Python在數(shù)據(jù)分析中的應(yīng)用：統(tǒng)計分析方法與計量模型實踐

第一章 應(yīng)用Python擬合多元線性回歸模型

第一節(jié) 多元線性回歸模型

第二節(jié) 普通最小二乘法的Python實現(xiàn)

第二章 應(yīng)用Python進行多元統(tǒng)計分析推斷

第一節(jié) 多元統(tǒng)計分析推斷的基本原理

第二節(jié) 單個總體參數(shù)的假設(shè)檢驗的Python實現(xiàn)

第三節(jié) 置信區(qū)間

第四節(jié) 線性組合假設(shè)檢驗

第三章 應(yīng)用Python擬合多元非線性回歸模型

第一節(jié) 標(biāo)準(zhǔn)化回歸模型

第二節(jié) 含有其他形式的回歸模型

第三節(jié) 將回歸模型用于預(yù)測

第四章 應(yīng)用Python檢驗?zāi)Ｐ驮O(shè)定和數(shù)據(jù)問題

第一節(jié) 模型誤設(shè)

第二節(jié) 代理變量

第三節(jié) 異常觀測值

第五章 應(yīng)用Python處理含虛擬變量的多元回歸模型

第一節(jié) 自變量為二值虛擬變量的情形

第二節(jié) 自變量為多類別虛擬變量的情形

第三節(jié) 自變量為虛擬變量時的交互作用

第四節(jié) 因變量為二值虛擬變量的情形

第六章 應(yīng)用Python處理異方差性

第一節(jié) 異方差性及其影響

第二節(jié) 異方差性檢驗

第三節(jié) 異方差性處理

第七章 應(yīng)用Python處理簡單面板數(shù)據(jù)

第一節(jié) 獨立混合橫截面數(shù)據(jù)分析

第二節(jié) 兩期面板數(shù)據(jù)分析

第八章 應(yīng)用Python估計工具變量

第一節(jié) 遺漏變量和工具變量

第二節(jié) 工具變量相關(guān)檢驗

第三節(jié) 其他條件下的2SLS應(yīng)用

第九章 應(yīng)用Python處理多期面板數(shù)據(jù)

第一節(jié) 面板數(shù)據(jù)處理的固定效應(yīng)和隨機效應(yīng)方法

第二節(jié) 使用Python工具包linearmodels處理面板數(shù)據(jù)

第十章 應(yīng)用Python處理聯(lián)立方程組

第一節(jié) 聯(lián)立方程組的關(guān)鍵概念

第二節(jié) 方程組參數(shù)估計方法的Python實現(xiàn)

第十一章 應(yīng)用Python處理時間序列數(shù)據(jù)

第一節(jié) 時間序列數(shù)據(jù)分析的基本模型

第二節(jié) 不同特征的時間序列數(shù)據(jù)分析

附錄 應(yīng)用Python進行數(shù)據(jù)分析的基礎(chǔ)

第一節(jié) Python概述

第二節(jié) Python數(shù)據(jù)處理和計算

第三節(jié) Python繪圖

第四節(jié) 常用Python統(tǒng)計分析語法