书名：统计学

作者：李涛 刘鑫 吴洁 冯兴东

书号：327679

定价：￥49 元

字数：402 千字

印次：1-1

开本：16

出版时间：2024-05-27

ISBN：978-7-300-32767-9

包装：平

内容提要：  
本书按照完整的数据统计分析过程中的各个顺序编写：第一部分为数据的收集与探索性数据分析，第二部分为基本的数据分析，第三部分为高级统计分析理论，第四部分为案例分析 。这样的安排使得教材在整体构架上更加完整、严密，统计思想表现得更清晰，对有关内容的理论和方法阐释得更具体、更深刻，使教材具有很强的科学性、完整性和逻辑性。  

本书采用先进的教学方法和手段，借助R软件，改革传统统计学使用Excel或SPSS等软件等数据分析的局限性，充分利用基于R软件的可视化手段来强化学生对统计概念的直观理解以及统计分析思想的培养，加强学生理论与实践相结合的能力。本书所有R软件命令均在书中显示，从而降低学生使用软件的难度，更多关注统计方法的运用。  



作者简介：  
李涛，上海财经大学统计与管理学院副院长、讲席副教授、博士生导师。研究领域为次序统计量的统计推断、函数型数据分析等方面。研究成果主要发表在 Journal of Statistical Planning and Inference、Journal of Statistical Computation and Simulation 等国际期刊以及《数学学报》、《中国科学·数学》等国内权威期刊。任中国现场统计研究会·资源与环境统计分会理事，2021 年任国际期刊 Communications in Statistics 编委（Associate Editor）。  
刘鑫, 上海财经大学统计与管理学院讲席副教授、博士生导师。研究领域为复杂数据建模、高维统计推断、机器学习理论与应用、数据处理与可视化等，在国际顶级统计学期刊 Statistica Sinica, Journal of Multivariate Analysis 以及人工智能顶级会议等发表论文多篇。2018 年至今担任加拿大统计学会 (SSC) 会员、泛统计学会 (ICSA) 会员，任多本统计学重要期刊审稿人。2022 年担任上海市优秀思政课程示范课程《数据分析与可视化》负责人。  
吴洁，上海财经大学统计与管理学院副教授、博士生导师。研究领域为可计算一般均衡建模、投入产出、气候变化政策分析等。入选上海市浦江人才计划、德国洪堡学者，在 Energy Journal、China Economic Review、Energy Policy、《中国管理科学》等期刊发表学术论文多篇。任中国优选法统筹法与经济数学研究会气候金融研究分会理事、中国现场统计研究会经济与金融统计分会理事。  
冯兴东，上海财经大学统计与管理学院院长、统计学教授、博士生导师。研究领域为数据降维、稳健方法、分位数回归以及在经济问题中的应用、大数据统计计算、强化学习等，在国际顶级统计学期刊Journal of the American Statistical Association、Annals of Statistics、Journal of the Royal Statistical Society-Series B、Biometrika 以及人工智能顶会NeurIPS 上发表论文多篇。2018 年入选国际统计学会推选会员(Elected member)，2019 年担任全国青年统计学家协会副会长以及全国统计教材编审委员会第七届委员会专业委员（数据科学与大数据技术应用组），2020 年担任第八届国务院学科评议组（统计学）成员，2022 年担任全国应用统计专业硕士教指委委员，兼任国际统计学权威期刊Annals of Applied Statistics 编委（Associate Editor）以及国内统计学权威期刊《统计研究》编委。  

