内容简介

数据主导的学习方式有助于读者理解数据科学的本质，读者可以通过分析数据学会多种统计方法的应用。

本书以数据形式为导向，对应不同的数据形式介绍可

能使用的一些统计方法。这些统计方法可能属于不同

的模型和统计方向，但只要适用于同一类数据，本书

就尽量都予以介绍，以此启发读者探索及创新。

本书初版以来，在广大读者的支持和鼓励下，10年间

不断更新。第4版在第3版的基础上做了增补及修正，

并且重新安排了部分章节。本书始终坚持以下特色：

（1）用实际数据做案例，这些数据都是真实的，有

理论及应用方面的背景，而且能从网上下载。

（2）书中所有结论都可以通过Python与R软件程序

得出，并给出所有例子的代码。

（3）没有太多数学公式，但能让读者直观理解各种

方法的含义。

（4）宗旨是训练处理不同数据的动手能力，而不是

面面俱到地告知所有细节。

本书适合用作统计学、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

业本科生、硕士生及博士生的教材，也可作为各领域

的实际工作者的参考用书。

作者介绍

吴喜之 北京大学数学力学系本科毕业，北卡罗来纳

大学统计学博士。中国人民大学统计学院教授，博士

生导师。曾在南开大学、北京大学、加利福尼亚大学

、北卡罗来纳大学等多所著名学府执教。

张 敏 云南财经大学统计学博士，现就职于重庆工商

大学。以第一作者公开发表了CSSCI/CSCD/SCI多

篇文章，主持或参与国家及省部级课题多项，以第二

作者出版关于数据科学的教材多部。

目 录

                                                   第1章  引 言

第一部分  经典统计篇  

第2章 经典线性模型

第3章 广义线性模型方法

第4章 纵向数据 (多水平模型、面板数据)

第5章 多元时间序列

第6章 路径建模/结构方程建模

第7章 无监督学习: 经典多元分析

第二部分  机器学习篇  

第8章 决策树及组合算法

第9章 神经网络简介

第10章 支持向量机及最近邻方法

第11章 关联规则分析

第12章 贝叶斯网络

第三部分  软件基础篇  

第13章 基本软件: R和Python

参考文献