多元分析及其在高等教育研究中的应用PDF电子书下载

第1章　多元分析概述 1

1.1 引言 1

1.2　多元分析的应用 3

1.3　多元数据的组织 7

1.3.1 平均数 8

1.3.2　方差与标准差 8

1.3.3　随机变量 9

1.3.4　随机向量 10

1.3.5 多元数据 10

1.3.6　平均值向量 11

1.3.7　标准化数据矩阵 12

1.3.8　协方差矩阵 13

1.3.9　相关矩阵 14

第2章 多元线性回归模型（上） 16

2.1　多元线性回归分析 16

2.1.1 多元线性回归模型 16

2.1.2 多元线性回归方程的建立 17

2.1.3 回归效果的检验 18

2.1.4 高等学校生均教育经费影响因素分析 20

2.1.5 应用和解释多元回归分析时存在的潜在问题 21

2.2　逐步回归分析 23

2.2.1 自变量的选择 23

2.2.2　逐步回归分析的基本原理 24

2.2.3 区域高等教育发展水平影响因素分析 25

2.2.4 高职生职业价值观与自主性学习关系的实证研究 26

2.2.5 研究生学术忠诚影响因素实证研究 27

2.3　路径分析 30

2.3.1　路径分析的基本原理 30

2.3.2　路径分析在教育发展战略研究中的应用 34

2.4　多项式回归 36

2.5　趋势面分析 38

2.5.1　趋势面模型的建立 39

2.5.2 趋势面模型的参数估计 40

2.5.3　趋势面模型的适合度检验 40

2.5.4　普通高等学校本专研在校生比例区域分布模型 42

第3章 多元线性回归模型（下） 45

3.1　多对多回归 45

3.1.1 多对多线性回归的基本原理 45

3.1.2 区域经济水平与高等教育发展关系的回归分析 46

3.2　典型相关分析 49

3.2.1 典型相关分析的基本原理 49

3.2.2 区域经济发展与高等教育发展的典型相关分析 51

3.2.3 高等学校学科竞争潜力与学科竞争实力的典型相关分析 56

3.3　多重共线性 62

3.3.1 多重共线性的诊断方法 62

3.3.2 多重共线性的诊断案例分析 64

3.4　岭回归分析 66

3.4.1 岭回归的基本原理 67

3.4.2 区域高等教育发展影响因素的岭回归分析 67

3.5　偏最小二乘回归 68

3.5.1 偏最小二乘回归的基本原理 69

3.5.2 区域经济水平与高等教育发展关系的偏最小二乘回归分析 71

第4章　协方差结构分析 73

4.1　主成分分析 73

4.1.1 主成分分析的基本模型 73

4.1.2　主成分的个数及解释 74

4.1.3 区域高等教育发展能力的综合分析评价 74

4.2　主成分回归 77

4.3　因子分析 79

4.3.1 因子分析的基本模型 80

4.3.2 因子分析模型中的主要统计量 81

4.3.3 因子分析的基本步骤 82

4.3.4 因子得分 83

4.3.5 我国区域高等教育发展水平的统计分析 86

4.3.6 因子分析与主成分分析的联系与区别 93

4.4　结构方程模型 93

4.4.1 结构方程模型的基本形式 95

4.4.2　从探索型因子分析到验证型因子分析 97

4.4.3 结构方程模型的基本步骤 98

4.4.4 结构方程模型的参数估计 99

4.4.5 结构方程模型的评价 100

4.4.6 男大学生无气力症调查分析 105

4.4.7 研究生学术努力行为的影响机制研究 109

第5章　分类与分组方法 116

5.1　聚类分析 116

5.1.1 聚类分析的方法 116

5.1.2　聚类统计量 117

5.1.3 系统聚类法 118

5.1.4 中国大学前100名聚类分析 119

5.2　判别分析 122

5.2.1　判别分析的种类 122

5.2.2 中国大学前100名判别分析 123

5.2.3 判别分析与因子分析的联系与区别 126

5.3　多维标度法 126

5.3.1 古典多维标度法的基本原理 127

5.3.2 高等学校科学研究发展水平的MDS分析 128

第6章　属性数据分析 131

6.1　Logistic（逻辑斯谛）回归分析 131

6.1.1　Logistic（逻辑斯谛）回归分析的基本原理 132

6.1.2 Logistic（逻辑斯谛）回归分析案例 133

6.1.3 多分类无序反应变量Logistic回归 134

6.1.4 多分类有序反应变量Logistic回归 136

6.2　对数线性模型 138

6.2.1 对数线性模型的基本原理 139

6.2.2 大学生闲暇活动分析的对数线性模型 142

6.3　对应分析 147

6.3.1 对应分析的基本原理 148

6.3.2 头发颜色与眼睛颜色的对应分析 149

6.3.3 美国大学竞争力的对应分析 153

第7章　混合线性模型与广义可加模型 156

7.1　混合线性模型 156

7.1.1 混合线性模型的结构 157

7.1.2 混合线性模型的SAS实现 158

7.1.3 高等学校工资增长趋势研究 159

7.2　广义可加模型 164

7.2.1 可加模型和广义可加模型 165

7.2.2 广义可加模型的SAS实现 166

7.2.3 女性生育一孩率影响因素分析 166

参考文献 169