转自http://xiamiwangao.blogbus.com/logs/14091780.html

说明：此贴内容转自RoR，原贴为nous。

统计的书，有三家出版社最为有名。一家自然是以出版学术书籍见长的Springer,著名的系列有Texts in Statistics，主要是教科书；Series in Statistics，主要是专著。一家是John Wiley & Son下属的Wiley-Interscience，最著名的系列是Wiley Series in Probability and Statistics。还有一家是CRC,或者叫Chapman & Hall，出版了一套Monograhps on Statistics and Applied Probability，地位我认为等同于Springer的Series in Statistics。

回归分析

回归分析是统计最基础的课程之一，对于初学者来说，也是统计中集合方法和思想最集中的一个领域。很多统计老师和我说要是能让他/她选择一门课来讲的话，他/她一定选回归。

教科书里面我推荐George A. F. Seber 和 Alan J. Lee的Linear Regression Analysis. (Wiley-Interscience出版)这本书早年国内有过翻译本，不管现在出的是第二版。考虑到上这门课的时候很多学生还没有学完线性代数的教学进度，很多回归的书入门都避开使用矩阵的表达方式，而在多元统计中开始讲解矩阵分析的方法。这本书则一上手就从矩阵运算开始，其中给出了很多高质量的习题，就连例子的质量也相当高。我想我以后开回归的课，必会从中选取几道变形一下当试题使:-)这本书的另外一个特点就是非常的全面，连稳健估计、Shrinkage方法、模型选择都讲了。但是并不觉得繁杂凌乱，作者肯定是下了功夫的。

在实践的书里面，Frank E. Harrell, Jr.的Regression Modeling Strategies(Springer出版)是很有意思的。它并不着重理论，而是将如何在实践中进行回归建模作为重点。市面上专门讲这个的书，我还没有见到过别的。

多元统计

多元的范围很广，但是太广了就不好定位。我认为在读传统一点的多元书的时候最重要的还是掌握多元统计分析的一些基本法宝，如多元分布，多元变量及其运算的统计性质，等等。回归的部分可以去专门看回归的书，而聚类、判别等等可以参考Machine Learning方面的资料，类似的还有Structure Equation Model，Graphical Model等等。

多元统计有本中文的书是不得不提到的：《多元统计分析》，张尧庭、方开泰，科学出版社。这本书成书于70年代末80年代初，要探究和掌握多元里面的许多基本的方法，最好的方法就是把这本书啃下来！里面关于很多问题的证明在一般的多元书里面都跳过去了，这本书可以当成参考资料来查。

外文的最经典的可能要数T. W. Anderson的An Introduction to Multivariate Statistical Analysis(Wiley-Interscience)。如果张尧庭和方开泰老师的那本是中文多元书的圣经，那么这本则是英文本的圣经。此外我很喜欢Wolfgang Hardle和Leopold Simar的Applied Multivariate Statistical Analysis(Springer)，很简明扼要，而且配图也很清晰漂亮。Wolfgang这人是个写书狂人，可以和GTM系列里的S. Lang相比。他的很多书都简明扼要但不会太简明扼要(只见骨头，不见关节和肉，这是我最烦某些数学书的地方)，很适合阅读。Hardle的每本书配图都非常漂亮直观，很多复杂的概念，只用一张简单的图示就表达得清清楚楚。

国内还有一本是Richard A Johnson和Dean W. Wichern的Applied Multivariate Statistical Analysis(Pearson Education出版)，名字和Hardle的那本一样。中国统计出版社出了影印的第五版，而清华大学的陆璇老师则在早些时候翻译了第四版，陆老师翻译得相当好，显然是在翻译上是下了苦功的。顺带说一下，陆璇老师写的统计书看到了就可以直接拿下，质量有保证。

时间序列

时序和多元（含回归）并称统计应用最多的两个领域，也是现在华人在统计学界做得最好的一个领域(华人在统计界最早的成果是许宝騄先生在多元方面的贡献)。我选时间序列作为自己的主攻领域属于机缘巧合。一开始是因为我的导师是时序方面的大家，当然要学导师最拿手的本事了。不过当时还犹犹豫豫是不是非得只做这一块，因为我对导师的其他方向如非参等也很有兴趣。直到有一天，（此处删去若干字）。

