![例解回归分析(原书第5版)[图书]](http://images.china-pub.com/ebook3800001-3805000/3801703/zcover.jpg)
基本信息
- 原书名：Regression Analysis by Example，Fifth Edition
- 原出版社： Wiley
- 作者： (美)Samprit Chatterjee Ali S.Hadi
- 译者： 郑忠国 许静
- 丛书名： 统计学精品译丛
- 出版社：机械工业出版社
- ISBN：9787111431565
- 上架时间：2013-7-23
- 出版日期：2013 年8月
- 开本：16开
- 页码：296
- 版次：5-1
- 所属分类：数学 > 分析 > 数学分析
编辑推荐
《例解回归分析（原书第5版）》已在世界范围内畅销三十多年，被美国斯坦福大学、哥伦比亚大学、康奈尔大学、纽约大学以及加拿大麦克马斯特大学等众多名校采用为教材，曾被译成德语、日语等版本。内容涉及简单线性回归、多元线性回归、岭回归、逻辑斯谛回归、泊松回归、稳健回归、变量变换和变量选择等，既有传统的统计分析，也有一些不那么传统的统计分析，目标是挖掘数据内在的结构。本书强调的是数据分析的技巧，而不是统计理论的发展，采用丰富的实例，形象生动而又系统详尽地阐述了回归分析的基本理论和具体的应用技术。
作者查特吉、哈迪几乎是手把手地指导读者做探索性数据分析，读者在学完后，会系统地掌握回归分析的各种技巧。并且能够融会贯通地处理自己所遇到的数据分析问题。因此，对于从事数据挖掘或数据分析的工作者来说。这本经典的教材也是指导他解决实际问题的案头佳作。
内容简介
目录
《例解回归分析(原书第5版)》
中文版序
译者序
前言
第1章 概述1
1.1 什么是回归分析1
1.2 公用数据集1
1.3 回归分析应用实例选讲2
1.3.1 农业科学2
1.3.2 劳资关系3
1.3.3 政府5
1.3.4 历史8
1.3.5 环境科学8
1.3.6 工业生产9
1.3.7 挑战者号航天飞机11
1.3.8 医疗费用12
1.4 回归分析的步骤14
1.4.1 问题陈述14
1.4.2 选择相关变量15
1.4.3 收集数据15
中文版序
译者序
前言
第1章 概述1
1.1 什么是回归分析1
1.2 公用数据集1
1.3 回归分析应用实例选讲2
1.3.1 农业科学2
1.3.2 劳资关系3
1.3.3 政府5
1.3.4 历史8
1.3.5 环境科学8
1.3.6 工业生产9
1.3.7 挑战者号航天飞机11
1.3.8 医疗费用12
1.4 回归分析的步骤14
1.4.1 问题陈述14
1.4.2 选择相关变量15
1.4.3 收集数据15
译者序
回归分析是统计学的一个重大分支学科.无论从理论研究方面还是统计应用领域来说，回归分析都是国人熟悉的课题.国内已经有不少介绍回归分析的书籍和教材，但是，本书有它的独特之处.
1.它没有把系统叙述回归分析的定义、模型和理论作为起始点和主要目的，也不强调读者的数学基础和逻辑推断能力.这就使得本书具有广泛的读者范围，即无论是具有较深理论基础的专业统计工作者还是需要利用回归分析作为数据分析工具的实际工作者，阅读本书都不会产生困难，也不会由于过多数据或逻辑推理而心里烦躁，而是会受到探索数据内在规律的启发.
2.作者以数据实例分析贯穿始终，读者往往被数据中隐藏的关于事物本质的谜底所吸引而不感觉枯燥.推理往往是启发式的，有时候用直观的图形方法，这反映了探索性数据分析的特点.它不是对假设模型的理论进行推断，而是不设前提地对隐藏在事物背后的规律进行探索.这种方法与传统上用例子说明理论结果的目的是不同的.
