我們普遍會遇到的問題是:手頭上已經(jīng)有了一組有關(guān)某一應(yīng)變量的觀察樣本或?qū)嶒灁?shù)據(jù),并希望通過統(tǒng)計分析對它的性狀(behavior)做出解釋。這種分析通常都基于變量的性狀是可以為某一模型所解釋的這樣一個前提。而這樣的模型(一般)的形式是涉及其他一些變量的代數(shù)表達式。那些其他的變量描述了實驗條件、描述這些條件如何影響因變量的參數(shù)和誤差。而誤差表達式則幾乎是無所不包的這一點,則說明任何模型都不可能對因變量的性狀完全做出解釋。統(tǒng)計分析包括參數(shù)估計、推論(假設(shè)檢驗和置信區(qū)間)和確定誤差的性質(zhì)(數(shù)量)。此外,我們還必須對那些有可能使統(tǒng)計分析出錯的問題,如數(shù)據(jù)中的誤差、模型選擇不當和其他違反構(gòu)成統(tǒng)計推論法的假設(shè)等進行調(diào)查。
用于這樣的分析的數(shù)據(jù)既可以是實驗、樣本調(diào)查和過程的觀察(操作數(shù)據(jù))的數(shù)據(jù),也可以是收集到的和第二手的數(shù)據(jù)。在使用所有這些不同來源的數(shù)據(jù)時,但尤其是在使用來自操作和第二手的數(shù)據(jù)做統(tǒng)計分析時,我們需要做的事不僅僅是將數(shù)目代入公式,或用一個計算機程序跑一跑數(shù)據(jù)。我們經(jīng)?吹揭恍┓治鍪怯梢恍┯媱澓懿畹囊幌盗袩o序的步驟組成的。諸如這樣的分析從定義、模型的構(gòu)建、數(shù)據(jù)的篩選、計算機程序的選擇,到輸出結(jié)果的解釋、數(shù)據(jù)異常之處和模型存在的不足的診斷,以及在分析目的的框架內(nèi)提出的建言都可能存在著這樣那樣的問題。
上篇 基本原理
1 均值分析:基礎(chǔ)知識復(fù)習和線性模型導(dǎo)言
2 簡單線性回歸分析:單自變量線性回歸
3 多元線性回歸
中篇 問題及其補救的方法
4 觀察問題
5 多重共線性
6 模型存在的問題
下篇 回歸的其他用途
7 曲線擬合
8 非線性模型導(dǎo)論
9 指示變量
10 定類因變量
11 廣義線性模型
附錄A 統(tǒng)計表
上篇 基本原理
1 均值分析:基礎(chǔ)知識復(fù)習和線性模型導(dǎo)言
2 簡單線性回歸分析:單自變量線性回歸
3 多元線性回歸
中篇 問題及其補救的方法
4 觀察問題
5 多重共線性
6 模型存在的問題
下篇 回歸的其他用途
7 曲線擬合
8 非線性模型導(dǎo)論
9 指示變量
10 定類因變量
11 廣義線性模型
附錄A 統(tǒng)計表
附錄B 矩陣簡介
附錄C 估計法
參考文獻