作为入门，William W. S. Wei(魏武雄)的Time Series Analysis - Univariate and Multivariate Methods是一本很值得读的书。我当助教就用这本书，当然也因为这是老师的指定教学用书。Wisconsin派的人几乎都喜欢用这本书。这本书不太讲究深奥的统计性质的证明，而把重点放在一些很直观的思想上，对于增强感性认识，为后续学习可以打下很好的直觉基础。补充这一本的是Daniel Pena，George C. Tiao(刁锦寰)和Ruey S. Tsay(蔡瑞胸)的A Course in Time Series Analysis(Wiley-Interscience)，这本书是他们在某次西班牙讲学的讲义基础上写成的，对于很多时间序列领域的最新成果都作了讲解。

Peter J. Brockwell, Richard A. Davis的Time Series: Theory and Methods(Springer)被誉为“统计学家喜欢的时间序列书”，我还没有看过，据说是从很高的角度来看待时间序列的。国内高教出版社出了翻译版，田铮译，名字叫做《时间序列的理论与方法》。

相应的，“计量经济学家喜欢的时间序列书”则是Hamilton的Time Series Analysis(Princeton Univeristy Press)，这本书也是一本大百科全书，就是出得早了，1991年出的吧？可能很多新的东西没有加上。这本书我也没看过，据说从头到尾充满了“最小二乘”。靳云汇老师翻译过这本书，由社会科学文献出版社出版，但是现在外面书店已经买不到了。

既然我是做这一块的，那就多说几句吧:-)

现代时间序列一个重要的发展方向是非线性分析。Jianqin Fan(范剑青)与Qiwei Yao(姚琦伟)合著的Nonlinear Time Series - Nonparametric and Parametric Methods(Springer)是这一领域的扛鼎之作。如果说让我去荒岛流放只准带一本书，我就带这本了。它的好处我现在还没有参透，我想我将用很长的时间去参透它。这本书2005年出了平装本，如果有米，推荐买平装的，因为“新”版的里面修正了很多东西。国内科学出版社出了影印本，而高教出版社则出了中文翻译版，不过名字和英文的对不上，叫《非线性时间序列 - 建模，预报及应用》。

现代时间序列另外一个重要的发展方向是多元时间序列的分析，但是这里面的关系错综复杂，理论和计算都不好做，不管怎么说我会时刻关注这个领域的动静。书么，Gregory C. Reinsel的Elements of Multivariate Time Series Analysis(Springer)，别的书没怎么看到过。

时间序列用得最热火的是在金融领域，和钱相关的总是有很多人去做，呵呵。Ruey S. Tsay(蔡瑞胸)的Analysis of Financial Time Series是当然之选。这本书据说极火，蔡老师靠它的版税赚了很多钱。

非参数统计

非参有古典与现代之分，古典的主要是Run Test这些东西，在上世纪早期是主流；现代流行的是核估计等等。以下几本书也是别人推荐的，我没有仔细看过，不过简单说一下理由。要是先姗姗看到这篇文章，别忘了告诉我哪些比较好，你是做这一块的。

Jianqing Fan，I. Gijbels的Local Polynomial Modelling and Its Applications(CRC)。范的成名作似乎就是在这个领域，这是应该是他最早的作品吧？

Art B. Owen的Empirical Likelihood(CRC)。把似然函数引入非参数领域，想想参数统计里的似然函数的地位，这本书的意义就不用我多废话了。

Hardle Wolfgang的Nonparametric and Semiparametric Models(Springer)，冲着Wolfgang的名字推荐的，还没有读。不过我还是很喜欢这个个子矮矮的德国老头的。

Erich L. Lehmann的Nonparametrics : Statistical Methods Based on Ranks(Prentice Hall)，古典非参的代表作。也是冲着Lehmann的名字，我在数理统计的书目里面会提到。这书我收藏了没读，因为直接奔现代非参去了。

