《回归模型》主要介绍了在实际数据分析中最常使用的线性回归模型和广义线性回归模型，以及它们的推广模型，如零膨胀回归模型和多分类因变量的回归模型等。本书不仅介绍了回归模型的基本原理，而且结合R软件和实际数据，详细介绍了具体的建模过程，讨论了各类回归模型的特点和性质，内容新颖，操作性强，适合统计学、经济学、金融学、保险学、精算学等相关专业的学生使用。

 孟生旺，中国人民大学统计学院副院长、教授、博士生导师，中国人民大学应用统计科学研究中心研究员，主要研究领域包括应用统计、风险管理与非寿险精算。已经出版的著作有《金融数学》、《非寿险精算学》、《回归模型》、《非寿险定价》、《汽车保险的精算统计模型》和《保险定价：经验估费系统研究》等。

第1章 线性回归模型 
1.1 模型结构和假设 
1.2 解释变量 
1.3 参数估计 
1.4 异方差与加权最小二乘估计 
1.5 假设检验 
1.6 模型诊断和改进 
1.7 模型的评价与比较 
1.8 应用示例 
练习题 

第2章 广义线性模型 
2.1 模型结构 
2.2 参数估计 
2.3 模型比较与诊断 
练习题 

第3章 连续型因变量 
3.1 正态回归模型 
3.2 伽马回归模型 
3.3 逆高斯回归模型 
3.4 基于R的应用 
3.5 模型推广 
练习题 

第4章 计数型因变量 
4.1 泊松回归模型 
4.2 负二项回归模型 
4.3 模型扩展 
练习题 

第5章 二分类因变量 
5.1 贝努利分布假设下的Logistic回归 
5.2 二项分布假设下的Logistic回归 
5.3 比例型数据的logistic回归 
5.4 Logistic回归系数的解释 
5.5 logistic回归模型的拟合优度 
5.6 其他连接函数 
5.7 过离散问题 
练习题 

第6章 多分类因变量 
6.1 多项logistic回归模型 
6.2 定序logistic 回归模型 
练习题 

第7章 Tweedie回归 
7.1 Tweedie分布 
7.2 Tweedie回归 
7.3 Tweedie回归模型的推广 
7.4 零调整逆高斯回归 
练习题 

第8章 贝叶斯回归模型 
8.1 基本概念 
8.2 先验分布的选取 
8.3 MCMC方法 
8.4 贝叶斯广义线性模型 
8.5 应用Rstan估计贝叶斯模型 
练习题 

第9章 应用案例 
9.1 数据介绍 
9.2 探索性数据分析 
9.3 索赔发生概率的回归模型 
9.4 索赔频率模型 
9.5 索赔强度模型 
9.6 对索赔强度进行对数变换之后建模 
9.7 纯保费模型 
练习题 

参考文献