现代测量误差模型是统计学热门研究课题之一，并在生物学、医学、传染病学、森林、经济学、金融学和遥感等领域有着广泛的应用。
　　《现代数学基础丛书（162）：现代测量误差模型》主要研究两种测量误差类型：可加测量误差和扭曲测量误差。全书共分8章内容，主要阐述这两种测量误差的线性模型、非线性模型、部分线性模型、变系数模型、单指标模型和部分线性单指标模型、降维模型的估计和统计推断方法，除了介绍这些模型的发展动态，也详细介绍相关研究的一些新的研究成果，使读者对测量误差模型的方法和统计思想有一个较为全面的了解，并起到抛砖引玉的作用。
　　《现代数学基础丛书（162）：现代测量误差模型》主要适用于理工科院校数理统计、数学和计量经济学专业的研究生、高年级大学生、教师、一般科学技术人员阅读；另外，《现代数学基础丛书（162）：现代测量误差模型》可供各行各业应用统计科学工作者和医学、生物学、经济学、金融学、社会学、心理学和工业工程等专业人士参考。

丛书序
序一
序二
前言
符号表

第1章 绪论
1．1 回归模型介绍
1．1．1 参数回归模型
1．1．2 非参数模型
1．1．3 半参数模型
1．1．4 变系数模型
1．1．5 单指标模型
1．2 非参数光滑方法
1．2．1 N-W核光滑方法
1．2．2 Gasser-Miiller光滑方法
1．2．3 局部多项式光滑方法
1．3 经验似然
1．3．1 经验似然的思想
1．3．2 经验似然的若干应用
1．4 Bootstrap方法
1．5 变量选择方法
1．6 测量误差模型的估计方法
1．6．1 测量误差介绍
1．6．2 校正的估计方法
1．6．3 SIMEX方法
1．6．4 逆卷积方法
1．7 扭曲测量误差数据

第2章 线性测量误差模型
2．1 引言
2．1．1 线性测量误差模型介绍
2．1．2 广义线性测量误差模型介绍
2．1．3 协变量调整线性回归模型介绍
2．1．4 本章结构
2．2 线性测量误差模型的估计方法
2．2．1 校正的估计方法
2．2．2 M估计方法
2．2．3 SIMEX估计方法
2．3 响应变量缺失的线性测量误差模型
2．3．1 回归系数的经验似然
2．3．2 n向应均值的经验似然
2．3．3 模拟研究
2．4．广义线性测量误差模型的纠偏经验似然方法
2．4．1 纠偏经验似然方法和主要结果
2．4．2 偏profile经验似然方法
2．4．3 模拟研究
2．5 协变量调整回归模型的估计方法
2．5．1 binning方法
2．5．2 最近邻binning方法
2．5．3 局部线性估计方法
2．5．4 直接估计方法
2．6 置信区间
2．6．1 渐近正态近似方法
2．6．2 Bootstrap重抽样近似方法
2．6．3 经验似然方法
2．7 协变量调整回归模型的变量选择
2．7．1 估计方法
2．7．2 渐近性质
2．7．3 算法和λ的选取
2．7．4 模拟研究和实际数据分析
2．8 模型检验
2．8．1 引言
2．8．2 检验统计量及其讨论
2．8．3 Bootstrap方法
2．8．4 模拟研究
……

第3章 非线性测量误差模型
第4章 多元协变量调整模型
第5章 部分线性测量误差模型
第6章 变系数测量误差模型
第7章 单指标测量误差模型
第8章 测量误差降维模型

参考文献
索引
《现代数学基础丛书》已出版书目