Adrian Pagan，Aman Ullah的Nonparametric Econometrics(Cambridge Univeristy Press)，作为计量的书写的，这本是光华上非参数计量的教学用书。顺便说一句，Ullah的汉语很好。

贝叶斯统计

山重水复疑无路，柳暗花明又一村，这是对Bayes统计的一个很好的比方。很多概率学派很难解决的东西用Bayes的方法可以很容易地得到解答。国内统计界对贝叶斯学派在哲学上正确与否的争执并不感冒。Bayes现在在应用上很有潜力，但是在理论方面看不到太大的进展，现在做Bayes的几乎都在做统计计算。虽然我是学计算机出身的，但是对于idea的兴趣更浓，于是决定不把Bayes当作我的主攻目标了。当然作为学统计的，知道一下也有好处，毕竟里面有着许多有趣的东西。

Andrew Gelman与John B. Carlin的Bayesian Data Analysis(CRC)。Jun Liu(刘军)在Harvard的教材，内容丰富，但是很“厚”、“重”！

Bradley P. Carlin与Thomas A. Louis的Bayes and Empirical Bayes Methods for Data Analysis(CRC)，建议当教科书用，习题值得一做。

Applied Bayesian Modeling(CRC)，Peter Congdon著。没有实用背景与价值的就不是统计了，此书讲了实际中Bayesian的应用，配以BUGS软件讲解了实际如何运算（BUGS是贝叶斯统计领域应用最广泛的软件吧）。

Peter Rossi，Greg Allenby，Rob McCulloch合作的Bayesian Statistics and Marketing(Wiley-Interscience)。这三个人是当今最好的Bayes统计学家之三吧？:-)统计在金融中的应用是目前最广的，但是好吃的肉已经被吃得差不多了，剩下的都是难啃的骨头。营销也许是下一个出理论和应用的重点领域。

Statistical Decision Theory and Bayesian Analysis(Springer)，James O. Berger。中国统计出版社有中文翻译本，世界图书出版公司出了影印版。没读过，大家的评价是把贝叶斯的统计思想讲解得很透彻。

统计计算

据说世界上计算机应用的最多的工作就是统计，各式各样的，从我们学的科研意义上的统计到各行各业的经济统计报表等等。作为姚老师说讲的统计学家的三条腿之一，所以知道一下基本的常见的计算方法及其性质，对于做研究来说还是很有帮助的。

Tools for Statistical Inference(Springer),Martin A. Tanner。这本书是北大概率统计系研究生上统计计算的教科书，讲了很多现代的统计计算方法，极大似然和Bayes的都讲了，经典！耿直老师初步翻译成了中文，但不知什么时候可以付梓。

Elements of Computational Statistics(Springer)，James E. Gentle。此人写了好几本统计计算的书。这本我没有读过，但是鉴于科学出版社能出它的影印本，质量应该不会差。

James E. Gentle，Wolfgang Hardle，Yuichi Mori合作Handbook of Computational Statistics。评价就四个字：“百科全书”！我发现Wolfgang现在很喜欢出各式各样的手册。

统计软件

不会分析实际数据就等于没学过统计，不会使用软件就无法分析实际数据。所以统计软件的书出得还是很多的。绝大多数是SPSS的，这个软件电子工业出版社卢纹岱的写得比较好，比较细，基本的操作会了以后可以当作手册随时查阅。

The Basics of S-PLUS(Springer)，Andreas Krause & Melvin Olsonr。S-PLUS最基本的书，很多细节讲得清楚，建议细读，对以后写S程序很有好处。

Modern Applied Statistics with S(Springer)，Brian D. Ripley & William N. enables。S-PLUS的圣经，前一部分讲S语言，后一部分结合专门的方法讲如何运用S-PLUS去处理数据。

要是有空Programming with Data和Statistical Models in S也可以读一读。

SAS8基础教程，汪嘉冈，中国统计出版社。这本书就连SAS公司中国分部人员一进门都会人手发一本。还要我多说么？

btw:我在这里多说一句就是：Springer的Texts in Statistics系列和Wiley-InterscienceWiley Series in Probability and Statistics系列，有不少可以从ebooksclub下载到。