第1章 線性回歸模型
1.1 模型結(jié)構(gòu)和假設(shè)
1.2 解釋變量
1.3 參數(shù)估計(jì)
1.4 異方差與加權(quán)小二乘估計(jì)
1.5 假設(shè)檢驗(yàn)
1.6 模型診斷和改進(jìn)
1.7 模型的評(píng)價(jià)與比較
1.8 應(yīng)用示例
練習(xí)題


第2章 廣義線性模型
2.1 模型結(jié)構(gòu)
2.2 參數(shù)估計(jì)
2.3 模型比較與診斷
練習(xí)題


第3章 連續(xù)型因變量
3.1 正態(tài)回歸模型
3.2 伽馬回歸模型
3.3 逆高斯回歸模型
3.4 基于R的應(yīng)用
3.5 模型推廣
練習(xí)題


第4章 計(jì)數(shù)型因變量
4.1 泊松回歸模型
4.2 負(fù)二項(xiàng)回歸模型
4.3 模型擴(kuò)展
練習(xí)題


第5章 二分類因變量
5.1 貝努利分布假設(shè)下的Logistic回歸
5.2 二項(xiàng)分布假設(shè)下的Logistic回歸
5.3 比例型數(shù)據(jù)的logistic回歸
5.4 Logistic回歸系數(shù)的解釋
5.5 logistic回歸模型的擬合優(yōu)度
5.6 其他連接函數(shù)
5.7 過(guò)離散問(wèn)題
練習(xí)題


第6章 多分類因變量
6.1 多項(xiàng)logistic回歸模型
6.2 定序logistic 回歸模型
練習(xí)題


第7章 Tweedie回歸
7.1 Tweedie分布
7.2 Tweedie回歸
7.3 Tweedie回歸模型的推廣
7.4 零調(diào)整逆高斯回歸
練習(xí)題


第8章 貝葉斯回歸模型
8.1 基本概念
8.2 先驗(yàn)分布的選取
8.3 MCMC方法
8.4 貝葉斯廣義線性模型
8.5 應(yīng)用Rstan估計(jì)貝葉斯模型
練習(xí)題


第9章 應(yīng)用案例
9.1 數(shù)據(jù)介紹
9.2 探索性數(shù)據(jù)分析
9.3 索賠發(fā)生概率的回歸模型
9.4 索賠頻率模型
9.5 索賠強(qiáng)度模型
9.6 對(duì)索賠強(qiáng)度進(jìn)行對(duì)數(shù)變換之后建模
9.7 純保費(fèi)模型
練習(xí)題


參考文獻(xiàn)