线性回归分析导论（原书第5版）

　　译者序前言第1章　导引11.1　回归与建模11.2　数据收集41.3　回归的用途71.4　计算机的角色7第2章　简单线性回归92.1　简单线性回归模型92.2　回归参数的最小二乘估计92.2.1　β0与β1的估计92.2.2　最小二乘估计量的性质与回归模型拟合132.2.3　σ2的估计142.2.4　简单线性回归模型的另一种形式152.3　斜率与截距的假设检验152.3.1　使用t检验162.3.2　回归显著性检验162.3.3　方差分析182.4　简单线性回归的区间估计202.4.1　β0、β1与σ2的置信区间202.4.2　响应变量均值的区间估计212.5　新观测值的预测232.6　决定系数242.7　回归在服务业中的应用252.8　使用SAS和R做回归分析272.9　对回归用途的若干思考292.10　过原点回归312.11　极大似然估计352.12　回归变量x为随机变量的情形362.12.1　x与y的联合分布362.12.2　x与y的正态联合分…
　查看完整　　

　　本书是世界公认的《回归分析》标准教材（aleadingtextbookonregression）。不仅从理论上介绍了当今统计学中用到的传统回归方法，还补充介绍了尖端科学研究中不太常见的回归方法。难能可贵的是，作者有丰富的教学经验和实际应用经验，使得本书理论和应用并重，还给出实际应用中应该注意的问题。新版除利用Minitab,SAS,S-PLUS软件外,还融入了新流行的JMP软件和R软件，来阐释相关技术方法。配套资源很丰富，数据、教学PPT等可免费下载。

