当前位置:首页 > 社会科学
统计分析及其SAS实现
统计分析及其SAS实现

统计分析及其SAS实现PDF电子书下载

社会科学

  • 电子书积分:11 积分如何计算积分?
  • 作 者:张晓冉编著
  • 出 版 社:北京:清华大学出版社
  • 出版年份:2011
  • ISBN:9787302252313
  • 页数:258 页
图书介绍:本书介绍了常用统计分析方法及其在SAS软件中的实现。
《统计分析及其SAS实现》目录

第1章 统计分析的SAS基础 1

1.1 SAS概述 1

1.1.1 显示管理方式 2

1.1.2 系统配置 3

1.2 SAS编程基础 4

1.2.1 数据步基本语句 5

1.2.2 input语句 6

1.2.3 数据集与数据库 9

1.3 几个常用过程 10

1.3.1 print过程 10

1.3.2 sort过程 11

1.3.3 gplot过程 12

1.3.4 transpose过程(转置数据集) 14

1.3.5 standard过程(标准化数据) 15

1.4 常用结构语句 16

1.4.1 选择结构 16

1.4.2 循环结构 19

1.5 SAS数据集管理 22

1.5.1 编辑数据集 22

1.5.2 数据集的横向合并 23

1.5.3 与其他系统数据集间的转换 26

1.6 SAS的常用统计函数 27

1.6.1 随机数生成函数 28

1.6.2 累积分布函数和概率密度函数 31

1.6.3 分位数函数 32

1.7 补充与习题 33

第2章 描述统计 38

2.1 描述性统计量 39

2.1.1 描述总体分布位置的统计量 39

2.1.2 描述总体分散程度的统计量 42

2.1.3 描述总体分布形状的统计量 43

2.2 图形描述总体 44

2.2.1 条形图和直方图 45

2.2.2 箱线图(Box-and-Whisker) 47

2.3 补充与习题 49

第3章 假设检验 51

3.1 假设检验与区间估计 51

3.1.1 参数的假设检验 51

3.1.2 参数的区间估计 53

3.2 正态总体均值和方差的检验 54

3.2.1 正态总体均值检验 55

3.2.2 正态总体方差检验 57

3.3 两总体均值比较 61

3.3.1 独立组均值比较 61

3.3.2 成对组均值比较 66

3.4 正态性检验 70

3.4.1 χ2检验法 71

3.4.2 经验分布函数(ECDF)检验法 74

3.4.3 Shapiro-Wilk检验 74

3.5 补充与习题 76

第4章 线性回归分析与回归诊断 78

4.1 统计模型 78

4.2 模型参数的最小二乘估计和因变量的预测 79

4.2.1 模型参数的最小二乘估计及其性质 79

4.2.2 因变量的预测 80

4.3 回归分析中的假设检验 81

4.3.1 回归方程的显著性检验 81

4.3.2 单个回归系数的显著性检验 82

4.3.3 回归系数的一般线性假设检验 83

4.3.4 应用例子 85

4.4 回归诊断 91

4.4.1 残差分析 92

4.4.2 影响分析 94

4.4.3 多重共线性 97

4.5 多重共线性处理方法 101

4.5.1 筛选回归变量 101

4.5.2 岭回归 107

4.6 补充与习题 110

第5章 方差分析 114

5.1 单因子方差分析 114

5.1.1 模型及其显著性检验 114

5.1.2 方差齐性检验 117

5.1.3 可估函数与对比 119

5.1.4 多重比较 121

5.2 无交互效应的两因子方差分析 127

5.2.1 模型及因子效应的显著性检验 127

5.2.2 因子显著性检验统计量分布的推导 129

5.2.3 多重比较与同时置信区间 130

5.3 有交互效应的两因子方差分析 133

5.3.1 模型及因子效应的显著性检验 134

5.4 一般线性模型(glm)过程 138

5.5 补充与习题 139

第6章 分类数据的列联表分析 143

6.1 用freq过程生成列联表 143

6.2 单向表分析 148

6.2.1 二项分布参数的检验与区间估计 148

6.2.2 多项分布参数检验 148

6.3 双向表分析 151

6.3.1 独立性的χ2检验 151

6.3.2 小样本列联表独立性的Fisher精确检验 152

6.4 2×2表分析 155

6.4.1 风险和风险差 155

6.4.2 相对风险和优比比率 156

6.5 补充与习题 160

第7章 主成分分析 163

7.1 总体主成分 163

7.1.1 主成分定义及求法 163

7.1.2 主成分性质 164

7.1.3 标准化变量的主成分 166

7.2 样本主成分与主成分得分 168

7.2.1 样本主成分 168

7.2.2 主成分得分 169

7.3 补充与习题 171

第8章 因子分析 174

8.1 正交因子模型及模型中各量的统计意义 174

8.1.1 正交因子模型 174

8.1.2 正交因子模型的性质 175

8.1.3 因子载荷阵中各量的统计意义 176

8.2 模型参数估计 177

8.2.1 模型参数的主成分估计 177

8.2.2 模型参数的主因子与迭代主因子估计 178

8.2.3 模型参数的极大似然估计 183

8.3 因子旋转与因子得分 183

8.3.1 因子旋转 183

8.3.2 因子得分 184

8.4 补充与习题 188

第9章 典型相关分析 190

9.1 总体典型相关变量 190

9.1.1 第一对典型相关变量的求法 190

9.1.2 一般典型相关变量求法 193

9.1.3 典型相关变量的性质 194

9.2 典型相关变量系数的估计和典型变量得分 195

9.3 典型相关系数检验 197

9.3.1 第一个典型相关系数的检验 197

9.3.2 一般典型相关系数的检验 201

9.4补充与习题 203

第10章 判别分析 206

10.1 多总体距离判别 206

10.1.1 马氏距离 206

10.1.2 马氏距离判别 207

10.2 正态总体判别分析中的检验问题 209

10.2.1 多元方差分析——MANOVA 209

10.2.2 多元正态两总体均值比较 210

10.2.3 多元正态总体协差阵的齐性检验 210

10.3 Bayes判别分析 211

10.3.1 先验概率的确定 212

10.3.2 后验概率与广义平方距离 212

10.3.3 Bayes判别准则 213

10.4 非参数判别 217

10.4.1 密度函数核估计 218

10.4.2 k-最近邻估计 219

10.5 逐步判别与stepdisc过程 221

10.5.1 逐步判别的理论基础 222

10.5.2 逐步判别的计算 223

10.6 补充与习题 228

第11章 聚类分析 231

11.1 系统聚类法 231

11.1.1 系统聚类法分类 231

11.1.2 系统聚类法的性质 235

11.1.3 类个数的确定 236

11.2 动态聚类法与fastclus过程 244

11.2.1 初始凝聚点的选取 245

11.2.2 初始分类与修改分类 246

11.3 补充与习题 250

附录A 辅助知识 252

A.1矩阵知识 252

A.1.1 分块矩阵的行列式与逆 252

A.1.2 投影阵 253

A.2 回归问题 254

A.3 随机向量的投影与相关系数 255

参考文献 258

相关图书
作者其它书籍
返回顶部