Regression Analysis of Count Data pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:Cambridge Univ Pr

作者:Cameron, Adrian Colin

出品人:

页数:436

译者:

出版时间:1998-9

价格:$ 56.50

装帧:Pap

isbn号码:9780521635677

丛书系列:

图书标签:

统计学
数据挖掘
学术
Count Data
Regression Analysis
Statistics
Econometrics
Biostatistics
Poisson Regression
Negative Binomial Regression
Generalized Linear Models
Longitudinal Data
Panel Data

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到小美书屋

book.quotespace.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

Students in both the natural and social sciences often seek regression models to explain the frequency of events, such as visits to a doctor, auto accidents or job hiring. This analysis provides a comprehensive account of models and methods to interpret such data. The authors have conducted research in the field for nearly fifteen years and in this work combine theory and practice to make sophisticated methods of analysis accessible to practitioners working with widely different types of data and software. The treatment will be useful to researchers in areas such as applied statistics, econometrics, operations research, actuarial studies, demography, biostatistics, quantitatively-oriented sociology and political science. The book may be used as a reference work on count models or by students seeking an authoritative overview. The analysis is complemented by template programs available on the Internet through the authors' homepages.

计量经济学前沿：高阶时间序列模型的理论与应用书籍简介本书深入探讨了现代计量经济学中最为复杂和前沿的领域之一——高阶时间序列模型的构建、估计与检验。它旨在为计量经济学、金融工程、宏观经济学以及应用统计学领域的研究人员和高级学生提供一个全面且严谨的理论框架和实践指南。本书摒弃了对基础回归分析的冗余介绍，直接聚焦于处理复杂动态系统所必需的高级工具集。第一部分：状态空间模型的理论基础与估计本书的开篇部分（第1章至第4章）详细阐述了状态空间模型（State-Space Models, SSMs）的数学基础及其在时间序列分析中的核心地位。不同于传统的仅依赖于观测方程的自回归移动平均（ARMA）模型，SSM提供了一个统一的框架来处理未观测的潜在状态变量与可观测数据之间的关系。第1章：状态空间模型的结构与识别本章首先界定了状态空间模型的基本形式，包括状态方程和观测方程。重点讨论了状态向量的平稳性、可识别性约束（Identifiability Constraints）以及模型在不同时间尺度下的等效表示。我们详细分析了如何将复杂的向量自回归（VAR）模型转化为状态空间形式，特别是如何处理具有结构性变化的潜在状态变量。第2章：卡尔曼滤波的解析解与数值稳定性卡尔曼滤波作为状态空间模型估计的核心算法，在本章得到了详尽的阐述。我们不仅重申了标准卡尔曼滤波器的预测和更新步骤，更深入探讨了其在包含非线性或非常态误差项时的扩展形式，如扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）。本章对算法的数值稳定性进行了严格的分析，讨论了当协方差矩阵接近奇异时，如何采用正交分解或Schur分解来确保估计的可靠性。第3章：最大似然估计与EM算法在状态空间框架下，通过观测数据的对数似然函数（Log-Likelihood Function）的优化来实现参数估计是至关重要的一步。本章详细推导了基于卡尔曼平滑器（Kalman Smoother）的对数似然函数解析表达式。随后，我们重点介绍了期望最大化（EM）算法在估计含有未观测状态变量模型参数时的应用，特别是当参数集包含协方差矩阵元素时，EM算法如何提供一致且渐近有效的估计。第4章：贝叶斯方法在状态空间模型中的应用本章将视角转向贝叶斯推断。我们讨论了如何利用MCMC（马尔可夫链蒙特卡罗）方法，特别是Gibbs采样器，来推断潜变量和模型参数的后验分布。重点案例分析包括如何通过构建层次化模型来处理具有异质性（Heteroscedasticity）的误差结构，并展示了如何利用Hamiltonian Monte Carlo (HMC) 技术来高效采样高维复杂模型空间。第二部分：高阶模型的特定结构与检验本书的后半部分（第5章至第8章）专门针对那些超越标准ARMA或标准VAR结构的高阶、高频或具有复杂依赖性的时间序列模型进行深入剖析。第5章：向量自回归模型的阶数选择与结构设定本章聚焦于多变量时间序列分析的核心工具——向量自回归（VAR）模型。我们批判性地评估了信息准则（如AIC、BIC、HQIC）在确定VAR模型最优阶数上的局限性，并引入了基于似然比检验（LR Test）的逐步检验程序，特别关注在协整（Cointegration）环境下的模型定阶问题。本章还详细讨论了结构化VAR（SVAR）模型的识别策略，包括基于理论约束的即时性识别和基于符号约束的长期识别方法。第6章：非线性时间序列模型：T-ARCH与随机波动率（SV）模型鉴于金融和宏观经济数据中普遍存在的波动率集群现象，本章深入探讨了处理时间序列异方差性的前沿模型。我们首先回顾了GARCH族模型的扩展，如T-ARCH（Threshold ARCH）和EGARCH模型，它们能够捕捉波动率对信息符号的非对称反应。随后，本章的核心内容转向随机波动率（Stochastic Volatility, SV）模型。SV模型将波动率视为一个不可观测的随机过程，并展示了如何结合高频数据和贝叶斯MCMC方法来有效估计这些模型，以获得更稳健的风险度量。第7章：高频数据处理与连续时间模型本章处理了现代金融市场产生的大量高频数据带来的挑战。我们引入了二次变分（Quadratic Variation）的概念，并讨论了如何利用高频观察值来估计连续时间随机微分方程（SDEs）的参数，特别是关于金融资产价格的扩散过程。本章对比了基于高频数据的有效信息估计与基于日度数据的低频估计之间的效率差异，并讨论了在存在跳跃（Jumps）情况下的模型修正。第8章：模型诊断、预测与模型比较最后一个部分专注于模型评估和应用。本章首先详细介绍了残差的检验方法，包括对序列自相关、异方差性和非正态性的检验，特别是针对复杂多变量模型的Portmanteau检验的推广。随后，我们讨论了基于不同信息准则的预测性能评估，如预测均方误差（MSE）和预测准确性比率。最后，本书以模型比较和模型选择为结，介绍了一种稳健的预测模型选择方法——预测滚动原点评估（Rolling-Origin Evaluation），确保所选模型在动态演变的环境中保持优越性。目标读者本书适合具备扎实的计量经济学和高等数学基础的研究生、博士后研究人员，以及在学术界或金融、宏观经济预测部门从事前沿量化分析的专业人士。它要求读者对线性代数、概率论和初步的回归分析有深入的理解。