数据分析方法

第一章 数据分析引论
1.1 数据分析开始之前的若干问题
1.2 数理统计的基本知识
第二章 SAS 统计软件
2.1 SAS 系统简介
2.2 用 DATA 步建立 SAS 数据集
2.3 数据集的管理
2.4 分析报告的输出
第三章 数据的初步分析
3.1 单样本数据
3.2 两样本数据
3.3 多于两个变量的描述
3.4 SAS 使用的指令
习题
第四章 数据的比较
4.1 显著性检验
4.2 分类及计数情况的显著性检验
4.3 n 较小时对平均数的检验
4.4 两样本比较
4.5 x2-检验
4.6 检验2×2频数表中的相关联
4.7 关于显著性检验的若干注记
4.8 SAS 有关指令
习题
第五章 回归分析
5.1 引言
5.2 回归
5.3 最小二乘法
5.4 线性回归模型的若干形式
5.5 线性回归的检验与预测
5.6 多元线性回归简介
5.7 实例：广告花费与销售额
5.8 包含时间、季节等属性数据的回归分析
5.9 回归诊断
5.10 SAS 有关指令
习题
第六章 非参数检验
6.1 符号检验
6.2 Cox-Stuart 趋势检验
6.3 随机游程检验
6.4 Wilcoxon 符号秩检验
6.5 Wilcoxon-Mann-Whitney 检验
6.6 Ansari-Bradley 检验
6.7 Hollander 极端反应值检验
6.8 秩相关分析
6.9 SAS 有关指令
习题
第七章 多样本比较
7.1 Bonferroni 方法
7.2 单因素方差分析
7.3 Kruskal-Wallis 检验
7.4 随机化区组实验的参数分析
7.5 随机化区组实验的非参数分析
7.6 双因素方差分析
7.7 SAS 有关指令
习题
第八章 平稳无趋势时间序列
8.1 引论
8.2 平稳(无趋势)序列
8.3 变换
8.4 简单预测模型
8.5 模型诊断
习题
第九章 呈现趋势的时间序列及预测
9.1 趋势序列的描述
9.2 线性趋势模型
9.3 曲线趋势模型
9.4 曲线趋势模型的拟合及预测
9.5 修正程序
9.6 模型诊断
习题
第十章 季节性时间序列预测
10.1 季节性序列模型
10.2 季节模型的检验
10.3 简单预测模型
10.4 修正预测方法
10.5 模型诊断
10.6 SAS 有关指令
习题
第十一章 ARIMA 模型
11.1 ARIMA 模型
11.2 Box-Jenkins 建模方法
11.3 ARIMA 建模概述
11.4 季节 Box-Jenkins 模型
11.5 SAS 指令及计算实例
习题
附表
1.正态分布概率
2.t-分布临界值
3.x2-分布临界值
4.F(v1,v2)分布临界值(α＝0.10)
5.F(v1,v2)分布临界值(α＝0.05)
6.F(v1,v2)分布临界值(α＝0.01)
7.游程检验
8.Wilcoxon 符号秩分布函数
9.Wilcoxon-Mann-Whitney 检验临界值
10.Kruskal-Wallis 检验临界值
11.Friedman 检验临界值
12.Ansari-Bradley 检验
13.Hollander 极端反应值检验临界值
14.Spearman 秩相关系数检验临界值
15.Kendall τ检验临界值
16.Durbin-Watson 检验
参考文献