第1章 一元線性回歸分析
1.1 線性回歸模型的矩陣形式
1.1.1 同歸模型的矩陣表示
1.1.2 主要統(tǒng)計量的矩陣表示
1.2 一元線性回歸
1.2.1 數(shù)據(jù)的初步考察
1.2.2 第一種模型求解途徑——矩陣運(yùn)算
1.2.3 第二種模型求解途徑——多項(xiàng)式擬合
1.2.4 第三種模型求解途徑——調(diào)用回歸分析程序包
1.3 統(tǒng)計檢驗(yàn)
1.3.1 相關(guān)知識的說明
1.3.2 主要的統(tǒng)計檢驗(yàn)
1.4 總體回歸估計和預(yù)測分析
1.4.1 總體回歸估計
1.4.2 解釋和外推預(yù)測分析

第1章 一元線性回歸分析
1.1 線性回歸模型的矩陣形式
1.1.1 同歸模型的矩陣表示
1.1.2 主要統(tǒng)計量的矩陣表示
1.2 一元線性回歸
1.2.1 數(shù)據(jù)的初步考察
1.2.2 第一種模型求解途徑——矩陣運(yùn)算
1.2.3 第二種模型求解途徑——多項(xiàng)式擬合
1.2.4 第三種模型求解途徑——調(diào)用回歸分析程序包
1.3 統(tǒng)計檢驗(yàn)
1.3.1 相關(guān)知識的說明
1.3.2 主要的統(tǒng)計檢驗(yàn)
1.4 總體回歸估計和預(yù)測分析
1.4.1 總體回歸估計
1.4.2 解釋和外推預(yù)測分析
1.5 小結(jié)

第2章 多元逐步回歸分析
2.1 多元線性回歸分析
2.1.1 第一種途徑——利用矩陣運(yùn)算
2.1.2 第二種途徑——調(diào)用回歸分析程序包
2.1.3 統(tǒng)計檢驗(yàn)
2.2 多重共線性判斷
2.2.1 VIF值的第一種計算方法
2.2.2 VIF值的第二種計算方法
2.2.3 多元同歸分析的變量選擇問題
2.3 逐步回歸分析
2.3.1 Matlab逐步回歸功能說明
2.3.2 逐步回歸的實(shí)現(xiàn)
2.3.3 回歸結(jié)果的輸出和解讀
2.4 逐步擬合
2.4.1 怏速擬合方法
2.4.2 詳細(xì)擬合方法
2.4.3 幾點(diǎn)說明
2.5 小結(jié)

第3章 非線性模型參數(shù)估計
3.1 常見數(shù)學(xué)模型表達(dá)式
3.2 常見實(shí)例——一變量的情形
3.2.1 指數(shù)模型（Ⅰ）
3.2.2 對數(shù)模型
3.2.3 冪指數(shù)模型
3.2.4 雙曲線模型
3.2.5 Logistic模型（二參數(shù)形式）
3.2.6 指數(shù)模型（Ⅱ）
3.2.7 指數(shù)模型與Iogistic模型
3.3 常見實(shí)例——一變量化為多變量的情形
3.3.1 多項(xiàng)式模型
3.3.2 二次指數(shù)模型
3.3.3 三參數(shù)logistic模型
3.3.4 Gamma模型
3.4 常見實(shí)例——多變量的情形
3.4.1 Cobb-Douglas生產(chǎn)函數(shù)
3.4.2 帶有交叉變量的回歸模型
3.5 廣義線性擬合
3.5.1 廣義線性擬合函數(shù)
3.5.2 典型的例子
3.6 方法比較
3.7 小結(jié)

第4章 主成分分析
4.1 實(shí)例和數(shù)據(jù)
4.1.1 案例數(shù)據(jù)
4.1.2 數(shù)據(jù)的保存與調(diào)用
4.2 第一套計算方案
4.2.1 詳細(xì)計算步驟
4.2.2 計算程序的整理和結(jié)果的輸出
4.2.3 計算結(jié)果的整理
4.3 第二套計算方案
4.3.1 程序的修改
4.3.2 兩套方案的比較
4.4 第三套計算方案
4.4.1 計算程序
4.4.2 T統(tǒng)計量
4.5 配套函數(shù)的調(diào)用
4.5.1 從協(xié)方差矩陣出發(fā)
4.5.2 主成分的殘差分析
4.5.3 Bartlett檢驗(yàn)
4.6 結(jié)果分析方法
4.6.1 結(jié)果分析
4.6.2 綜合評價
4.7 小結(jié)

第5章 因子分析
第6章 層次聚類分析
第7章 判別分析
第8章 自相關(guān)分析
第9章 自回歸分析
第10章 譜分析
第11章 小波分析
第12章 R/S分析
第13章 Markov鏈分析
第14章 線性規(guī)劃
第15章 層次分析法
第16章 人工神經(jīng)網(wǎng)絡(luò)