上篇 基本原理<br /><br />1 均值分析：基础知识复习和线性模型导言<br /><br />1．1 导言<br /><br />1．2 抽样分布<br /><br />辑本均值的抽样分南杰差的抽样分布 两个方差之比的抽群分布 各种分布之间的关系<br /><br />1．3 单总体均值推论<br /><br />用均值的抽样分布进行推论 用线性模型推论 假设检验<br /><br />1．4 用独立样本推论双均值<br /><br />用抽样分布进行推论 用线性模型进行双样本均值的推论<br /><br />1．5 推论多个均值<br /><br />重新参数化模型<br /><br />1．6 小结<br /><br />1．7 习题<br /><br />2 简单线性回归分析：单自变量线性回归<br /><br />2．1 导论<br /><br />2．2 线性回归模型<br /><br />2．3 推论参数□和口<br /><br />估计参数□和□用抽样分布推论□用线性模型推论□<br /><br />2．4 推论因变量<br /><br />2．5 相关和决定系数<br /><br />2．6 通过原点的回归<br /><br />用抽样分布进行过原点的回归 甩线性摸性进行通过的回归<br /><br />2．7 有关简单线性回归模型的假定<br /><br />2．8 回归的使用与误用<br /><br />2．9 反测<br /><br />2．10 小结<br /><br />2．11 习题<br /><br />3 多元线性回归<br /><br />3．1 导论<br /><br />3．2 多元线性回归模型<br /><br />3．3 系数估计<br /><br />3．4 解释偏回归系数<br /><br />用残差估计偏系数<br /><br />3．5 推论参数<br /><br />计算假设的ss 假设检验 普遍使用的检验 “模型”的检验 单个系数检验<br /><br />同时推 用残差傲系数检验<br /><br />3．6 检验广义线性假设(选读)<br /><br />3．7 多元回归因变量推论<br /><br />3．8 相关和决定系数<br /><br />多重相关偏相关<br /><br />3．9 求得结果<br /><br />3．10 小结和前瞻<br /><br />回归的使用和误用 数据问题模型网题<br /><br />3．11 习题<br /><br />中篇问题及其补救的方法<br /><br />4 观察问题<br /><br />4．1 导论<br /><br />第一部分 异常值<br /><br />4．2 异常值和影响值<br /><br />基于残差的统计量 测量杠杆效应的统计量 测量因变量估计值影响的统计量<br /><br />使用统计量DFBETAS杠杆效应图 测影响系数估计值精度的<br /><br />统计量 评论 补救方法<br /><br />第二部分 违反假定<br /><br />4．3 不等方差<br /><br />一般公式基于关系的权<br /><br />4．4 稳健估计<br /><br />4．5 相关误差<br /><br />自回归模型 自相美诊颤法补救方法备择估计法<br /><br />摸型修改<br /><br />4．6 小结<br /><br />4．7 习题<br /><br />5多重共线性<br /><br />5．1 导论<br /><br />5．2 多重共线性效应<br /><br />5．3 诊断多重共线性<br /><br />方差膨胀因子方差比例 主成分<br /><br />5．4 补救方法<br /><br />变量再定义法 基于变量知识的方法 基于统计分折的方法 主或分回归<br /><br />有偏估计 岭回归 不完全主成分回归<br /><br />5．5 小结<br /><br />5．6 习题<br /><br />6 模型存在的问题<br /><br />6．1 导论<br /><br />6．2 设定误差<br /><br />6．3 缺乏拟合检验<br /><br />评论<br /><br />6．4 过度设置：变量太多<br /><br />6．5 变量选择法<br /><br />子集的大小 统计量其他的选择法<br /><br />6．6 变量选择的信度<br /><br />交叉验证再抽样法<br /><br />6．7 变量选择的效用<br /><br />6．8 变量选择和影响值<br /><br />评语<br /><br />6．9 小结<br /><br />6．10 习题<br /><br />下篇 回归的其他用途<br /><br />7 曲线拟合<br /><br />7．1 导论<br /><br />7．2 单自变量多项式模型<br /><br />交互分析<br /><br />7．3 节点已知的分段多项式<br /><br />分段直线分段多项式<br /><br />7．4 多个变量的多项式回归：响应面<br /><br />7．5 无模型曲线拟合<br /><br />移动平均数散点修匀法<br /><br />7．6 小结<br /><br />7．7 习题<br /><br />8 非线性模型导论<br /><br />8．1 导论<br /><br />8．2 本质线性模型<br /><br />乘法模型<br /><br />8．3 本质非线性模型<br /><br />成长模型<br /><br />8．4 小结<br /><br />8．5 习题<br /><br />9 指示变量<br /><br />9．1 导论<br /><br />9．2 虚拟变量模型<br /><br />相关变量的线性函数的均值和方差<br /><br />9．3 格频数不等<br /><br />9．4 空格<br /><br />9．5 既有虚拟变量也有连续变量的模型<br /><br />9．6 一种特殊的用法：协方差分析<br /><br />9．7 协方差分析中的异构斜率问题<br /><br />9．8 小结<br /><br />9．9 习题<br /><br />10 定类园变量<br /><br />10．1 导论<br /><br />10．2 二值因变量<br /><br />二分因变量线性模型<br /><br />11．3 加权最小平方<br /><br />10．4 简单概率比对数回归<br /><br />10．5 多元概率比对数回归<br /><br />10．6 对数线性模型<br /><br />10．7 小结<br /><br />10．8 习题<br /><br />11 广义线性模型<br /><br />11．1 导论<br /><br />11．2 连接函数<br /><br />概率比对数回归连接泊松回归连接<br /><br />11．3 概率比对数模型<br /><br />11．4 其他模型<br /><br />11．5 小结<br /><br />附录A 统计表<br /><br />A．1 标准正态分布――表A．1(正态分布表)和表A．1a(统计方法中的p值和z值)<br /><br />A．2 T分布――表A．2统计方法中的r值<br /><br />A．3 X2分布――表A．3统计方法中的X2值<br /><br />A．4 F分布――表A．3统计方法中的F值<br /><br />A．5 杜宾？瓦特森检验临界值<br /><br />附录B 矩阵简介<br /><br />B．1 矩阵代数<br /><br />B．2 解线性方程<br /><br />附录C 估计法<br /><br />C．1 最小平方估计<br /><br />C．2 最大似然估计<br /><br />参考文献
展开
