复杂数据统计方法 基于R的应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

复杂数据统计方法 基于R的应用PDF格式电子书版下载

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

第1章 引 言1

1.1 作为科学的统计1

1.2 数据分析的实践3

1.3 数据的形式以及可能用到的模型4

1.3.1 横截面数据：因变量为实轴上的数量变量5

1.3.2 横截面数据：因变量为分类（定性）变量或者频数5

1.3.3 纵向数据，多水平数据，面板数据，重复观测数据6

1.3.4 多元数据各变量之间的关系：多元分析6

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7

1.4 R软件入门7

1.4.1 简介7

1.4.2 动手10

第2章 横截面数据：因变量为实数轴上的数量变量11

2.1 简单回归回顾11

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19

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33

2.2.5 决策树回归（回归树）35

2.2.6 boosting回归38

2.2.7 bagging回归39

2.2.8 随机森林回归40

2.2.9 人工神经网络回归41

2.2.10 支持向量机回归43

2.2.11 几种回归方法五折交叉验证结果45

2.2.12 方法的稳定性及过拟合46

第3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48

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49

3.1.1 logistic回归和probit回归49

3.1.2 经典判别分析54

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56

3.2.1 决策树分类（分类树）57

3.2.2 adaboost分类60

3.2.3 bagging分类62

3.2.4 随机森林分类64

3.2.5 支持向量机分类67

3.2.6 最近邻方法分类68

3.2.7 分类方法五折交叉验证结果69

3.3 因变量为频数（计数）的情况70

3.3.1 经典的Poisson对数线性模型回顾71

3.3.2 使用Poisson对数线性模型时的散布问题74

3.3.3 零膨胀计数数据的Poisson回归76

3.3.4 使用机器学习的算法模型拟合计数数据79

3.3.5 多项logit模型及多项分布对数线性模型回顾83

第4章 纵向数据（多水平数据，面板数据）90

4.1 纵向数据：线性随机效应混合模型92

4.2 纵向数据：广义线性随机效应混合模型97

4.3 纵向数据：决策树及随机效应模型99

4.4 纵向数据：纵向生存数据102

4.4.1 Cox随机效应混合模型103

4.4.2 分步联合建模106

4.5 计量经济学家的视角：面板数据114

第5章 多元分析（不区分因变量及自变量）122

5.1 实数轴上的数据：经典多元分析内容回顾122

5.1.1 主成分分析及因子分析122

5.1.2 分层聚类及K均值聚类131

5.1.3 典型相关分析134

5.1.4 对应分析138

5.2 非经典多元数据分析：可视化141

5.2.1 主成分分析143

5.2.2 对应分析144

5.2.3 多重对应分析145

5.2.4 多重因子分析146

5.2.5 分层多重因子分析149

5.2.6 基于主成分分析的聚类150

5.3 多元数据的关联规则分析152

第6章 路径建模（结构方程建模）数据的PLS分析159

6.1 路径模型概述159

6.1.1 路径模型159

6.1.2 路径模型的两种主要方法160

6.2 PLS方法：顾客满意度的例子162

6.3 协方差方法简介169

6.4 结构方程模型的一些问题173

第7章 多元时间序列数据175

7.1 时间序列的基本概念及单变量时间序列方法回顾176

7.1.1 时间序列的一些定义和基本概念176

7.1.2 常用的一元时间序列方法183

7.2 单位根及协整检验194

7.2.1 概述195

7.2.2 单位根检验196

7.2.3 协整检验198

7.3 VARX模型与状态空间模型204

7.3.1 VARX模型拟合205

7.3.2 状态空间模型拟合208

7.3.3 模型的比较和预测210

附录 练习：熟练使用R软件214

参考文献225