当前位置:首页 > 数理化
应用线性回归模型
应用线性回归模型

应用线性回归模型PDF电子书下载

数理化

  • 电子书积分:18 积分如何计算积分?
  • 作 者:(美)内 特(Neter,J.)等著;张 勇等译
  • 出 版 社:北京:中国统计出版社
  • 出版年份:1990
  • ISBN:7503703350
  • 页数:628 页
图书介绍:
《应用线性回归模型》目录

第一章 概率和统计的基本结果 1

1.1 求和算符与乘积算符 1

1.2 概率 2

1.3 随机变量 3

1.4 正态概率分布及有关分布 6

1.5 统计估计 9

1.6 正态总体均值的推断 10

1.7 两个正态总体均值的比较 13

1.8 正态总体方差的推断 16

1.9 两个正态总体方差的比较 17

第一部分 基础回归分析 21

第二章 一元线性回归 23

2.1 变量之间的关系 23

2.2 回归模型及其运用 26

2.3 未指定误差项分布的回归模型 30

2.4 回归函数的估计 34

2.5 误差项方差σ2的估计 45

2.6 正态误差回归模型 48

2.7 计算机输入和输出 52

第三章 回归分析推断 61

3.1 关于β1的推断 61

3.2 关于β?的推断 70

3.3 关于β0和β1推断的几个考虑 72

3.4 E(Yh)的区间估计 74

3.5 新观察值的预测 78

3.6 应用回归分析中的考虑 84

3.7 X是随机的情况 86

3.8 回归分析的方差分析法 87

3.9 回归模型中X与Y之间联系的描述测度 99

3.10 计算机输出 103

4.1 残差 113

第四章 模型的适度和补救方法 113

4.2 残差图分析 115

4.3 残差检验 127

4.4 失拟的 F 检验 128

4.5 补救方法 137

4.6 变换 139

第五章 回归分析中的联合推断等专题(1) 154

5.1 β0和β1的联合估计 154

5.2 回归线的置信区域 161

5.3 应变量均值的联合估计 165

5.4 新观察值的联合预测区间 167

5.5 过原点回归 169

5.6 测量误差效应 173

5.7 加权最小二乘法 176

5.8 逆预测 182

5.9 X水平的选择 185

第二部分 一般回归和相关分析 193

第六章 简单回归分析的矩阵方法 195

6.1 矩阵 195

6.2 矩阵的加法和减法 200

6.3 矩阵的乘法 202

6.4 特殊矩阵 207

6.5 线性相关和矩阵的秩 210

6.6 逆矩阵 212

6.7 矩阵的一些基本定理 217

6.8 随机向量和随机矩阵 218

6.9 用矩阵表示的简单线性回归模型 221

6.10 回归参数的最小二乘估计 224

6.11 方差分析 227

6.12 回归分析推断 231

6.13 加权最小二乘法 235

6.14 残差 236

7.1 多元回归模型 243

第七章 多元回归(1) 243

7.2 用矩阵表示的一般线性回归模型 255

7.3 最小二乘估计量 256

7.4 方差分析 257

7.5 回归参数的推断 260

7.6 应变量均值的推断 262

7.7 新观察值的预测 265

7.8 二元回归的一个例子 266

7.9 标准化回归系数 282

7.10 加权最小二乘法 284

第八章 多元回归(2) 293

8.1 多重共线性及其影响 293

8.2 把 SSR 分解成剩余平方和 305

8.3 偏判定系数 310

8.4 关于回归系数的假设检验 312

8.5 一般线性检验的矩阵形式 318

第九章 多项式回归 326

9.1 多项式回归模型 326

9.2 一元的例子 331

9.3 二元的例子 340

9.4 估计二次回归函数的极大(极小)值 345

9.5 关于多项式回归的进一步说明 347

第十章 指示变量 357

10.1 一个品质型自变量 357

10.2 有交互效应的模型 363

10.3 复杂模型 369

10.4 自变量指示变量的其他用途 374

10.5 使用自变量指示变量的几点考虑 382

10.6 应变量指示变量 386

10.7 应变量指示变量的线性回归 389

10.8 逻辑斯蒂回归函数 394

11.1 为改进计算精度而进行的再参数化 411

第十一章 回归分析中多重共线性、强影响观察值及其有关专题(2) 411

11.2 多重共线性问题 417

11.3 方差膨胀因子及其他消除多重共线性的方法 426

11.4 岭回归和多重共线性的其他补救方法 430

11.5 异常观察值的识别 438

11.6 强影响观察值的识别及其补救方法 446

第十二章 自变量的选择 457

12.1 问题的性质 457

12.2 例子 459

12.3 所有可能的回归模型 462

12.4 逐步回归 472

12.5 岭回归选元法 479

12.6 选元方法的实现 480

第十三章 时间序列数据中的自相关 489

13.1 自相关问题 489

13.2 一阶自回归误差模型 493

13.3 德宾—沃森检验 496

13.4 自相关的补救方法 501

第十四章 非线性回归 514

14.1 线性、内线性和非线性回归模型 514

14.2 例子 517

14.3 非线性回归的最小二乘估计 518

14.4 关于非线性回归系数的推断 530

14.5 学习曲线例子 533

15.1 回归模型和相关模型的区别 543

第十五章 正态相关模型 543

15.2 二元正态分布 544

15.3 条件推断 548

15.4 关于 p12的推断 553

15.5 多元正态分布 558

附表 569

SENIC 数椐表 595

SMSA 数据表 602

中英文名词对照 613

相关图书
作者其它书籍
返回顶部