3.本书不将读者的计算机能力作为阅读本书的必备条件，但是具备这个条件将如虎添翼.对于现代的学者特别是年轻学生来说，具备计算机能力不是一个苛刻的要求.
4.本书作者精心安排数据例子，使得读者在读完本书以后就可以系统地掌握回归分析的技巧和方法.对于那些热衷于回归分析方法的理论根源的读者，作者也提供了相关的参考文献，以便深化对回归分析的认识.此外，在某些章节还增加了附录，扩展介绍了一些方法，例如第10章介绍代理岭回归的概念，这是近年研究的内容.当然，作为教材，和大部分教科书一样，本书也提供了丰富的习题以供巩固所学.
基于以上特点，我们乐于向读者推荐本书，并建议大学教师将本书作为“回归分析”课程的教材，尝试一种新的教学方法.我们翻译本书的过程也是一个学习的过程、享受的过程.在翻译的过程中我们得到了作者的帮助，受益匪浅，在此特向作者表示感谢.
译者
2013年5月4日
1.它没有把系统叙述回归分析的定义、模型和理论作为起始点和主要目的，也不强调读者的数学基础和逻辑推断能力.这就使得本书具有广泛的读者范围，即无论是具有较深理论基础的专业统计工作者还是需要利用回归分析作为数据分析工具的实际工作者，阅读本书都不会产生困难，也不会由于过多数据或逻辑推理而心里烦躁，而是会受到探索数据内在规律的启发.
2.作者以数据实例分析贯穿始终，读者往往被数据中隐藏的关于事物本质的谜底所吸引而不感觉枯燥.推理往往是启发式的，有时候用直观的图形方法，这反映了探索性数据分析的特点.它不是对假设模型的理论进行推断，而是不设前提地对隐藏在事物背后的规律进行探索.这种方法与传统上用例子说明理论结果的目的是不同的.
3.本书不将读者的计算机能力作为阅读本书的必备条件，但是具备这个条件将如虎添翼.对于现代的学者特别是年轻学生来说，具备计算机能力不是一个苛刻的要求.
4.本书作者精心安排数据例子，使得读者在读完本书以后就可以系统地掌握回归分析的技巧和方法.对于那些热衷于回归分析方法的理论根源的读者，作者也提供了相关的参考文献，以便深化对回归分析的认识.此外，在某些章节还增加了附录，扩展介绍了一些方法，例如第10章介绍代理岭回归的概念，这是近年研究的内容.当然，作为教材，和大部分教科书一样，本书也提供了丰富的习题以供巩固所学.
基于以上特点，我们乐于向读者推荐本书，并建议大学教师将本书作为“回归分析”课程的教材，尝试一种新的教学方法.我们翻译本书的过程也是一个学习的过程、享受的过程.在翻译的过程中我们得到了作者的帮助，受益匪浅，在此特向作者表示感谢.
译者
2013年5月4日
前言
我们很高兴在此把《例解回归分析》第5 版介绍给大家，本书初版于1977年.统计界一直对此书十分关心和支持，我们也从他们对本书的诸多改进意见中获益良多.
对于分析多因素数据资料，回归分析已经成为应用最为广泛的统计分析工具之一.它之所以广受欢迎，是因为它对分析变量之间的函数关系提供了概念上简单明了的方法.回归分析的标准方法是：对数据拟合一个模型，然后利用诸如t，F和R2等统计量对拟合的方程进行评估.本书的方法比这些传统的方法更加广泛.我们将回归分析看成考察各个变量之间关系的一种数据分析的工具.本书并不强调形式化的统计检验和概率计算.我们的目标是挖掘数据内在的结构.
我们在这些数据直观表现的基础上，进行大量传统的和一些不那么传统的统计分析.我们主要依靠这些数据的图形表示，经常利用许多种类的回归残差图进行分析.我们不强调精确的概率计算利用残差图的图形方法可以展现模型的缺陷，找出某些病态的观测值.进一步追溯这些病态观测值，通常会发现它们有时候比正常的观测值更具信息价值.我们发现，快速一瞥残差图比形式化地进行某个限定的原假设的显著性检验能获取更多的信息.可以这么说，本书是在探索性数据分析的思想和原则指导下写成的.
