本书是一本重视系统介绍回归分析模型理论和方法，又注重介绍回归分析模型在社会经济领域应用的新教材，以适应社会经济发展对统计学应用型创新人才的需求。该书在传统的应用回归分析教材内容框架的基础上，补充了回归分析的新模型。该教材的内容包括：古典回归分析模型（一元、多元）、违反古典假定的回归模型、非线性回归模型、拓展线性回归模型、概率线性回归模型、非参数回归模型和半参数回归模型等内容。本书相对于其他教材其特点体现在：第一，在介绍基本的回归分析模型和方法的基础上，增加了在实践中应用比较广泛的拓展线性回归模型和概率线性回归模型等内容，以适应不同变量类型或数据类型的统计建模，使得回归分析课程内容更全面和更系统；第二，当前大数据应用背景下，数据的多类型比较常见，传统的回归模型并不能完全解决实际问题，该教材充实地拓展的线性回归模型、概率线性模型和非参数（半参数）回归模型的内容更能解决实际问题，也适应当前大数据背景下对统计学应用型创新人才的知识需求。

张维群，西安财经大学统计学院院长，教授、博士导师。兼任中国统计学会信息化分会副会长、中国统计教育学会常务理事、中国商业统计学会常务理事等职务，第七届全国统计教材编审委员会专业委员，国家哲学社科基金重大项目首席专家。主要从事统计学理论与方法的教学和研究工作，主要研究方向：社会经济测度方法与应用、多目标抽样调查理论与应用、数据挖掘算法构造及大数据应用、统计数据质量诊断与控制等；主持国家社科重大项目、重点和一般基金项目4项，参与省部级及以上科研项目40余项；在权威及核心以上期刊发表学术论文80余篇；出版专著7部；科研成果获省部级奖励9项。

前言
第一章 绪论
1.1 变量之间的关系及回归分析
1.2 回归分析模型的构建
1.3 回归分析模型的规范性
第二章 古典一元线性回归模型
2.1 古典假定
2.2 古典一元线性回归模型参数估计
2.3 古典一元线性回归模型检验
2.4 残差分析
2.5 预测与控制
2.6 应用实例
第三章 古典多元线性回归模型
3.1 多元古典线性回归模型
3.2 古典多元线性回归模型的参数估计
3.3 古典多元线性回归模型检验
3.4 多元线性回归模型的优化
3.5 相关阵与偏相关系数
3.6 应用实例
第四章 违反古典假定的线性回归模型
4.1 异方差线性回归模型
4.2 自相关线性回归模型
4.3 多重共线性线性回归模型
4.4 应用实例
第五章 非线性回归模型
5.1 非线性回归模型的基本理论
5.2 非线性回归模型的估计方法
5.3 应用实例
第六章 拓展的回归模型
6.1 虚拟变量回归模型
6.2 自回归模型
6.3  Tobit回归模型与断点回归分析
6.4 分位数回归模型
6.5 应用实例
第七章 概率回归模型
7.1 线性概率模型
7.2  Logistic模型
7.3 多项Logistic回归模型
7.4  Probit模型
7.5  Poission回归模型与负二项回归模型
7.6 应用实例
第八章 非参数回归模型与半参数回归模型
8.1 非参数回归与权函数法
8.2 密度核估计与回归函数核估计
8.3 半参数回归模型
8.4 应用实例
参考文献