戴鹏杰，中国人民大学商学院管理科学与工程系讲师，中国运筹学会排队论分会理事。统计学博士，毕业于中国科学院数学与系统科学研究院应用数学研究所。理论研究主要方向为降维理论、高维降维技术、变量选择技术、模型选择等；应用研究主要方向为商业数据分析、大数据分析方法、高维数据建模。

　　总结并延伸降维技术与变量选择技术在近几年的发展，展望大数据环境下的统计分析中两者技术的应用方式，总结展示部分自己相关研究成果与应用范围。提出了作者在该领域的5项研究成果以及在相关方面的应用效果。同时，这些研究为大数据在各学科，特别是经济学科的模型建立与使用奠定了坚实的基础。本书的内容贴近目前的学科研究热点，归纳总结了近期研究成果，有较强的学术意义；同时本书中的降维技术与变量选择技术对于经济学科大数据建模工作具有极强的应用价值。

序言

第一章 降维、变量选择技术概述
1.1 降维
1.2 变量选择

第二章 响应变量有测量误差并带有核实数据的充分降维
2.1 核实数据简介
2.2 研究背景
2.3 基于经验条件分布的重抽样降维方法
2.4 基于SIR方法的核估计降维
2.5 充分降维空间的维数估计
2.6 数值模拟
2.7 主要定理证明

第三章 无模型假定变量选择的线性替代变量法
3.1 研究背景
3.2 线性替代变量法（LSV）及其渐近性质
3.3 数值模拟
3.4 实证分析
3.5 主要定理证明

第四章 协变量有测量误差并带有核实数据下对广义线性模型的检验问题
4.1 研究背景
4.2 类得分（score-type）检验，及其渐近性质
4.3 数值模拟
4.4 主要定理证明

第五章 基于最大秩相关的广义回归模型下变量选择
5.1 研究背景
5.2 惩罚的最大秩相关方法
5.3 改进的迭代边际最优化算法
5.4 可调参数的选择
5.5 数值模拟
5.6 结论
5.7 证明过程

第六章 带自回归误差的功能多项式回归联合检测
6.1 研究背景
6.2 联合检测过程
6.3 理论性质
6.4 可调参数
6.5 数值模拟
6.6 实际案例
6.7 讨论
6.8 证明过程

参考文献