我们通过精心设计的例子来解释和展现回归分析的各种基本概念和方法.每个例子中，我们总是集中介绍一两种回归分析技术.因此在选择数据的时候，我们仔细琢磨，精心挑选，以便突出我们所介绍的技术.在实际工作中，对于一个数据集合，通常要涉及许多不同的分析技术.但是本书例子的安排，使得分析数据时各种分析技巧有序出场，不需要在不同的例子中重复地介绍和解释同一个分析技巧.我们希望读者在学完本书以后，能够系统地掌握回归分析的各种技巧，并且能够融会贯通地处理所遇到的数据分析问题.
本书强调的是分析数据的技术，而不是统计公式、假设检验和置信区间.因此，我们的重点不在于这些分析技术的推导.当然，我们在分析数据时会介绍这些分析工具，并且给出它们的使用条件，最后，在具体的例子中给出使用效果的评价.虽然我们没有给出这些分析技术的推导，但是我们会给出这些技术的来源，有兴趣的读者可以参考并进一步钻研其理论.
我们假定读者能够接触到计算机和统计软件.现在，线性模型分析领域有了质的飞跃，从模型拟合到建模、从一般的检验到临床数据的检测、从宏观分析到微观分析，所有这些都需要计算机，因此我们假定大家手头具备这一工具.几乎所有我们用的分析工具，现有软件包里都能找到.特别是，在互联网上可以找到软件包R，这个软件包具有很强的计算能力和图形功能.同时，它是免费的!
本书的读者对象是涉及分析数据的各层次人员.这本书对于具有统计基本知识的人员是颇有帮助的.在大学中，它可以作为“回归分析”课程的教材，课程的授课对象是非统计专业的学生，但是这些学生在他们的专业领域内又特别需要回归分析这个数据处理工具.对于统计专业的学生，如果他们修过“回归分析”这门课程，而课程的水平如Rao（1973）、Seber（1977）或Sen and Srivastava（1990）那样，那么本书的内容是他们所学的理论回归分析的补充，从实际应用的角度去深化他们对回归分析的认识.在大学以外，对于那些应用标准统计方法（如t、F、R2、标准误等）进行回归分析解决实际问题的人员，如果他们要对多因素数据进行更加深入的分析，那么这本书是非常有用的.
本书的配套网站是：http://www.aucegypt.edu/faculty/hadi/RABE5. 该网站包含本书的所有数据，当然还有一些其他数据和内容.
本书的第5版语言更加流畅，去掉一些模棱两可的说法，纠正了一些错误，这些错误是由读者指出的或由作者自己纠正的.在第1章中加入了新的数据集的例子.将第4版第9章中关于数据的中心化和规范化的材料移到3.6节.第9章和第10章的材料经过重新组织，使得概念上循序渐进，学习起来更加通俗易懂.第10章的附录简单描述了代理岭回归，这是近年提出的新的研究内容.第5版中还增加了新的参考文献.在每一章的最后，我们增加了习题，对某些习题还加以改写.我们认为，做习题能够巩固和加强对前面所学内容的理解.
我们努力让更多人获益，因此本书的读者对象是来自各种不同领域的数据处理的工作者.本书强调的重点是数据分析的技巧，而不是统计理论的发展.
我们很幸运地得到多位朋友、同事及合作者的鼓励和帮助.在纽约大学和康奈尔大学的几个同行将本书的部分材料作为他们课程的教材，并且将他们的评论以及学生的意见提供给我们.特别要提到的是我们的朋友兼前同事Jeffrey Simonoff （纽约大学）， 他给出很好的审稿意见，提出建议并给予很多其他帮助.我们的“回归分析”课程上，许多学生也对本书做出了贡献，他们提出了许多深刻的问题，还要求有意义且可以理解的答案.我们也要特别感谢Nedret Billor（Cukurova 大学，Turkey）和Sahar El-Sheneity（康奈尔大学），他们仔细阅读了本书的早期版本.同样，Amy Hendrickson为本书准备了Latex 文件并回答了有关Latex的问题，Dean Gonzalez 协助制作某些图形，在此一并表示感谢.
