应用统计学:基于Stata软件

目 录

第1章 绪论 1
1．1 统计与统计学 1
1．1．1 统计的含义 1
1．1．2 统计学的研究对象及其特点 2
1．1．3 统计学的学科分类 4
1．2 统计的工作过程和基本职能 5
1．2．1 统计的工作过程 5
1．2．2 统计的基本职能 6
1．3 统计学的基本概念 7
1．3．1 总体、总体单位和样本 7
1．3．2 标志和指标 8
1．3．3 变异和变量 9
1．4 大数据时代下的统计学 10
1．4．1 大数据的概念 10
1．4．2 大数据的特点 11
1．4．3 大数据时代下的统计学 11
本章知识结构图 12
思考与练习 12
第2章 数据的搜集与整理 15
2．1 数据的测量尺度与常用类型 15
2．1．1 数据的测量尺度 15
2．1．2 统计数据的常用类型 16
2．2 统计数据的搜集 17
2．2．1 一手数据的搜集 17
2．2．2 二手数据的搜集 19
2．3 统计分组 19
2．3．1 统计分组的概念及作用 19
2．3．2 统计分组的方法 21
2．4 分配数列 24
2．4．1 分配数列的概念及分类 24
2．4．2 分配数列的编制 25
2．4．3 品质分配数列的表示方法 26
2．4．4 数量分配数列的表示方法 27
2．5 统计表 28
2．5．1 统计表的概念及构成 28
2．5．2 统计表的分类 29
2．5．3 统计表设计要求 30
2．6 Stata软件入门、画图和制表 31
2．6．1 Stata软件入门 31
2．6．2 Stata画图和制作统计表 34
本章知识结构图 38
思考与练习 38
第3章 数据分布特征的描述 42
3．1 集中趋势的度量 42
3．1．1 算术平均数 42
3．1．2 几何平均数 43
3．1．3 调和平均数 44
3．1．4 中位数 45
3．1．5 众数 46
3．2 离散程度的度量 47
3．2．1 极差 47
3．2．2 平均差 48
3．2．3 方差和标准差 48
3．2．4 离散系数 49
3．3 偏度与峰度的度量 49
3．3．1 偏度系数 49
3．3．2 峰度系数 51
3．4 用Stata软件计算数据的分布特征 51
3．4．1 用summarize命令计算数据的分布特征 51
3．4．2 用tabstat命令计算数据的分布特征 53
本章知识结构图 54
思考与练习 54
第4章 动态数列 59
4．1 动态数列概述 59
4．1．1 动态数列的含义及作用 59
4．1．2 动态数列的分类 59
4．1．3 动态数列的编制原则 61
4．2 动态数列水平分析指标 62
4．2．1 发展水平 62
4．2．2 平均发展水平 63
4．2．3 增长量与平均增长量 68
4．3 动态数列速度分析指标 69
4．3．1 发展速度与平均发展速度 69
4．3．2 增长速度与平均增长速度 70
4．3．3 计算和运用速度相关指标应注意的问题 71
4．4 长期趋势的测定与预测 72
4．4．1 长期趋势测定与预测的意义 72
4．4．2 间隔扩大法 73
4．4．3 移动平均法 73
4．4．4 *小平方法 74
4．5 季节变动的测定与预测 78
4．5．1 按月平均法 78
4．5．2 移动平均趋势剔除法 79
4．6 用Stata软件进行长期趋势的测定 81
本章知识结构图 83
思考与练习 84
第5章 统计指数 88
5．1 统计指数概述 88
5．1．1 统计指数的概念 88
5．1．2 统计指数的分类 88
5．1．3 统计指数的作用 90
5．1．4 统计指数编制中的问题 91
5．2 统计总指数的编制方法 91
5．2．1 简单指数 92
5．2．2 加权指数 93
5．2．3 指数的主要应用 98
5．3 指数体系与因素分析 103
5．3．1 指数体系 103
5．3．2 因素分析 104
5．3．3 总量指标变动的因素分析 104
5．3．4 平均指标变动的因素分析 107
本章知识结构图 111
思考与练习 111
第6章 抽样分布与参数估计 116
6．1 抽样理由和抽样方法 116
6．1．1 抽样理由 116
6．1．2 抽样方法 116
6．2 抽样误差 118
6．3 抽样分布 120
6．3．1 样本均值的抽样分布 120
6．3．2 中心极限定理 123
6．3．3 比例的抽样分布 124
6．4 参数估计 125
6．4．1 点估计 125
