• 1.摘要
  • 2.基本信息
  • 3.基本介绍
  • 3.1.内容简介
  • 3.2.作者简介
  • 4.图书目录

回归分析:因变量统计模型

鲁道夫著书籍

《回归分析:因变量统计模型》上篇的三章中,首先复习了基本的统计方法,其目的在于为线性模型的应用,进而为以后的简单线性和多元回归方法的理论和方法的学习打下良好的基础。这里介绍的所有内容都包括了评价这些模型所必需的统计推论方法。中篇由4、5、6三章组成。这三章不仅对回归分析中经常遇到的许多实际问题进行了比较深入的讨论,而且还对这些问题的补救办法提出了一些建议。下篇包括第7章之后的所由章节。主要介绍回归模型的其他用法,这些用法包括多项式模型、自变量和因变量经过变换的模型、非线性模型和含有定类应变量的模型等。

基本信息

  • 外文名

    Regression Analysis: Statistical Modeling of a Response Variable

  • 出版社

    重庆大学出版社

  • 作者

    鲁道夫 J.弗洛伊德(Rudolf J.Freund)

  • 开本

    16

  • 页数

    376页

基本介绍

内容简介

《回归分析:因变量统计模型》旨在为用模型法对因变量做智能分析提供必须的工具。

作者简介

作者:(美国)鲁道夫·J.弗洛伊德(Rudolf J. Freund) (美国)威廉姆·J.威尔逊(William J. Wilson) (美国)平沙(Ping sa) 译者:沈崇麟

图书目录

上篇 基本原理 1 均值分析:基础知识复习和线性模型导言 1.1 导言 1.2 抽样分布 样本均值的抽样分布 方差的抽样分布 两个方差之比的抽样分布 各种分布之间的关系 1.3 单总体均值推论 用均值的抽样分布进行推论 用线性模型推论 假设检验 1.4 用独立样本推论双均值 用抽样分布进行推论 用线性模型进行双样本均值的推论 1.5 推论多个均值 重新参数化模型(Heparameterized Model) 1.6 小结 1.7 习题 2 简单线性回归分析:单自变量线性回归 2.1 导论 2.2 线性回归模型 2.3 推论参数β0和β1 估计参数β0和β1用抽样分布推论β1用线性模型推论β1 2.4 推论因变量 2.5 相关和决定系数 2.6 通过原点的回归 用抽样分布进行过原点的回归 用线性模型进行通过原点的回归 2.7 有关简单线性回归模型的假定 2.8 回归的使用与误用 2.9 反测(inverse prediction) 2.10 小结 2.11 习题 3 多元线性回归 3.1 导论 3.2 多元线性回归模型 3.3 系数估计 3.4 解释偏回归系数 用残差估计偏系数 3.5 推论参数 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 同时推论(Simultaneous Inference) 用残差做系数检验 3.6 检验广义线性假设(General linear hypothesis)(选读) 3.7 多元回归因变量推论 3.8 相关和决定系数 多重相关偏相关 3.9 求得结果 3.10 小结和前瞻 回归的使用和误用 数据问题 模型问题 3.11 习题 中篇 问题及其补救的方法 4 观察问题 4.1 导论 第一部分 异常值 4.2 异常值和影响值 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 使用统计量DFBETAS 杠杆效应图(leversge pbts) 测量影响系数估计值精度的 统计量 评论 补救方法 第二部分 违反假定 4.3 不等方差 一般公式 基于关系的权 4.4 稳健估计(robust estimation) 4.5 相关误差 自回归模型(Autoregressive Models) 自相关诊断法 补救方法 备择估计法 模型修改 4.6 小结 4.7 习题 5 多重共线性 5.1 导论 5.2 多重共线性效应 5.3 诊断多重共线性 方差膨胀因子方差比例i成分 5.4 补救方法 变量再定义法 基于变量知识的方法 基于统计分析的方法 主成分回归 有偏估计法(Biased Estimation) 岭回归 不完全主成分回归 5.5 小结 5.6 习题 6 模型存在的问题 6.1 导论 6.2 设定误差 6.3 缺乏拟合检验(lack of fit test) 评论 6.4 过度设置:变量太多 6.5 变量选择法 子集的大小 Cp统计量 其他的选择法 6.6 变量选择的信度 交叉验证(Cmss Validation) 再抽样法(Resampling) 6.7 变量选择的效用 6.8 变量选择和影响值 评语 6.9 小结 6.10 习题 下篇 回归的其他用途 7 曲线拟合 7.1 导论 7.2 单自变量多项式模型 交互分析 7.3 节点已知的分段多项式 分段直线 分段多项式 7.4 多个变量的多项式回归:响应面(response surface) 7.5 无模型曲线拟合 移动平均数 散点修匀法(The Loess Method) 7.6 小结 7.7 习题 8 非线性模型导论 8.1 导论 8.2 本质线性模型 乘法模型(The Multiplieative Model) 8.3 本质非线性模型(intrinsically nonlinear models) 成长模型(Growtb Models) 8.4 小结 8.5 习题 9 指示变量 9.1 导论 9.2 虚拟变量模型 相关变量的线性函数的均值和方差 9.3 格频数不等 9.4 空格 9.5 既有虚拟变量也有连续变量的模型 9.6 一种特殊的用法:协方差分析 9.7 协方差分析中的异构斜率(heterogeneous slope)问题 9.8 小结 9.9 习题 10 定类因变量 10.1 导论 10.2 二值因变量(binary response variable) 二分因变量线性模型 10.3 加权最小平方 10.4 简单概率比对数回归 10.5 多元概率比对数回归 10.6 对数线性模型 10.7 小结 10.8 习题 11 广义线性模型 11.1 导论 …… 附录A 统计表 附录B 矩阵简介 附录C 估计法 参考文献