- 前辅文
- 第1章 基本统计知识点
- 1.1 随机变量
- 1.2 相关与因果
- 1.3 回归分析
- 本章小结
- 第2章 一元与多元线性回归
- 2.1 一元线性回归
- 2.2 多元线性回归
- 2.3 Stata 实例与操作
- 本章小结
- 第3章 违背经典回归假定的应对
- 3.1 违背模型设定假定
- 3.2 异方差性
- 3.3 内生性问题及应对
- 本章小结
- 第4章 模型设定及其他
- 4.1 模型设定
- 4.2 奇异值的处理
- 4.3 测量误差
- 4.4 缺失值的处理
- 4.5 多重共线性
- 本章小结
- 第5章 二分因变量模型
- 5.1 广义线性模型概论
- 5.2 二分因变量模型
- 5.3 二分因变量Logit 模型
- 5.4 二分因变量Probit 模型
- 5.5 Logit 模型vs Probit 模型
- 本章小结
- 第6章 多分类因变量模型
- 6.1 多分类Logit 模型
- 6.2 条件Logit 模型
- 6.3 混合Logit 模型
- 6.4 无关选择的独立性假定及处理
- 本章小结
- 第7章 定序回归模型
- 7.1 定序Logit 模型与定序Probit 模型
- 7.2 平行回归假定
- 7.3 连续比率模型
- 本章小结
- 第8章 计数变量回归
- 8.1 泊松分布及泊松回归
- 8.2 负二项回归
- 8.3 修正计数模型
- 本章小结
- 第9章 受限因变量回归:删失数据处理
- 9.1 数据截除与数据删截
- 9.2 截除数据回归
- 9.3 删截数据回归
- 9.4 样本选择模型
- 本章小结
- 第10章 事件史分析
- 10.1 事件史分析概述
- 10.2 数据结构及建立
- 10.3 非参数描述:KM 估计
- 10.4 参数模型
- 10.5 半参数模型:Cox 等比例风险模型
- 10.6 离散时间风险模型
- 10.7 分段指数模型
- 本章小结
- 第11章 追踪数据建模
- 11.1 追踪数据
- 11.2 固定效应模型
- 11.3 随机效应模型
- 11.4 固定效应模型vs 随机效应模型
- 11.5 广义线性回归:固定效应模型与随机效应模型
- 本章小结
- 第12章 分层模型/混合效应模型
- 12.1 嵌套结构数据
- 12.2 分层模型原理
- 12.3 线性分层模型
- 12.4 广义线性分层模型
- 本章小结
- 附录
- 附录1 常用回归模型简介
- 附录2 模型与相对应的Stata 基本命令
- 附录3 常用数据下载地址
- 参考文献
- 索引