Regression analysis:statistical modeling of a response variable

副标题：无

作者：(美)鲁道夫 J. 弗洛伊德(Rudolf J. Freund)，(美)威廉姆 J. 威尔逊(William J. Wilson)，(美)平沙(Ping Sa)著;沈崇麟译

分类号：O212.1

ISBN：9787562469766

收录收藏 (0) 评论纠错

微信扫一扫,移动浏览光盘

简介
光盘

简介

　　我们普遍会遇到的问题是：手头上已经有了一组有关某一应变量的观察样本或实验数据，并希望通过统计分析对它的性状(behavior)做出解释。这种分析通常都基于变量的性状是可以为某一模型所解释的这样一个前提。而这样的模型(一般)的形式是涉及其他一些变量的代数表达式。那些其他的变量描述了实验条件、描述这些条件如何影响因变量的参数和误差。而误差表达式则几乎是无所不包的这一点，则说明任何模型都不可能对因变量的性状完全做出解释。统计分析包括参数估计、推论(假设检验和置信区间)和确定误差的性质(数量)。此外，我们还必须对那些有可能使统计分析出错的问题，如数据中的误差、模型选择不当和其他违反构成统计推论法的假设等进行调查。　　用于这样的分析的数据既可以是实验、样本调查和过程的观察(操作数据)的数据，也可以是收集到的和第二手的数据。在使用所有这些不同来源的数据时，但尤其是在使用来自操作和第二手的数据做统计分析时，我们需要做的事不仅仅是将数目代入公式，或用一个计算机程序跑一跑数据。我们经常看到一些分析是由一些计划很差的一系列无序的步骤组成的。诸如这样的分析从定义、模型的构建、数据的筛选、计算机程序的选择，到输出结果的解释、数据异常之处和模型存在的不足的诊断，以及在分析目的的框架内提出的建言都可能存在着这样那样的问题。

上篇　基本原理
1　均值分析：基础知识复习和线性模型导言
2　简单线性回归分析：单自变量线性回归
3　多元线性回归中篇　问题及其补救的方法
4　观察问题
5　多重共线性
6　模型存在的问题下篇　回归的其他用途
7　曲线拟合
8　非线性模型导论
9　指示变量
10　定类因变量
11　广义线性模型
附录A　统计表
附录B　矩阵简介
附录C　估计法
参考文献

已确认勘误

页码	勘误内容	提交人	修订印次

Regression analysis:statistical modeling of a response variable

名称
类型
大小

用户反馈

FAQ

Regression analysis:statistical modeling of a response variable

已确认勘误

第次印刷 筛选

第次印刷