內容提要
實用多元統計分析（第6版）多元統計分析是統計學中內容十分豐富、套用範圍極為廣泛的一個分支。在自然科學和社會科學的許多學科中，研究者都有可能需要分析處理有多個變數的數據的問題。能否從表面上看起來雜亂無章的數據中發現和提煉出規律性的結論，不僅需要對所研究的專業領域有很好的訓練，而且要掌握必要的統計分析工具。
編輯推薦
本書是學習掌握多元統計分析的各種模型和方法的一本有價值的參考書：首先，它做到了“淺入深出”，既可供初學者入門，又能使有較深基礎的人受益；其次，它既側重於套用，又兼顧必要的推理論證，使學習者既能學到“如何”做，又能在一定程度上了解“為什麼”這樣做；最後，它內涵豐富、全面，不僅基本包括各種在實際中常用的多元統計分析方法，而且對現代統計學的最新思想和進展有所介紹。值得一提的是，本書中有大量來自實際問題的數據實例，通過對這些實例的分析，讀者可以學到如何將一個實際問題轉化為恰當的統計問題，進而選擇恰當的方法來進行分析。值得一提的是，本書中有大量來自實際問題的數據實例，通過對這些實例的分析，讀者可以學到如何將一個實際問題轉化為恰當的統計問題，進而選擇恰當的方法來進行分析。
目錄
第1章 多元分析概述
1.1 引言
1.2 多元方法的套用
1.3 數據的組織
1.4 數據的展示及圖表示
1.5 距離
1.6 最終評註
第2章 矩陣代數與隨機向量
2.1 引言
2.2 矩陣和向量代數基礎
2.3 正定矩陣
2.4 平方根矩陣
2.5 隨機向量和矩陣
2.6 均值向量和協方差矩陣
2.7 矩陣不等式和極大化
補充2A 向量與矩陣：基本概念
第3章 樣本幾何與隨機抽樣
3.1 引言
3.2 樣本幾何
3.3 隨機樣本以及樣本均值和協方差矩陣的期望值
3.4 廣義方差
3.5 作為矩陣運算的樣本均值、協方差與相關係數
3.6 變數的線性組合的樣本值
第4章 多元常態分配
4.1 引言
4.2 多元正態密度及其性質
4.3 從多元常態分配抽樣與極大似然估計
4.4 X和s的抽樣分布
4.5 X和S的大樣本特性
4.6 評估正態性假設
4.7 搜尋離群值與“清潔”數據
4.8 變換到接近正態性
第5章 關於均值向量的推斷
5.1 引言
5.2 U0作為正態總體均值的似真性
5.3 霍特林r的平方與似然比檢驗
5.4 置信域和均值分量的聯合比較
5.5 總體均值向量的大樣本推斷
5.6 多元質量控制圖
5.7 觀測值缺損時均值向量的推斷
5.8 多元觀測中由時間相依性造成的困難
補充5A 作為p維橢球投影的聯合置信區間與置信橢圓
第6章 多個多元均值向量的比較
6.1 引言
6.2 成對比較與重複測量設計
6.3 兩總體均值向量的比較
6.4 多個多元總體均值向量的比較(單因子MANOVA)
6.5 處理效應的聯合置信區間
6.6 協方差矩陣相等性的檢驗
6.7 雙因子多元方差分析
6.8 輪廓分析
6.9 重複測量設計和生長曲線
6.10 對分析多元模型的透視和建議
第7章 多元線性回歸模型
7.1 引言
7.2 經典線性回歸模型
7.3 最小二乘估計
7.4 回歸模型的推斷
7.5 由估計的回歸函式作推斷
7.6 模型檢查及回歸中的其他問題
7.7 多元多重回歸
7.8 線性回歸的概念
7.9 比較回歸模型的兩種表述方式
7.10 有時間相關誤差的多重回歸模型
補充7A 多元多重回歸模型的似然比的分布
第8章 主成分
8.1 引言
8.2 總體主成分
8.3 綜合主成分的樣本變差
8.4 主成分的圖形表示
8.5 大樣本推斷
8.6 用主成分監控質量
補充8A 樣本主成分近似的幾何意義
第9章 因子分析與對協方差矩陣結構的推斷
9.1 引言
9.2 正交因子模型
9.3 估計方法
9.4 因子旋轉
9.5 因子得分
9.6 因子分析展望和建議
補充9A 最大似然估計的某些計算細節
第10章 典型相關分析
10.1 引言
10.2 典型變數和典型相關係數
10.3 總體典型變數的解釋
10.4 樣本典型變數和樣本典型相關係數
10.5 其他樣本描述性度量
10.6 大樣本推斷
第11章 判別與分類
11.1 引言
11.2 兩個總體的分離與分類
11.3 兩個多元正態總體的分類
11.4 評估分類函式
11.5 多個總體的分類
11.6 對多個總體進行判別的費希爾方法
11.7 Logistic回歸與分類
11.8 最後的評述
第12章 聚類、距離方法與多維標度變換
12.1 引言
12.2 相似性量度
12.3 分層聚類方法
12.4 非分層聚類方法
12.5 基於統計模型的聚類
12.6 多維標度變換
12.7 對應分析
12.8 用於觀察抽樣單元和變數的雙重信息圖
12.9 普羅克魯斯特斯分析：一種比較點結構的方法
附錄
數據索引
主題索引