Samprit Chatterjee
Ali S.Hadi
Brooksville，Maine
Cairo,Egypt
对于分析多因素数据资料，回归分析已经成为应用最为广泛的统计分析工具之一.它之所以广受欢迎，是因为它对分析变量之间的函数关系提供了概念上简单明了的方法.回归分析的标准方法是：对数据拟合一个模型，然后利用诸如t，F和R2等统计量对拟合的方程进行评估.本书的方法比这些传统的方法更加广泛.我们将回归分析看成考察各个变量之间关系的一种数据分析的工具.本书并不强调形式化的统计检验和概率计算.我们的目标是挖掘数据内在的结构.
我们在这些数据直观表现的基础上，进行大量传统的和一些不那么传统的统计分析.我们主要依靠这些数据的图形表示，经常利用许多种类的回归残差图进行分析.我们不强调精确的概率计算利用残差图的图形方法可以展现模型的缺陷，找出某些病态的观测值.进一步追溯这些病态观测值，通常会发现它们有时候比正常的观测值更具信息价值.我们发现，快速一瞥残差图比形式化地进行某个限定的原假设的显著性检验能获取更多的信息.可以这么说，本书是在探索性数据分析的思想和原则指导下写成的.
我们通过精心设计的例子来解释和展现回归分析的各种基本概念和方法.每个例子中，我们总是集中介绍一两种回归分析技术.因此在选择数据的时候，我们仔细琢磨，精心挑选，以便突出我们所介绍的技术.在实际工作中，对于一个数据集合，通常要涉及许多不同的分析技术.但是本书例子的安排，使得分析数据时各种分析技巧有序出场，不需要在不同的例子中重复地介绍和解释同一个分析技巧.我们希望读者在学完本书以后，能够系统地掌握回归分析的各种技巧，并且能够融会贯通地处理所遇到的数据分析问题.
本书强调的是分析数据的技术，而不是统计公式、假设检验和置信区间.因此，我们的重点不在于这些分析技术的推导.当然，我们在分析数据时会介绍这些分析工具，并且给出它们的使用条件，最后，在具体的例子中给出使用效果的评价.虽然我们没有给出这些分析技术的推导，但是我们会给出这些技术的来源，有兴趣的读者可以参考并进一步钻研其理论.
我们假定读者能够接触到计算机和统计软件.现在，线性模型分析领域有了质的飞跃，从模型拟合到建模、从一般的检验到临床数据的检测、从宏观分析到微观分析，所有这些都需要计算机，因此我们假定大家手头具备这一工具.几乎所有我们用的分析工具，现有软件包里都能找到.特别是，在互联网上可以找到软件包R，这个软件包具有很强的计算能力和图形功能.同时，它是免费的!
本书的读者对象是涉及分析数据的各层次人员.这本书对于具有统计基本知识的人员是颇有帮助的.在大学中，它可以作为“回归分析”课程的教材，课程的授课对象是非统计专业的学生，但是这些学生在他们的专业领域内又特别需要回归分析这个数据处理工具.对于统计专业的学生，如果他们修过“回归分析”这门课程，而课程的水平如Rao（1973）、Seber（1977）或Sen and Srivastava（1990）那样，那么本书的内容是他们所学的理论回归分析的补充，从实际应用的角度去深化他们对回归分析的认识.在大学以外，对于那些应用标准统计方法（如t、F、R2、标准误等）进行回归分析解决实际问题的人员，如果他们要对多因素数据进行更加深入的分析，那么这本书是非常有用的.
本书的配套网站是：http://www.aucegypt.edu/faculty/hadi/RABE5. 该网站包含本书的所有数据，当然还有一些其他数据和内容.