　　译者序前言第1章　导引11.1　回归与建模11.2　数据收集41.3　回归的用途71.4　计算机的角色7第2章　简单线性回归92.1　简单线性回归模型92.2　回归参数的最小二乘估计92.2.1　β0与β1的估计92.2.2　最小二乘估计量的性质与回归模型拟合132.2.3　σ2的估计142.2.4　简单线性回归模型的另一种形式152.3　斜率与截距的假设检验152.3.1　使用t检验162.3.2　回归显著性检验162.3.3　方差分析182.4　简单线性回归的区间估计202.4.1　β0、β1与σ2的置信区间202.4.2　响应变量均值的区间估计212.5　新观测值的预测232.6　决定系数242.7　回归在服务业中的应用252.8　使用SAS和R做回归分析272.9　对回归用途的若干思考292.10　过原点回归312.11　极大似然估计352.12　回归变量x为随机变量的情形362.12.1　x与y的联合分布362.12.2　x与y的正态联合分布：相关模型37习题40第3章　多元线性回归473.1　多元回归模型473.2　模型参数的估计493.2.1　回归系数的最小二乘估计493.2.2　最小二乘法的几何解释553.2.3　最小二乘估计量的性质553.2.4　σ2的估计563.2.5　多元回归中散点图的不适用性573.2.6　极大似然估计583.3　多元回归中的假设检验593.3.1　回归显著性检验593.3.2　单个回归系数的检验与回归系数子集的检验613.3.3　X中列为正交列的特例653.3.4　一般线性假设的检验663.4　多元回归中的置信区间683.4.1　回归系数的置信区间683.4.2　响应变量均值的置信区间估计693.4.3　回归系数的联合置信区间703.5　新观测值的预测723.6　病人满意度数据的多元回归模型733.7　对基本多元线性回归使用SAS与R743.8　多元回归中所隐含的外推法773.9　标准化回归系数793.10　多重共线性823.11　回归系数为什么有错误的正负号84习题85第4章　模型适用性检验914.1　导引914.2　残差分析914.2.1　残差的定义914.2.2　残差尺度化方法924.2.3　残差图974.2.4　偏回归图与偏残差图1004.2.5　使用Minitab、SAS与R做残差分析1024.2.6　残差的其他作图与分析方法1044.3　PRESS统计量1054.4　离群点的探测与处理1064.5　回归模型的失拟1084.5.1　失拟的正规检验1094.5.2　通过近邻点估计纯误差112习题116第5章　修正模型不适用性的变换与加权1205.1　导引1205.2　方差稳定化变换1205.3　模型线性化变换1235.4　选择变换的分析方法1275.4.1　对y进行变换：博克斯考克斯方法1275.4.2　对回归变量进行变换1295.5　广义最小二乘与加权最小二乘1315.5.1　广义最小二乘1315.5.2　加权最小二乘1335.5.3　若干实用问题1335.6　带有随机效应的回归模型1355.6.1　子抽样1355.6.2　含有单一随机效应的回归模型的一般情形1405.6.3　混合模型在回归中的重要性142习题142第6章　杠杆与强影响的诊断1496.1　探测强影响观测值的重要性1496.2　杠杆1506.3　强影响的度量：库克D距离1526.4　强影响的度量：DFFITS与DFBETAS1536.5　模型性能的度量1556.6　探测强影响观测值的群体1566.7　强影响观测值的处理156习题157第7章　多项式回归模型1587.1　导引1587.2　单变量的多项式模型1587.2.1　基本原理1587.2.2　分段多项式拟合（样条）1627.2.3　多项式与三角式1667.3　非参数回归1677.3.1　核回归1677.3.2　局部加权回归1687.3.3　最后的警告1717.4　两个或更多变量的多项式模型1717.5　正交多项式177习题180第8章　指示变量1858.1　指示变量的一般概念1858.2　关于指示变量用途的评注1948.2.1　指示变量与指定代码回归1948.2.2　用指示变量代替定量回归变量1958.3　方差分析的回归方法195习题199第9章　多重共线性2039.1　导引2039.2　多重共线性的来源2039.3　多重共线性的影响2059.4　多重共线性的诊断2099.4.1　考察协方差矩阵2099.4.2　方差膨胀因子2129.4.3　X′X的特征系统分析2139.4.4　其他诊断量2169.4.5　生成多重共线性诊断量的SAS代码与R代码2179.5　处理多重共线性的方法2179.5.1　收集额外数据2179.5.2　模型重设2189.5.3　岭回归2189.5.4　主成分回归2259.5.5　有偏估计量的比较与评估2309.6　使用SAS做岭回归与主成分回归231习题233第10章　变量选择与模型构建23610.1　导引23610.1.1　模型构建问题23610.1.2　模型误设的后果23710.1.3　评估子集回归模型的准则23910.2　变量选择的计算方法24310.2.1　所有可能的回归24310.2.2　逐步回归方法24810.3　变量选择与模型构建的策略25210.4　案例研究：使用SAS研究Gorman和Toman沥青数据254习题266第11章　回归模型的验证26911.1　导引26911.2　模型验证的方法26911.2.1　模型系数与预测值的分析27011.2.2　收集新数据——确认性试验27111.2.3　数据分割27211.3　来自试验设计的数据279习题280第12章　非线性回归导引28212.1　线性回归模型与非线性回归模型28212.1.1　线性回归模型28212.1.2　非线性回归模型28212.2　非线性模型的起源28312.3　非线性最小二乘28512.4　将非线性模型变换为线性模型28712.5　非线性系统中的参数估计28912.5.1　线性化28912.5.2　参数估计的其他方法29412.5.3　初始值29512.6　非线性回归中的统计推断29612.7　非线性模型的实例29712.8　使用SAS与R298习题301第13章　广义线性模型30513.1　导引30513.2　逻辑斯蒂回归模型30513.2.1　有二值响应变量的模型30513.2.2　逻辑斯蒂回归模型中的参数估计30713.2.3　解释逻辑斯蒂回归模型中的参数31013.2.4　模型参数的统计推断31113.2.5　逻辑斯蒂回归中的诊断检验31813.2.6　二值响应数据的其他模型31913.2.7　分类回归变量的结果多于两个32013.3　泊松回归32113.4　广义线性模型32613.4.1　连接函数与线性预测项32613.4.2　GLM的参数估计与推断32713.4.3　使用GLM进行预测与估计33013.4.4　GLM中的残差分析33113.4.5　使用R做GLM分析33313.4.6　超散布性335习题335第14章　时间序列数据的回归分析34414.1　时间序列数据的回归模型导引34414.2　自相关的探测：杜宾沃森检验34414.3　时间序列回归模型中的参数估计348习题361第15章　使用回归分析时的其他论题36415.1　稳健回归36415.1.1　为什么需要稳健回归36415.1.2　M-估计量36615.1.3　稳健估计量的性质37215.2　测量误差对回归的影响37315.2.1　简单线性回归37315.2.2　博克森模型37415.3　逆估计——校准问题37415.4　回归自助法37715.4.1　回归中的自助抽样37815.4.2　自助置信区间37815.5　分类回归树（CART）38215.6　神经网络38415.7　回归试验设计386习题393附录A　统计用表395附录B　习题数据集406附录C　统计方法的补充内容425附录D　SAS导论453附录E　R导论并用R做线性回归461参考文献464索引479
^ 收 起　　

　　本书是世界公认的《回归分析》标准教材（aleadingtextbookonregression）。不仅从理论上介绍了当今统计学中用到的传统回归方法，还补充介绍了尖端科学研究中不太常见的回归方法。难能可贵的是，作者有丰富的教学经验和实际应用经验，使得本书理论和应用并重，还给出实际应用中应该注意的问题。新版除利用Minitab,SAS,S-PLUS软件外,还融入了新流行的JMP软件和R软件，来阐释相关技术方法。配套资源很丰富，数据、教学PPT等可免费下载。