目　　錄譯者序前言第1章　導(dǎo)引1　1.1　回歸與建模1　1.2　數(shù)據(jù)收集4　1.3　回歸的用途7　1.4　計(jì)算機(jī)的角色7第2章　簡(jiǎn)單線性回歸9　2.1　簡(jiǎn)單線性回歸模型9　2.2　回歸參數(shù)的最小二乘估計(jì)9　　2.2.1　β0與β1的估計(jì)9　　2.2.2　最小二乘估計(jì)量的性質(zhì)與回歸模型擬合13　　2.2.3　σ2的估計(jì)14　　2.2.4　簡(jiǎn)單線性回歸模型的另一種形式15　2.3　斜率與截距的假設(shè)檢驗(yàn)15　　2.3.1　使用t檢驗(yàn)16　　2.3.2　回歸顯著性檢驗(yàn)16　　2.3.3　方差分析18　2.4　簡(jiǎn)單線性回歸的區(qū)間估計(jì)20　　2.4.1　β0、β1與σ2的置信區(qū)間20　　2.4.2　響應(yīng)變量均值的區(qū)間估計(jì)21　2.5　新觀測(cè)值的預(yù)測(cè)23　2.6　決定系數(shù)24　2.7　回歸在服務(wù)業(yè)中的應(yīng)用25　2.8　使用SAS和R做回歸分析27　2.9　對(duì)回歸用途的若干思考29　2.10　過(guò)原點(diǎn)回歸31　2.11　極大似然估計(jì)35　2.12　回歸變量x為隨機(jī)變量的情形36　　2.12.1　x與y的聯(lián)合分布36　　2.12.2　x與y的正態(tài)聯(lián)合分布：相關(guān)模型37　習(xí)題40第3章　多元線性回歸47　3.1　多元回歸模型47　3.2　模型參數(shù)的估計(jì)49　　3.2.1　回歸系數(shù)的最小二乘估計(jì)49　　3.2.2　最小二乘法的幾何解釋55　　3.2.3　最小二乘估計(jì)量的性質(zhì)55　　3.2.4　σ2的估計(jì)56　　3.2.5　多元回歸中散點(diǎn)圖的不適用性57　　3.2.6　極大似然估計(jì)58　3.3　多元回歸中的假設(shè)檢驗(yàn)59　　3.3.1　回歸顯著性檢驗(yàn)59　　3.3.2　單個(gè)回歸系數(shù)的檢驗(yàn)與回歸系數(shù)子集的檢驗(yàn)61　　3.3.3　X中列為正交列的特例65　　3.3.4　一般線性假設(shè)的檢驗(yàn)66　3.4　多元回歸中的置信區(qū)間68　　3.4.1　回歸系數(shù)的置信區(qū)間68　　3.4.2　響應(yīng)變量均值的置信區(qū)間估計(jì)69　　3.4.3　回歸系數(shù)的聯(lián)合置信區(qū)間70　3.5　新觀測(cè)值的預(yù)測(cè)72　3.6　病人滿意度數(shù)據(jù)的多元回歸模型73　3.7　對(duì)基本多元線性回歸使用SAS與R74　3.8　多元回歸中所隱含的外推法77　3.9　標(biāo)準(zhǔn)化回歸系數(shù)79　3.10　多重共線性82　3.11　回歸系數(shù)為什么有錯(cuò)誤的正負(fù)號(hào)84　習(xí)題85第4章　模型適用性檢驗(yàn)91　4.1　導(dǎo)引91　4.2　殘差分析91　　4.2.1　殘差的定義91　　4.2.2　殘差尺度化方法92　　4.2.3　殘差圖97　　4.2.4　偏回歸圖與偏殘差圖100　　4.2.5　使用Minitab、SAS與R做殘差分析102　　4.2.6　殘差的其他作圖與分析方法104　4.3　PRESS統(tǒng)計(jì)量105　4.4　離群點(diǎn)的探測(cè)與處理106　4.5　回歸模型的失擬108　　4.5.1　失擬的正規(guī)檢驗(yàn)109　　4.5.2　通過(guò)近鄰點(diǎn)估計(jì)純誤差112　