近代线性回归分析方法
出版时间：2013年版
内容简介
　　《近代线性回归分析方法》主要介绍几类常见线性回归模型的估计方法：最小二乘估计、泛最小二乘估计、刀切估计、极大似然估计、经验似然方法、稳健估计。在简要介绍这些回归模型估计方法的古老经典结果之后，有选择地介绍了线性回归模型中相关方法研究的最新成果（提出了泛最小二乘估计、刀切广义岭估计、t型估计等方法，给出并研究了误差为泛函系数自回归（FCA）时间序列的线性回归模型，用经验似然方法研究了变量含误差（EV）、NA误差的线性回归模型及缺失数据的线性回归模型，等等），探索线性回归模型研究新的发展方向和科学规律。《近代线性回归分析方法》适合高等院校统计学专业的高年级大学生、研究生、教师及相关科研工作者阅读参考。
目录
第1章 绪论
1．1 回归分析
1．2 线性回归模型
第2章 最小二乘估计
2．1 最小二乘估计
2．2 最小二乘估计的小样本性质
2．3 最小二乘估计的大样本性质
2．4 约束最小二乘估计及假设检验
2．5 广义最小二乘估计
第3章 泛最小二乘估计
3．1 复共线性
3．2 岭估计
3．3 泛最小二乘估计
3．4 泛最小二乘估计的性质
3．5 泛最小二乘估计的应用
3．6 需要进一步研究的问题
第4章 刀切估计
4．1 刀切方法
4．2 刀切广义岭估计
4．3 刀切广义岭估计的渐近性质
4．4 需要进一步研究的问题
第5章 极大似然估计
5．1 极大似然估计概述
5．2 误差为CA过程的拟极大似然估计
5．3 删失线性模型的极大似然估计
5．4 需要进一步研究的问题
第6章 经验似然方法
6．1 经验似然简介
6．2 经典线性模型的经验似然推断
6．3 变量含误差的线性模型的经验似然推断
6．4 缺失数据情形线性模型的经验似然推断
6．5 删失数据情形线性模型的经验似然推断
6．6 NA误差情形线性模型的经验似然推断
第7章 稳健估计
7．1 稳健回归的基本概念
7．2 M估计和GM估计
7．3 高崩溃点高效率估计
7．4 线性模型t型回归估计及EM算法
7．5 线性EV模型中参数的M估计和t型估计
7．6 M估计主要渐近性质的证明
附录 第5章 有关结果的证明
作者简介