新書推薦：
《
中国漆艺技法全书：工艺原理与基础技法
》
售價：NT$
822.0
《
晋朝的死结
》
售價：NT$
458.0
《
文明的冲突：东西方文明的第一次交锋（第2版）
》
售價：NT$
374.0
《
神经形态光子学 Neuromorphic Photonics
》
售價：NT$
879.0
《
困顿与超越 ： 心理学家的逆境人生与智慧指引
》
售價：NT$
307.0
《
Web3时代的AI战略：构建BASICs框架，引领企业数字化转型
》
售價：NT$
411.0
《
一岁一喜欢
》
售價：NT$
223.0
《
巨浪：生成式AI的史诗与现实
》
售價：NT$
416.0
|
| 編輯推薦： |
|
在社会科学中，现代稳健及耐抗性回归方法还不太为人所知。这些方法之所以被称为现代方法，是因为它们通常属于密集型计算，这是当前很多依赖今天的高速电脑的统一方法的一个特征。《现代稳健回归方法》通过一套统一的符号系统，介绍了不同来源的多种稳健回归方法，以及它们彼此之间的联系。在主要统计软件如SAS和Stata已经采用这些蕞新回归方法的情况下，本书显得非常及时。
|
| 內容簡介： |
|
稳健回归是一套接近密集计算型的现代技术，还能作为探测潜在问题案例的有用的诊断工具。《现代稳健回归方法》界定了一些对于理解估计的稳健性至关重要的术语，列出了异常观察案例及偏态分布影响OLS估计的不同方式，讨论了各种线性模型稳健回归方法及其限制，以及稳健回归估计的标准误，简要描述了广义线性模型和在这种模型中探测异常观察案例的几种诊断法。
|
| 關於作者： |
|
罗伯特安德森（Robert Anderson），加拿大多伦多大学社会学和政治科学教授。他的研究兴趣是应用统计学，政治社会学（尤其是态度及政治行为的社会基础），社会分层，和工作社会学（the sociology of work）。曾在《美国社会学评论》 （American Sociology Review），《政治学刊》（The Journalof politics）和《社会学方法论》（Sociological Methodology）等期刊发表论文。
|
| 目錄：
|
序
第1章 导论
第1节 何为稳健？
第2节 稳健回归的定义
第3节 一个真实的例子：20世纪70年代已婚夫妇的性生活频率
第2章 重要背景
第1节 偏差与一致性
第2节 崩溃点失效点
第3节 影响函数
第4节 相对效率
第5节 位置测度位置量数
第6节 尺度测度
第7节 M估计
第8节 各种估计的对比
第3章 稳健性、抗扰性与最小二乘回归
第1节 一般最小二乘回归
第2节 异常案例对OLS估计及标准误的影响
第4章 线性模型的文件回归
第1节 L估计量
第2节 R估计量
第3节 M估计量
第4节 GM估计量
第5节 S估计量
第6节 广义S估计量
第7节 MM估计量
第8节 各种估计量的比较
第5章 稳健回归的标准误
第1节 稳健回归估计量的渐进标准误
第2节 自助标准误
第6章 广义线性模型中的权势案例
第1节 广义线性模型
第2节 稳健广义线性模型
第7章 结论
附录
注释
参考文献
译名对照表
|
| 內容試閱：
|
1886年，弗兰西斯?高尔顿（Francis Galton）发表了题为遗传身高向普通回归（Regression Towads Mediocrity in Hereditary Stature）的开创性文章，从而开启了今天我们所知的线性回归统计方法的发展历程。通过分析205对父母及928个小孩的数据，高尔顿发现相对较高或较矮的父母生养的小孩倾向于不是那么高或矮，这一特征被统计术语概括为向均值回归。
为了演示回归是如何处理此类身高数据的，我使用了一套相似但只有一个性别的数据，这应归功于高尔顿的徒弟卡尔?皮尔森（Karl Pearson）。下图标绘出了1078对父子的身高状况（单位是英寸），数据用小圈点表示，它们明显地遵循一种线性趋势，刻画出向均值（等于45英寸）回归的现象。在本图中，我拟合了一条回归直线，由实线表示，斜率估计值为0.514，由一般最小二乘估计得到（这一估计及以后其他估计的双尾检验都比常规的0.001水平显著得多，因此这里就不报告了）。不管以谁的标准来看，这一数据的表现都很不错。不过，即使是在这一表现良好的数据里面，有些案例也比其他的更异常：我们很快就可看到图中右上角及左下区的某些案例离其他围绕在直线周边的大多数案例更远。如果这些案例太过极端，我们就可以从下列标准的快速处理办法中选择一个：从分析中剔除这些案例、重新编码（如果存在编码错误的话），以及在分析中纳入更多新变量。但如果没有处理这些异常（或不那么异常）案例的合理可用的解决办法，数据分析者该怎么办呢？这正是稳健及耐抗性回归方法（robust and resistant regression method）派上用场的地方。
为了展示一下稳健回归，我对上述数据拟合了另外两条直线（使用的是R软件里的MASS数据包），虚线表示的是用MM-估计量（MM-estimator）估计得到的稳健回归线（斜率估计值=0.502），点线表示的是通过将分位残差平方最小化（minimization of quantile squared residuals）的耐抗性回归估计（估计过程中分位残差最大的案例被忽略）得到的直线（斜率=0.442）。可以看到，使用MM-估计得到的稳健回归结果，其斜率只比OLS回归的稍小。不过，耐抗性回归得到的估计结果差别更大，所给结论表现出更为严重的向均值的回归。由安德森撰写的这本著作的焦点在于有效性（validity）的稳健（而非效率 [efficiency]的稳健），它将帮助社会科学家理解这些方法，并学到稳健回归的原理及应用方法。
在社会科学中，现代稳健及耐抗性回归方法还不太为人所知。这些方法之所以被称为现代方法是因为它们通常属于密集型计算（computation intensive），这是当前很多依赖今天的高速电脑的统计方法的一个特征。作为丛书的一部分，本书，尤其是其中关于回归方法的那些章节在主要统计软件如SAS和Stata已经采用这些最新回归方法的情况下是非常及时的。本书通过一套统一的符号系统介绍了不同来源的多种稳健回归方法以及它们彼此之间的联系，这正是本书的杰出贡献之一。为了给读者们一些实际应用上的帮助，本书也讨论了不同方法的相对优势和不足。通过一本这样的书，社会科学专业的学生及研究者最终会发现这些新的回归方法和经典回归方法一样平常和易于使用。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