6．4．2 置信区间估计 125
6．4．3 总体均值的置信区间估计(已知 时) 126
6．4．4 总体均值的置信区间估计(未知 时) 127
6．4．5 比例的置信区间估计 130
6．5 样本容量的确定 131
6．5．1 估计总体均值时样本容量的确定 131
6．5．2 估计总体比例时样本容量的确定 132
本章知识结构图 133
思考与练习 133
第7章 假设检验 136
7．1 假设检验的概念及分类 136
7．2 假设检验的五个步骤 137
7．2．1 第1步：提出原假设和备择假设 137
7．2．2 第2步：选择显著性水平 138
7．2．3 第3步：确定检验统计量 138
7．2．4 第4步：建立决策准则 139
7．2．5 第5步：做出决策 141
7．3 几种常见的假设检验 142
7．3．1 总体均值的假设检验 142
7．3．2 总体比例的假设检验 145
7．3．3 两个总体均值之差的假设检验 146
7．3．4 两个总体比例之差的假设检验 149
7．4 假设检验决策的风险 150
7．4．1 假设检验的两类错误 150
7．4．2 两类错误的关系 151
7．5 用Stata软件进行假设检验 152
7．5．1 单样本t检验的Stata操作 152
7．5．2 两样本t检验的Stata操作 153
本章知识结构图 154
思考与练习 154
第8章 方差分析 157
8．1 F分布 157
8．2 比较两个总体的方差 158
8．3 方差分析引论 160
8．4 单因素方差分析 161
8．4．1 单因素方差分析的基本思想 161
8．4．2 单因素方差分析的基本步骤 163
8．4．3 多重比较检验 166
8．5 双因素方差分析 168
8．5．1 问题的提出 168
8．5．2 无交互作用的双因素方差分析 168
8．5．3 有交互作用的双因素方差分析 171
8．6 用Stata软件进行方差分析 173
8．6．1 用Stata软件进行单因素方差分析 173
8．6．2 用Stata软件进行双因素方差分析 174
本章知识结构图 174
思考与练习 175
第9章 一元线性回归分析 177
9．1 相关分析 177
9．1．1 相关关系的含义 177
9．1．2 相关关系的分类 178
9．1．3 相关分析的主要内容 179
9．1．4 相关关系的测量 179
9．2 回归分析 185
9．2．1 回归分析的含义 185
9．2．2 回归分析的分类 185
9．2．3 回归分析的主要内容 186
9．2．4 相关分析与回归分析的关系 186
9．3 一元线性回归模型的假定及系数估计 187
9．3．1 一元线性回归模型及其假定 187
9．3．2 一元线性回归模型回归系数估计 188
9．4 一元线性回归模型的检验 190
9．4．1 模型估计式检验的必要性 190
9．4．2 模型参数估计值的经济意义检验 191
9．4．3 回归直线的拟合优度 192
9．4．4 回归系数的显著性检验 195
9．5 一元线性回归模型的预测 197
9．5．1 点估计 197
9．5．2 区间估计 198
9．6 用Stata软件进行相关分析和回归分析 200
本章知识结构图 202
思考与练习 202
第10章 多元线性回归分析 208
10．1 多元线性回归模型 208
10．1．1 多元线性回归模型及其假定 208
10．1．2 多元线性回归中估计的回归方程 209
10．1．3 多元线性回归模型的回归系数估计 210
10．2 多元线性回归模型的检验 212
10．2．1 拟合优度检验 212
10．2．2 回归模型的总体显著性检验：F检验 214
10．2．3 回归系数的检验 215
10．3 非线性回归模型 216
10．3．1 对数线性模型 217
10．3．2 半对数模型 218
10．3．3 倒数模型 219
10．3．4 函数形式的选择 221
10．4 交互模型 222
10．5 多个回归系数的联合检验 223
10．6 定性(虚拟)变量模型 225
10．7 残差分析 229
10．7．1 随机误差项零均值 229
10．7．2 随机误差项同方差 229
10．7．3 随机误差项无自相关 232
10．7．4 随机误差项服从正态分布 233
10．8 用Stata软件对多元回归的系数进行检验 236
本章知识结构图 238
思考与练习 238
参考资料 246