習(xí)題116第5章　修正模型不適用性的變換與加權(quán)120　5.1　導(dǎo)引120　5.2　方差穩(wěn)定化變換120　5.3　模型線性化變換123　5.4　選擇變換的分析方法127　　5.4.1　對(duì)y進(jìn)行變換：博克斯考克斯方法127　　5.4.2　對(duì)回歸變量進(jìn)行變換129　5.5　廣義最小二乘與加權(quán)最小二乘131　　5.5.1　廣義最小二乘131　　5.5.2　加權(quán)最小二乘133　　5.5.3　若干實(shí)用問(wèn)題133　5.6　帶有隨機(jī)效應(yīng)的回歸模型135　　5.6.1　子抽樣135　　5.6.2　含有單一隨機(jī)效應(yīng)的回歸模型的一般情形140　　5.6.3　混合模型在回歸中的重要性142　習(xí)題142第6章　杠桿與強(qiáng)影響的診斷149　6.1　探測(cè)強(qiáng)影響觀測(cè)值的重要性149　6.2　杠桿150　6.3　強(qiáng)影響的度量：庫(kù)克D距離152　6.4　強(qiáng)影響的度量：DFFITS與DFBETAS153　6.5　模型性能的度量155　6.6　探測(cè)強(qiáng)影響觀測(cè)值的群體156　6.7　強(qiáng)影響觀測(cè)值的處理156　習(xí)題157第7章　多項(xiàng)式回歸模型158　7.1　導(dǎo)引158　7.2　單變量的多項(xiàng)式模型158　　7.2.1　基本原理158　　7.2.2　分段多項(xiàng)式擬合（樣條）162　　7.2.3　多項(xiàng)式與三角式166　7.3　非參數(shù)回歸167　　7.3.1　核回歸167　　7.3.2　局部加權(quán)回歸168　　7.3.3　最后的警告171　7.4　兩個(gè)或更多變量的多項(xiàng)式模型171　7.5　正交多項(xiàng)式177　習(xí)題180第8章　指示變量185　8.1　指示變量的一般概念185　8.2　關(guān)于指示變量用途的評(píng)注194　　8.2.1　指示變量與指定代碼回歸194　　8.2.2　用指示變量代替定量回歸變量195　8.3　方差分析的回歸方法195　習(xí)題199第9章　多重共線性203　9.1　導(dǎo)引203　9.2　多重共線性的來(lái)源203　9.3　多重共線性的影響205　9.4　多重共線性的診斷209　　9.4.1　考察協(xié)方差矩陣209　　9.4.2　方差膨脹因子212　　9.4.3　X′X的特征系統(tǒng)分析213　　9.4.4　其他診斷量216　　9.4.5　生成多重共線性診斷量的SAS代碼與R代碼217　9.5　處理多重共線性的方法217　　9.5.1　收集額外數(shù)據(jù)217　　9.5.2　模型重設(shè)218　　9.5.3　嶺回歸218　　9.5.4　主成分回歸225　　9.5.5　有偏估計(jì)量的比較與評(píng)估230　9.6　使用SAS做嶺回歸與主成分回歸231　習(xí)題233第10章　變量選擇與模型構(gòu)建236　10.1　導(dǎo)引236　　10.1.1　模型構(gòu)建問(wèn)題236　　10.1.2　模型誤設(shè)的后果237　　10.1.3　評(píng)估子集回歸模型的準(zhǔn)則239　10.2　變量選擇的計(jì)算方法243　　10.2.1　所有可能的回歸243　　10.2.2　逐步回歸方法248　10.3　變量選擇與模型構(gòu)建的策略252　10.4　案例研究：使用SAS研究Gorman和Toman瀝青數(shù)據(jù)254　習(xí)題266第11章　回歸模型的驗(yàn)證269　11.1　導(dǎo)引269　