目录

第 1 章 数据的收集与抽样    

1.1 总体与样本  

1.1.1 数据

1.1.2 抽样方法  

1.2 抽样方法在大数据时代的应用  

课后习题

第 2 章 数据的整理与可视化  

2.1 数据的分类  

2.2 数据的整理  

2.2.1 定性数据的整理  

2.2.2 定量数据的整理  

2.3 描述性度量  

2.3.1 集中趋势的度量  

2.3.2 离散程度的度量  

2.3.3 分布形态的度量  

2.3.4 两个变量关系的描述  

2.4 数据的可视化  

2.4.1 定性数据的可视化

2.4.2 定量数据的可视化  

2.4.3 变量关系的可视化  

课后习题41  

第 3 章 抽样分布  

3.1 统计量与抽样分布  

3.2 统计学中常用的几种重要分布

3.2.1 正态分布  

3.2.2 χ 2 分布    

3.2.3 t 分布  

3.2.4 F 分布  

3.3 均值的抽样分布  

3.3.1 正态总体抽样  

3.3.2 非正态总体抽样与中心极限定理    

3.4 比例的抽样分布  

3.5 方差的抽样分布  

课后习题  

第 4 章 参数估计  

4.1 参数估计的基本原理  

4.1.1 估计量与估计值

4.1.2 估计量的评价标准  

4.2 点估计与区间估计  

4.2.1 点估计

4.2.2 区间估计  

4.3 单个总体参数的置信区间  

4.3.1 总体均值的置信区间  

4.3.2 总体比例的置信区间  

4.3.3 总体方差的置信区间  

4.4 两个总体参数的置信区间  

4.4.1 两个总体均值之差的置信区间    

4.4.2 两个总体比例之差的置信区间  

4.4.3 两个总体方差之比的置信区间  

4.5 样本量的确定  

课后习题  

第 5 章 假设检验  

5.1 假设检验的基本原理  

5.2 总体均值的检验  

5.2.1 单个总体均值的检验  

5.2.2 两个总体均值之差的检验

5.3 总体比例的检验  

5.3.1 单个总体比例的检验  

5.3.2 两个总体比例之差的检验  

5.4 总体方差的检验  

5.4.1 单个总体方差的检验  

5.4.2 两个总体方差之比的检验  

课后习题  

第 6 章 方差分析  

6.1 方差分析引论  

6.1.1 方差分析的思想及基本概念  

6.1.2 方差分析的基本假定及检验

6.2 单因子方差分析  

6.2.1 数据结构及问题表述  

6.2.2 方差分解原理及 F 检验

6.2.3 多重比较  

6.3 双因子方差分析  

6.3.1 无交互作用的双因子方差分析

6.3.2 有交互作用的双因子方差分析  

课后习题  

第 7 章 列联表分析  

7.1 列联表的独立性检验  

7.2 列联表的齐性检验  

7.3 相关性度量

课后习题

第 8 章 线性回归分析

8.1 简单线性回归  

8.1.1 模型的建立

8.1.2 最小二乘估计  

8.1.3 最小二乘估计的性质  

8.1.4 回归系数的统计推断

8.1.5 置信与预测区间

8.2 多元线性回归  

8.2.1 多元线性回归模型  

8.2.2 回归系数的统计推断  

8.2.3 置信与预测区间    

8.3 回归模型的评估  

8.3.1 回归方程的显著性检验    

8.3.2 决定系数  

8.4 残差分析  

8.5 变量选择  

课后习题  

第 9 章 逻辑回归  

9.1 二分类变量的逻辑回归模型  

9.2 回归系数的含义  

9.3 回归系数的估计以及统计推断  

9.4 拟合方程的评价    

课后习题  

第 10 章 时间序列  

10.1 时间序列的种类和编制方法  

10.1.1 时间序列的种类

10.1.2 时间序列的编制方法    

10.2 时间序列的描述性统计    

10.2.1 图形展示  

10.2.2 数字描述  

10.3 时间序列的预测  

10.4 平稳时间序列预测  

10.5 非平稳时间序列预测  

10.5.1 时间序列的分解

10.5.2 线性与非线性趋势的预测  

10.5.3 时间序列的分解与预测  

课后习题

第 11 章 指 数  

11.1 指数的概念和种类

11.1.1 指数的概念  

11.1.2 指数的分类

11.1.3 指数编制中的问题

11.2 总指数编制方法  

11.2.1 简单指数

11.2.2 加权指数  

11.3 指数体系    

11.3.1 总量指数体系  

11.3.2 平均数变动因素分解  

11.4 综合评价指数  

11.5 几种常见的指数  

11.5.1 居民消费价格指数

11.5.2 股票价格指数  

课后习题  

第 12 章 案例分析

12.1 PM2.5 浓度时间序列分析及其季节效应剥离——以上海市某监测站点为例

12.1.1 案例背景  

12.1.2 数据来源  

12.1.3 描述性分析  

12.1.4 时间序列分解  

12.2 基于逻辑回归的银行理财产品的潜在购买客户预测

12.2.1 案例背景  

12.2.2 数据来源

12.2.3 描述性分析  

12.2.4 逻辑回归模型建模与分析  

12.2.5 结语  

12.3 基于股票价格指数的统计指标测算和预测

12.3.1 案例背景  

12.3.2 数据来源  

12.3.3 数据预处理

12.3.4 自回归移动平均模型  

12.3.5 结语  

12.4 全社会用电量的影响因素分析与预测

12.4.1 案例背景  

12.4.2 数据来源和变量说明

12.4.3 描述性分析  

12.4.4 线性回归建模分析  

12.4.5 全社会用电量预测分析  

附录 A  概率基础

A.1 随机实验与随机事件  

A.2 随机事件的概率  

A.3 随机变量及其分布  

A.3.1 随机变量的概率分布  

A.3.2 随机变量的数字特征  

A.4 常见的概率分布  

附录 B  R 语言简介  

B.1 基本语法

B.2 Data Frame 类  

B.3 List 类  

B.4 R 函数    

B.5 控制语句和循环语句  

B.6 读入与输出数据  

B.7 几个常用的 R 软件包  

B.7.1 ggplot2  

B.7.2 rmarkdown  

B.7.3 shiny  

附录 C  上海财经大学统计与管理学院大语言模型简介与应用  

C.1 大模型发展、现状与应用  

C.1.1 大模型的发展历程  

C.1.2 大模型的现状  

C.1.3 大模型的应用  

C.2 统计学大模型构建简述  

C.2.1 统计学大模型构建意义    

C.2.2 统计学大模型结果展示    

参考文献

精彩样章

随着 LLM 的快速发展和广泛应用，它们在金融、医药等多个专业领域展现出了巨大的潜力和实用价值。这些模型通过深度学习和大量数据训练，为专业人士提供了强大的决策支持工具。然而，在统计学这一关键学科领域，尚未出现专门针对该学科需求设计的大模型。统计学作为数据科学的核心，其理论和方法在各行各业中都发挥着重要作用，因此，开发专门的统计学大模型显得尤为重要和迫切。

基于 LLM 的蓬勃发展和广泛应用，上海财经大学统计与管理学院张立文副教授团队开发设计了一款统计学大模型 StatChat，专项应用于统计学领域的知识问答，包括基础概念解惑、相关 R 语言和 Python 语言代码解答等方面。这一大模型可以作为学院学生的数字化智能学习助手，在与学生的互动中很好地传授知识、答疑解惑，从而极大地提升学生的学习积极性和学习效率。

这款统计学大模型不仅能够提高学生对统计学的学习兴趣，还能通过实时反馈和互动学习提高学习效率。更重要的是，该团队计划对模型进行持续的迭代和优化，以确保其内容保持更新，与统计学领域的最新发展同步。随着技术的不断进步和教学方法的不断创新，这款模型有望成为高校统计学教育的重要辅助工具，为培养数据时代的新型人才提供强有力的支持。