具体描述
《复杂数据统计方法——基于r的应用》用自由的日软件分析30多个可以从国外网站下载的真实数据，包括横截面数据、纵向数据和时间序列数据，通过这些数据介绍了几乎所有经典方法及最新的机器学习方法。
《复杂数据统计方法——基于r的应用》特点：(1)以数据为导向；(2)介绍最新的方法(附有传统方法回顾)；(3)提供r软件入门及全部例子计算的日代码及数据的网址；(4)各章独立。
《复杂数据统计方法——基于r的应用》的读者对象包括统计学、应用统计学、经济学、数学、应用数学、精算、环境、计量经济学、生物医学等专业的本科、硕士及博士生，各领域的教师和实际工作者。
作者简介
吴喜之，北京大学数学力学系本科，美国北卡罗来纳大学统计博士。中国人民大学统计学院教授，博士生导师。曾在美国加利福尼亚大学、美国北卡罗来纳大学、南开大学、中国人民大学、北京大学等多所著名学府执教。
目录信息
1.1作为科学的统计
1.2数据分析的实践
1.3数据的形式以及可能用到的模型
1.3.1横截面数据：因变量为实轴上的数量变量
1.3.2横截面数据：因变量为分类(定性)变量或者频数
1.3.3纵向数据，多水平数据，面板数据，重复观测数据
1.3.4多元数据各变量之间的关系：多元分析
1.3.5路径模型／结构方程模型
1.3.6多元时间序列数据
1.4 r软件入门
1.4.1简介
1.4.2动手
第2章横截面数据：因变量为实数轴上的数量变量
2.1简单回归回顾
2.2简单线性模型不易处理的横截面数据
2.2.1标准线性回归中的指数变换
2.2.2生存分析数据的cox回归模型
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
.2.2.4无法做任何假定的数据：机器学习回归方法
2.2.5决策树回归(回归树)
2.2.6boosting回归
2.2.7bagging回归
2.2.8随机森林回归
2.2.9人工神经网络回归
2.2.10支持向量机回归
2.2.11几种回归方法五折交叉验证结果
2.2.12方法的稳定性及过拟合
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
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
3.1.1logistic回归和probit回归
3.1.2经典判别分析
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
3.2.1决策树分类(分类树)
3.2.2adaboost分类
3.2.3bagging分类
3.2.4随机森林分类
3.2.5支持向量机分类
3.2.6最近邻方法分类
3.2.7分类方法五折交叉验证结果
3.3因变量为频数(计数)的情况
3.3.1经典的poisson对数线性模型回顾
3.3.2使用poisson对数线性模型时的散布问题
3.3.3零膨胀计数数据的poisson回归
3.3.4使用机器学习的算法模型拟合计数数据
3.3.5多项logit模型及多项分布对数线性模型回顾
第4章纵向数据(多水平数据，面板数据)
4.1纵向数据：线性随机效应混合模型
4.2纵向数据：广义线性随机效应混合模型
4.3纵向数据：决策树及随机效应模型
4.4纵向数据：纵向生存数据
4.4.1cox随机效应混合模型
4.4.2分步联合建模
4.5计量经济学家的视角：面板数据
第5章多元分析(不区分因变量及自变量)
5.1实数轴上的数据：经典多元分析内容回顾
5.1.1主成分分析及因子分析
5.1.2分层聚类及k均值聚类
5.1.3典型相关分析
5.1.4对应分析
5.2非经典多元数据分析：可视化
5.2.1主成分分析
5.2.2对应分析
5.2.3多重对应分析
5.2.4多重因子分析
5.2.5分层多重因子分析
5.2.6基于主成分分析的聚类
5.3多元数据的关联规则分析
第6章路径建模(结构方程建模)数据的pls分析
6.1路径模型概述
6.1.1路径模型
6.1.2路径模型的两种主要方法
6.2 pls方法：顾客满意度的例子
6.3协方差方法简介
6.4结构方程模型的一些问题
第7章多元时间序列数据
7.1时间序列的基本概念及单变量时间序列方法回顾
7.1.1时间序列的一些定义和基本概念
7.1.2常用的一元时间序列方法
7.2单位根及协整检验
7.2.1概述
7.2.2单位根检验
7.2.3协整检验
7.3varx模型与状态空间模型
7.3.1varx模型拟合
7.3.2状态空间模型拟合
7.3.3模型的比较和预测
附录练习：熟练使用r软件
参考文献
· · · · · · (收起)
读后感
不适合非统计学专业人士。 例子举了很多，也很好，但分析太少了，全是数学模型公式。连要用分析达到什么目的都没有讲清楚 作者的意图非常好，看到前言部分令人热血沸腾，但事与愿违，我未能从中有任何收获。
评分这是一本200+页薄书，但是介绍的内容却很多，很多书上一句话的东西，可能别的书上要用几页介绍。所以读该书需要参考其他书，遇到不懂的就去查。 顾名思义，该书介绍的复杂数据统计方法，作者当然假设你会“简单”数据的处理。最好会一些R语言的知识。会读的稍微轻松些。 作者...
评分不适合非统计学专业人士。 例子举了很多，也很好，但分析太少了，全是数学模型公式。连要用分析达到什么目的都没有讲清楚 作者的意图非常好，看到前言部分令人热血沸腾，但事与愿违，我未能从中有任何收获。
评分不适合非统计学专业人士。 例子举了很多，也很好，但分析太少了，全是数学模型公式。连要用分析达到什么目的都没有讲清楚 作者的意图非常好，看到前言部分令人热血沸腾，但事与愿违，我未能从中有任何收获。
评分这是一本200+页薄书，但是介绍的内容却很多，很多书上一句话的东西，可能别的书上要用几页介绍。所以读该书需要参考其他书，遇到不懂的就去查。 顾名思义，该书介绍的复杂数据统计方法，作者当然假设你会“简单”数据的处理。最好会一些R语言的知识。会读的稍微轻松些。 作者...
用户评价
虽然门槛比较高，但是绝对讲解清晰，语言简洁。遇到统计分析基础不扎实的地方，通过书里的描述也可以自己查找根源。是很好的书。
评分【4.5】我觉得第一次感觉到了深入浅出的讲解。
评分虽然门槛比较高，但是绝对讲解清晰，语言简洁。遇到统计分析基础不扎实的地方，通过书里的描述也可以自己查找根源。是很好的书。
评分补条目
评分不仅是R的应用，也讲了很多统计的思想方法，适合有一定统计基础的读者。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 qciss.net All Rights Reserved. 小哈图书下载中心 版权所有