第1章 多元统计分析与R简介
1.1 多元统计分析简介
1.1.1 多元统计分析的含义
1.1.2 多元统计分析的用途
1.1.3 多元统计分析的内容
1.2 R简介
1.2.1 为什么用R
1.2.2 R的安装与运行
1.2.3 如何获取R的帮助
1.2.4 R的基本原理
1.2.5 本书相关的R程序包和函数
习题
参考文献
第2章 多元数据描述与展示
2.1 箱线图
2.2 散点图矩阵
2.3 折线图
2.4 星相图
2.5 调和曲线图
2.6 脸谱图
习题
附录
参考文献
第3章 多元正态分布
3.1 多元分布的基本概念
3.2 多元正态分布的定义和性质
3.3 多元正态分布的最大似然估计
3.4 常用的抽样分布
习题
参考文献
第4章 多元正态总体均值向量和协方差矩阵的假设检验
4.1 一元情形的回顾
4.1.1 单个正态总体均值的检验
4.1.2 两个正态总体均值的检验
4.1.3 多个正态总体均值的比较检验(方差分析)
4.1.4 检验的p值
4.2 均值向量的检验
4.2.1 单个正态总体均值向量的检验
4.2.2 两个正态总体均值向量的比较检验
4.2.3 多个正态总体均值向量的比较检验(多元方差分析)
4.3 协方差矩阵的检验
习题
附录R的应用
参考文献
第5章 多元线性模型
5.1 多元线性模型的基本概念
5.1.1 模型定义
5.1.2 模型的参数估计和检验
5.2 变量选择
5.3 回归诊断
5.3.1 残差分析和异常点探测
5.3.2 回归诊断：一般方法
5.4 回归预测
习题
参考文献
第6章 广义线性模型
6.1 广义线性模型的定义
6.2 Logistic模型
6.3 Probit模型
6.4 多项Logit模型
6.5 泊松对数线性模型
6.6 零膨胀计数模型
6.7 多项分布对数线性模型
习题
参考文献
第7章 聚类分析
7.1 相似性度量
7.2 系统聚类法
7.3 k-均值聚类法
7.4 EM聚类法
习题
参考文献
第8章 判别分析
8.1 距离判别
8.1.1 距离判别简介
8.1.2 两个总体的距离判别
8.1.3 多个总体的距离判别
8.2 Fisher判别
8.2.1 两个总体的Fisher判别
8.2.2 多个总体的Fisher判别
8.3 Bayes判别
8.3.1 两个总体的Bayes判别
8.3.2 多个总体的Bayes判别
8.4 二次判别
8.5 案例分析与R实现
习题
参考文献
第9章 主成分分析
9.1 主成分分析的基本思想
9.2 总体主成分
9.2.1 主成分的含义
9.2.2 主成分的计算
9.2.3 主成分的主要性质
9.2.4 主成分个数的确定
9.2.5 变量的标准化及意义
9.3 样本主成分
9.3.1 样本主成分的性质和计算
9.3.2 主成分分析的步骤和相关R函数
9.4 案例：主成分回归分析
习题
参考文献
第10章 因子分析
10.1 正交因子模型
10.2 因子模型的估计
10.2.1 主成分法
10.2.2 主因子法
10.2.3 最大似然法
10.3 因子正交旋转
10.4 因子得分
10.4.1 加权最小二乘法
10.4.2 回归法
10.4.3 关于综合因子得分的讨论
10.5 因子分析小结
10.6 案例分析与R实现
习题
多考文献
第11章 对应分析
11.1 对应分析的基本思想
11.2 对应分析的原理
11.3 对应分析的计算步骤
11.4 案例分析与R实现
习题
参考文献
第12章 典型相关分析
12.1 典型相关分析基本理论
12.2 总体典型相关变量的概念及其解法
12.3 典型相关变量的性质
12.4 原始变量与典型相关变量的相关系数
12.5 简单相关、复相关和典型相关间的关系
12.6 分量的标准化处理
12.7 样本典型相关系数及其对应典型相关变量的计算
12.8 典型相关系数的显著性检验
12.9 被解释样本方差的比例
12.10 案例分析与R实现
习题
附录
参考文献
第13章 多维标度分析
13.1 多维标度法的基本思想
13.2 古典多维标度法
13.2.1 多维标度法的几个基本概念
13.2.2 已知距离矩阵时CMDS解的计算
13.2.3 已知相似系数矩阵时CMDS解的计算
13.3 案例分析与R实现
习题
参考文献
展开