本书的第5版语言更加流畅，去掉一些模棱两可的说法，纠正了一些错误，这些错误是由读者指出的或由作者自己纠正的.在第1章中加入了新的数据集的例子.将第4版第9章中关于数据的中心化和规范化的材料移到3.6节.第9章和第10章的材料经过重新组织，使得概念上循序渐进，学习起来更加通俗易懂.第10章的附录简单描述了代理岭回归，这是近年提出的新的研究内容.第5版中还增加了新的参考文献.在每一章的最后，我们增加了习题，对某些习题还加以改写.我们认为，做习题能够巩固和加强对前面所学内容的理解.
我们努力让更多人获益，因此本书的读者对象是来自各种不同领域的数据处理的工作者.本书强调的重点是数据分析的技巧，而不是统计理论的发展.
我们很幸运地得到多位朋友、同事及合作者的鼓励和帮助.在纽约大学和康奈尔大学的几个同行将本书的部分材料作为他们课程的教材，并且将他们的评论以及学生的意见提供给我们.特别要提到的是我们的朋友兼前同事Jeffrey Simonoff （纽约大学）， 他给出很好的审稿意见，提出建议并给予很多其他帮助.我们的“回归分析”课程上，许多学生也对本书做出了贡献，他们提出了许多深刻的问题，还要求有意义且可以理解的答案.我们也要特别感谢Nedret Billor（Cukurova 大学，Turkey）和Sahar El-Sheneity（康奈尔大学），他们仔细阅读了本书的早期版本.同样，Amy Hendrickson为本书准备了Latex 文件并回答了有关Latex的问题，Dean Gonzalez 协助制作某些图形，在此一并表示感谢.
Samprit Chatterjee
Ali S.Hadi
Brooksville，Maine
Cairo,Egypt
序言
听闻《例解回归分析（第5版）》的中文版即将出版，我们非常高兴.我们相信，对中国的学生来说，中文版更容易理解，价格也更优惠.中国的学生是知名的高智商群体，你们正努力掌握先进的数据分析方法，解决科学、技术和社会科学中的实际问题，为你们的祖国的不断进步和繁荣做出贡献.希望这本书能对你们有所启发，对你们的应用工作有所帮助.
在此，我们特别感谢郑忠国和许静两位学者，他们承担了本书的翻译工作.在翻译期间，他们仔细地阅读了全文，发现了原书的一些错误，在中文版中得以改正.我们也希望获得中国读者关于本书的反馈意见.
A Note to Our Chinese Readers
We are delighted that the book is being published in Chinese, because it will become more accessible to a group of Chinese students who are highly intelligent, and want to contribute to their countries progress by devising better methods to analyze their data and contribute to the countries growth, prosperity, and process improvements. We hope they find the book stimulating, and helpful in their applied work.
We are thankful to Dr. Zhongguo Zheng and Jing Xu for translating the book. During the translation process they read the book very carefully and has discovered a few errors and corrected them in the Chinese version. We would be happy to hear feedback from our Chinese readers.
Samprit Chatterjee
Ali S. Hadi
在此，我们特别感谢郑忠国和许静两位学者，他们承担了本书的翻译工作.在翻译期间，他们仔细地阅读了全文，发现了原书的一些错误，在中文版中得以改正.我们也希望获得中国读者关于本书的反馈意见.
A Note to Our Chinese Readers
We are delighted that the book is being published in Chinese, because it will become more accessible to a group of Chinese students who are highly intelligent, and want to contribute to their countries progress by devising better methods to analyze their data and contribute to the countries growth, prosperity, and process improvements. We hope they find the book stimulating, and helpful in their applied work.
We are thankful to Dr. Zhongguo Zheng and Jing Xu for translating the book. During the translation process they read the book very carefully and has discovered a few errors and corrected them in the Chinese version. We would be happy to hear feedback from our Chinese readers.
Samprit Chatterjee
Ali S. Hadi
