假定
323最小二乘估计的精度与标准误差
324最小二乘估计量的性质
325区间估计
33显著性检验与回归方程的拟合效果
331显著性检验
332回归方程的拟合效果度量
333回归方程的残差分析
34一元线性回归模型的应用
341结构分析
342预测
343控制
344应用案例
345一元线性回归分析的SPSS软件使用
思考与练习
第4章多元线性回归分析
41多元线性回归模型
411多元线性回归模型的一般形式
412多元线性回归模型的基本假定
42多元线性回归参数的最小二乘估计
421回归系数的估计量
422回归模型参数最小二乘估计量的方差和标准误差
423回归系数的区间估计
424最大似然估计
43参数估计量的性质
44回归方程的评价
441回归方程的精度测量
442多元线性回归模型的简洁性
443综合评价
45回归系数的显著性检验
451每个自变量对因变量影响的显著性检验
452回归方程线性关系的显著性检验
453检验两个回归系数是否相等
454受约束（线性约束）的回归系数估计与约束条件的检验
46标准化回归方程
461数据的标准化处理
462标准化回归系数
47多元线性回归的实际操作
471SPSS关于多元线性回归的操作
472关于儿童体重的二元线性回归分析
思考与练习
第5章方差齐性诊断与模型的加权最小二乘估计
51异方差情况下的最小二乘估计
511异方差形成的原因
512异方差对参数估计的影响
52回归分析中异方差的诊断
521异方差的定性判断
522异方差的图形检验
523异方差的统计检验
53异方差情况下的加权最小二乘估计
思考与练习
第三部分违背经典假设的线性回归方程参数估计
第6章误差独立性的诊断与模型的广义最小二乘法
61自相关下的最小二乘估计
611自相关形成的原因
612误差项自相关时OLS估计的后果
62误差项自相关的诊断
621误差项自相关的定性判断
622误差项自相关的图形诊断
623随机误差项自相关的统计检验
63存在误差项自相关的广义最小二乘估计
631εt具有一阶自回归形式
632εt具有高阶自回归形式
633如何估计ρ
思考与练习
第7章共线性数据模型的建立与有偏估计
71自变量共线性产生的原因与后果
711自变量共线性产生的原因
712形成多重共线性的原因
713多重共线性的后果
714多重共线性的诊断
72多重共线性下的有偏估计
721主成分回归
722岭估计
723合并截面数据与时间序列数据
思考与练习
第四部分实践中的回归分析
第8章关于自变量的选择
81自变量选择的基本原则
811问题的提出
812全模型和选模型
813自变量选择对参数估计和因变量预测的影响
814自变量选择的原则
82增加一个自变量的“边际”贡献分析
821边际贡献
822自变量的边际贡献分析
83自变量选择的常用方法
831前进法
832后退法
833逐步回归法
834应用中的问题
835SPSS实现
84虚拟变量的选择
841虚拟变量及数据处理
842虚拟变量引入回归模型的方法
思考与练习
第9章动态回归分析
91动态回归模型
911滞后效应与分布滞后模型
912自回归模型
913自回归分布滞后模型
92自回归分布滞后模型的估计方法
921分布滞后模型的变换
922自回归分布滞后模型的参数估计
93变量因果关系的检验
931回归模型约束条件的检验
932格兰杰因果关系的检验
94模型结构稳定性检验
思考与练习
第10章线性回归的推广
101非线性回归
1011指数曲线模型
1012对数曲线模型
1013双曲线函数模型
1014多项式曲线模型
1015龚伯兹曲线模型
102定性因变量的回归分析
1021二元选择回归模型
1022多类别逻辑斯谛回归
1023有序因变量的回归模型
103广义线性模型
1031广义线性模型的一般形式
1032常用的联系函数
1033广义线性模型的参数估计
思考与练习
第11章回归模型的设定与改进
111回归模型的设定标准
1111回归模型的设定原则与思路
1112模型的评价准则
1113模型设定误差的类型
112模型设定错误的主要类型
1121遗漏相关变量
1122包括了不相关的自变量
1123模型的函数形式设定错误
1124变量数据度量的偏误
113回归模型设定问题的诊断与检验
1131模型包含非相关变量的诊断
1132遗漏变量与模型形式设定错误的诊断
思考与练习
附录AEViews的简要使用说明
附录BSPSS软件的简要使用说明
参考文献