回帰分析とは

統計モデリングにおいて、回帰分析は、従属変数と 1 つ以上の独立変数の間の関係を推定するための一連の統計プロセスです。 回帰分析の最も一般的な形式は線形回帰で、特定の数学的基準に従ってデータに最もよく適合する直線を見つけます。 たとえば、通常の最小二乗法では、真のデータとその直線の差の二乗和を最小化する一意の直線が計算されます。 特定の数学的理由により、これにより研究者は、独立変数が特定の値セットを取る場合に、従属変数の条件付き期待値を推定することができます。 あまり一般的ではない形式の回帰では、わずかに異なる手順を使用して、代替位置パラメータを推定したり、非線形モデルの広範なコレクション全体にわたる条件付き期待値を推定したりします。

メリット

(I) 次のトピックに関する洞察と検証:

第 1 章: 回帰分析

第 2 章: 最小二乗法

第 3 章: ガウス?マルコフの定理

第 4 章: 非線形回帰

第 5 章: 決定係数

第 6 章: 操作変数の推定

第 7: 省略変数バイアス

第 8 章: 通常の最小二乗法

第 9 章: 残差二乗和

第 10 章: 単純線形回帰

第 11 章: 一般化最小二乗法

第 12 章: 不均一分散性の整合性のある標準誤差

第 13 章: 分散膨張係数

第 14 章: 非線形 最小二乗

第 15 章: 主成分回帰

第 16 章: 不適合平方和

第 17 章: レバレッジ (統計)

第 18 章: 多項式回帰

第 19 章: 変数内誤差モデル

第 20 章: 線形最小二乗法

第 21 章: 線形回帰

(II) 回帰分析に関する一般のよくある質問に答えます。

(III) 多くの分野での回帰分析の使用例の実例。

本書の対象者

専門家、学部生および大学院生、愛好家、趣味人、およびあらゆる種類の回帰分析についての基本的な知識や情報を超えたいと考えている人。