- 统计学高级教程(回归分析原书第8版)/现代统计学丛书
- - 作者：(美)威廉·门登霍尔//特里·辛西奇|责编:刘慧|译者:王黎明//孙思宇
  - 出版社：机械工业
  - ISBN：9787111742104
  - 出版日期：2024/03/01
  - 页数：790
- 售价：79.6

内容大纲
本书通过实例以逻辑直观的方式解释概念。本书强调模型构建——建立适当的统计模型是任何回归分析的基础，还将回归分析作为解决问题的工具。书中大量基于真实数据的示例、练习和案例研究，使读者将关于模型的问题与现实世界的问题联系起来，本书还通过SAS、SPSS、MINITAB的输出结果分析模型并解释样本数据。
这本书可作为统计或非统计专业本科生统计课程的教材，以及其他工科领域研究生的应用回归分析课程的教材。
作者介绍
目录
译者序
前言
第1章  基本概念回顾（选修）
  1.1  统计与数据
  1.2  总体、样本和随机抽样
  1.3  定性数据描述
  1.4  定量数据的图形化描述
  1.5  定量数据的数值型描述
  1.6  正态概率分布
  1.7  抽样分布与中心限定理
  1.8  估计总体均值
  1.9  关于总体均值的假设检验
  1.10  关于两个总体均值之差的推断
  1.11  两个总体方差的比较
第2章  回归分析导论
  2.1  因变量建模
  2.2  回归分析概述
  2.3  回归应用
  2.4  收集回归数据
第3章  简单线性回归
  3.1  引言
  3.2  线性概率模型
  3.3  模型拟合：小二乘法
  3.4  模型假设
  3.5  σ2的估计量
  3.6  评估模型的效用：推断斜率β
  3.7  相关系数
  3.8  判定系数
  3.9  利用模型进行估计和预测
  3.10  完整案例分析
  3.11  经过原点的回归（选修）
  案例研究1  律所广告——值得吗？
第4章  多元回归模型
  4.1  多元回归模型的一般形式
  4.2  模型假设
  4.3  具有定量预测因子的一模型
  4.4  模型拟合：小二乘法
  4.5  ε的方差σ2的估计
  4.6  模型效用检验：方差分析F检验
  4.7  推断单个参数β
  4.8  多重判定系数：R2和R2a
  4.9  使用模型进行估计和预测
  4.10  具有定量预测因子的交互模型
  4.11  具有定量预测因子的二次（二）模型
  4.12  更复杂的多元回归模型（选修）
  4.13  用于比较嵌套模型的检验
  4.14  完整案例分析
  案例研究2  4个街区房地产销售格的模型
第5章  模型构建
  5.1  引言：为什么模型构建很重要？

  5.2  两类自变量：定量变量和定性变量
  5.3  具有单个定量自变量的模型
  5.4  具有两个或两个以上定量自变量的一模型
  5.5  具有两个或两个以上定量自变量的二模型
  5.6  编码定量自变量（选修）
  5.7  具有一个定性自变量的模型
  5.8  具有两个定性自变量的模型
  5.9  具有三个或三个以上定性自变量的模型
  5.10  既有定量自变量又有定性自变量的模型
  5.11  外模型验证（选修）
第6章  变量筛选法
  6.1  引言：为什么使用变量筛选法？
  6.2  逐步回归分析
  6.3  所有可能的回归选择过程
  6.4  注意事项
  案例研究3  解除对州内卡车运输业的管制
第7章  一些回归陷阱
  7.1  引言
  7.2  观测数据与实验设计
  7.3  参数估计与解释
  7.4  多重共线性
  7.5  外推法：在实验区域之外进行预测
  7.6  变量转换
第8章  残差分析
  8.1  引言
  8.2  回归残差
  8.3  检验拟合不当
  8.4  检验异方差
  8.5  检验正态性假设
  8.6  检测异常值并识别有影响的观测值
  8.7  检验残差自相关性：Durbin-Watson检验
  案例研究4  对加利福尼亚州降雨量的分析
  案例研究5  对公开拍卖中公寓销售格影响因素的研究
第9章  回归中的殊主题（选修）
  9.1  引言
  9.2  分段线性回归
  9.3  反向预测
  9.4  加权小二乘法
  9.5  定性因变量建模
  9.6  logistic回归
  9.7  泊松回归
  9.8  岭回归与LASSO回归
  9.9  稳健回归
  9.10  非参数回归模型
第10章  时间序列建模与预测导论
  10.1  什么是时间序列？
  10.2  时间序列分量
  10.3  使用平滑技术进行预测（选修）
  10.4  预测：回归方法
  10.5  自相关和自回归误差模型

  10.6  其他自相关误差模型（选修）
  10.7  构建时间序列模型
  10.8  拟合具有自回归误差的时间序列模型
  10.9  时间序列自回归模型预测
  10.10  季节性时间序列模型：示例
  10.11  使用因变量的滞后值进行预测（选修）
  案例研究6  建立每日用电需求高峰模型
第11章  实验设计原理
  11.1  引言
  11.2  实验设计术语
  11.3  控制实验中的信息
  11.4  降噪设计
  11.5  容量增加设计
  11.6  样本量的确定
  11.7  随机化的重要性
第12章  设计实验的方差分析
  12.1  引言
  12.2  方差分析的理论逻辑
  12.3  单因子完全随机设计
  12.4  随机区组设计
  12.5  双因子因子实验
  12.6  更复杂的因子设计（选修）
  12.7  后续分析：Tukey法的多重均值比较
  12.8  其他多重比较方法（选修）
  12.9  检验方差分析假设
  案例研究7  声音识别与面识别——是否有先后之分？
附录A  简单线性回归中β0和β1的小二乘估计推导
附录B  多元回归分析的原理
附录C  矩阵求逆的过程
附录D  常用的统计表
附录E  案例研究数据集文件概要
附录F  分练答案

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目