11.2　模型驗(yàn)證的方法269　　11.2.1　模型系數(shù)與預(yù)測(cè)值的分析270　　11.2.2　收集新數(shù)據(jù)——確認(rèn)性試驗(yàn)271　　11.2.3　數(shù)據(jù)分割272　11.3　來(lái)自試驗(yàn)設(shè)計(jì)的數(shù)據(jù)279　習(xí)題280第12章　非線性回歸導(dǎo)引282　12.1　線性回歸模型與非線性回歸模型282　　12.1.1　線性回歸模型282　　12.1.2　非線性回歸模型282　12.2　非線性模型的起源283　12.3　非線性最小二乘285　12.4　將非線性模型變換為線性模型287　12.5　非線性系統(tǒng)中的參數(shù)估計(jì)289　　12.5.1　線性化289　　12.5.2　參數(shù)估計(jì)的其他方法294　　12.5.3　初始值295　12.6　非線性回歸中的統(tǒng)計(jì)推斷296　12.7　非線性模型的實(shí)例297　12.8　使用SAS與R298　習(xí)題301第13章　廣義線性模型305　13.1　導(dǎo)引305　13.2　邏輯斯蒂回歸模型305　　13.2.1　有二值響應(yīng)變量的模型305　　13.2.2　邏輯斯蒂回歸模型中的參數(shù)估計(jì)307　　13.2.3　解釋邏輯斯蒂回歸模型中的參數(shù)310　　13.2.4　模型參數(shù)的統(tǒng)計(jì)推斷311　　13.2.5　邏輯斯蒂回歸中的診斷檢驗(yàn)318　　13.2.6　二值響應(yīng)數(shù)據(jù)的其他模型319　　13.2.7　分類回歸變量的結(jié)果多于兩個(gè)320　13.3　泊松回歸321　13.4　廣義線性模型326　　13.4.1　連接函數(shù)與線性預(yù)測(cè)項(xiàng)326　　13.4.2　GLM的參數(shù)估計(jì)與推斷327　　13.4.3　使用GLM進(jìn)行預(yù)測(cè)與估計(jì)330　　13.4.4　GLM中的殘差分析331　　13.4.5　使用R做GLM分析333　　13.4.6　超散布性335　習(xí)題335第14章　時(shí)間序列數(shù)據(jù)的回歸分析344　14.1　時(shí)間序列數(shù)據(jù)的回歸模型導(dǎo)引344　14.2　自相關(guān)的探測(cè)：杜賓沃森檢驗(yàn)344　14.3　時(shí)間序列回歸模型中的參數(shù)估計(jì)348　習(xí)題361第15章　使用回歸分析時(shí)的其他論題364　15.1　穩(wěn)健回歸364　　15.1.1　為什么需要穩(wěn)健回歸364　　15.1.2　M-估計(jì)量366　　15.1.3　穩(wěn)健估計(jì)量的性質(zhì)372　15.2　測(cè)量誤差對(duì)回歸的影響373　　15.2.1　簡(jiǎn)單線性回歸373　　15.2.2　博克森模型374　15.3　逆估計(jì)——校準(zhǔn)問(wèn)題374　15.4　回歸自助法377　　15.4.1　回歸中的自助抽樣378　　15.4.2　自助置信區(qū)間378　15.5　分類回歸樹（CART）382　15.6　神經(jīng)網(wǎng)絡(luò)384　15.7　回歸試驗(yàn)設(shè)計(jì)386　習(xí)題393附錄A　統(tǒng)計(jì)用表395附錄B　習(xí)題數(shù)據(jù)集406附錄C　統(tǒng)計(jì)方法的補(bǔ)充內(nèi)容425附錄D　SAS導(dǎo)論453附錄E　R導(dǎo)論并用R做線性回歸461參考文獻(xiàn)464索引479