迴歸分析

　　《迴歸分析》一書是作者多年從事量化研究，以及教學經驗的結晶。從基本的統計概念講起，對線性迴歸分析的基本假定、迴歸中的統計推論和迴歸診斷做詳盡的介紹。同時涵蓋許多在社會科學中，對實際研究非常有幫助的內容，包括虛擬變項、交互作用、輔助迴歸、多項式迴歸、分段函數迴歸和階距函數迴歸等。此外，本書還涉及因徑分析、長期追蹤資料模型、多層次模型和logit模型等，作為基本線性迴歸分析的擴展和延伸。
　　
　　好的量化教材應該將理論、方法與示範案例緊密結合，而示範案例如果能夠結合本土資料，則能更加深讀者對理論和方法的理解。因而本書中的案例，均使用臺灣的資料進行編寫。希望本書對於提高學者與研究者在量化分析與研究能力方面，略盡棉薄之力。

本書特色

　　本書適合已修讀過基礎社會統計學課程，具有一定統計學基礎知識的學生或研究人員。

　　除了對經典的多元迴歸模型進行比較深入的講解，本書對重要且非經典的迴歸模型，也進行擴展和補充。

　　本書除了理論層面，更強調實際操作的重要性。在大部分章節中，使用實際研究資料，透過實例分析和相應的Stata程式，講解統計知識在研究中的應用，以及對研究結果的闡釋。

作者簡介    

謝宇

　　◆現職
　　美國密西根大學的Otis Dudley Duncan講座教授，同時任教於該校社會學系、統計學系及中國研究中心，擔任社會研究院（ISR）人口研究中心和調查研究中心的研究員，調查研究中心量化方法組主任；也是北京大學社會研究中心主任暨該校教授。

　　◆學歷
　　威斯康辛大學麥迪遜校區社會學博士
　　威斯康辛大學麥迪遜校區科學史與社會學雙碩士
　　上海工業大學學士

　　◆經歷
　　2004年當選美國人文與科學院院士和我國中央研究院院士。
　　2009年當選美國國家科學院院士。
　　　研究領域包括：社會階層、統計方法、人口學、科學社會學和中國研究。

　　◆著作
　　《分類資料分析的統計方法》
　　《科學界的女性》
　　《美國亞裔的人口統計描述》
　　《社會學方法與定量研究》
　　《婚姻與同居》
 

Chapter 01 基本統計概念
1.1　統計思想對於社會科學研究的重要性
1.2　本書的特點
1.3　基本統計概念
1.4　隨機變項的和與差
1.5　期望值與共變數的性質
1.6　本章小結

Chapter 02 統計推論基礎
2.1　分配
2.2　估計
2.3　假設檢定
2.4　本章小結

Chapter 03 簡單線性迴歸
3.1　理解迴歸概念的三種角度
3.2　迴歸模型
3.3　迴歸直線的適合度
3.4　假設檢定
3.5　對特定 X 下 Y 平均數的估計
3.6　對特定 X 下 Y 單一值的預測
3.7　簡單線性迴歸中的非線性變換
3.8　實例分析
3.9　本章小結

Chapter 04 線性代數基礎
4.1　定義
4.2　矩陣的運算
4.3　特殊矩陣
4.4　矩陣的秩
4.5　矩陣的逆.
4.6　行列式
4.7　矩陣的運算法則
4.8　向量的期望值和共變數矩陣的介紹
4.9　矩陣在社會科學中的應用
4.10　本章小結

Chapter 05 多元線性迴歸
5.1　多元線性迴歸模型的矩陣形式
5.2　多元迴歸的基本假定
5.3　多元迴歸參數的估計
5.4　OLS 迴歸方程的解讀
5.5　多元迴歸模型誤差變異數的估計
5.6　多元迴歸參數估計量變異數的估計
5.7　模型設定中的一些問題
5.8　標準化迴歸模型
5.9　TSCS 實例分析
5.10　本章小結

Chapter 06 多元迴歸中的統計推論與假設檢定
6.1　統計推論基本原理簡要回顧
6.2　統計顯著性的相對性，以及效果幅度
6.3　單個迴歸係數 βk = 0 的檢定
6.4　多個迴歸係數的聯合檢定
6.5　迴歸係數線性組合的檢定
6.6　本章小結

Chapter 07 變異數分析和 F 檢定
7.1　簡單線性迴歸中的變異數分析
7.2　多元線性迴歸中的變異數分析
7.3　變異數分析的假定條件
7.4　F 檢定（F Test）
7.5　判定係數增量（Incremental R2）
7.6　適合度的測量
7.7　實例分析
7.8　本章小結

Chapter 08 輔助迴歸和偏迴歸圖
8.1　迴歸分析中的兩個常見問題
8.2　輔助迴歸
8.3　變項的中心化
8.4　偏迴歸圖
8.5　排除遺漏變項產生之偏誤的方法
8.6　應用舉例
8.7　本章小結
參考文獻

Chapter 09 因果推論和因徑分析
9.1　相關關係
9.2　因果推論
9.3　因果推論的問題
9.4　因果推論的假設
9.5　因果推論中的原因
9.6　因徑分析
9.7　本章小結

Chapter 10 多元共線性問題
10.1　多元共線性問題的引入
10.2　完全多元共線性
10.3　近似多元共線性
10.4　多元共線性的度量
10.5　多元共線性問題的處理
10.6　本章小結

Chapter 11 多項式迴歸、分段迴歸和階距迴歸
11.1　多項式迴歸
11.2　分段函數迴歸
11.3　階距函數迴歸
11.4　本章小結

Chapter 12 虛擬變項與名目自變項
12.1　名目變項的定義與特性
12.2　虛擬變項的設置
12.3　虛擬變項的應用
12.4　本章小結.

Chapter 13 交互作用項
13.1　交互作用項
13.2　由不同類型解釋變項建構的交互作用項
13.3　利用巢套模型檢定交互作用項的存在
13.4　是否可以刪去交互作用項中的低次項？
13.5　建構交互作用項時需要注意的問題
13.6　本章小結

Chapter 14 不等變異量與一般化最小平方法
14.1　不等變異量
14.2　不等變異量現象舉例
14.3　不等變異量情況下的普通最小平方估計
14.4　一般化最小平方法
14.5　加權最小平方法
14.6　本章小結

Chapter 15 長期追蹤資料的分析
15.1　追蹤資料的分析
15.2　趨勢分析
15.3　本章小結.

Chapter 16 多層次模型介紹
16.1　多層次模型發展的背景
16.2　多層次模型基本原理
16.3　模型的優勢與局限
16.4　多層次模型的若干子模型
16.5　自變項中心化的問題
16.6　應用舉例
16.7　本章小結.

Chapter 17 迴歸診斷
17.1　依變項是否服從常態分配
17.2　殘差是否服從常態分配
17.3　異常觀察個案
17.4　本章小結

Chapter 18 二分依變項的 Logit 模型
18.1　線性迴歸面對二分依變項的困境
18.2　轉換的取向
18.3　潛在變項取向
18.4　模型估計、評價與比較
18.5　模型迴歸係數解釋
18.6　統計檢定與推論
18.7　本章小結