第1章 随机向量与多元正态分布 1
1.1 随机向量 1
1.2 统计距离 9
1.3 多元正态分布 11
1.4 JMP软件上机实现 19
第2章 均值向量和协方差阵的统计推断 21
2.1 均值向量和协方差阵的估计 21
2.2 常用抽样分布 23
2.3 单个正态总体均值的检验 27
2.4 两个正态总体均值的比较 31
2.5 多个正态总体均值的比较 36
2.6 协方差阵的检验 39
2.7 JMP软件上机实现 42
第3章 回归分析 45
3.1 引言 45
3.2 一元线性回归 48
3.3 质量控制应用案例分析 57
3.4 多元线性回归 59
3.5 在回归模型中运用虚拟变量和交互作用项 70
3.6 二次回归模型 74
3.7 JMP软件上机实现 78
第4章 违背经典假设的经济计量模型 83
4.1 异方差 83
4.2 自相关 98
4.3 多重共线性 109
4.4 其他软件实现 117
第5章 主成分分析 124
5.1 主成分基本思想与理论 124
5.2 主成分分析的几何意义 125
5.3 总体主成分 126
5.4 样本主成分 130
5.5 主成分的选取 130
5.6 案例分析 133
5.7 主成分分析的SPSS软件操作 134
5.8 JMP软件上机实现 136
第6章 因子分析 138
6.1 因子分析模型 138
6.2 模型参数的统计意义 140
6.3 变量之间的相关性检验 141
6.4 模型的参数估计方法 142
6.5 因子得分 145
6.6 因子分析的SPSS软件操作 146
6.7 JMP软件上机实现 152
第7章 聚类分析 153
7.1 距离和相似性度量 153
7.2 系统聚类法 158
7.3 动态聚类法 163
7.4 有序样品的聚类 163
7.5 聚类分析SPSS软件操作 164
7.6 JMP软件上机实现 171
第8章 判别分析 174
8.1 判别分析应用实例 174
8.2 距离判别 175
8.3 Bayes判别 177
8.4 Fisher判别 180
8.5 逐步判别 181
8.6 SPSS中判别分析方法和概念的介绍 181
8.7 判别分析的上机实现 182
8.8 JMP软件上机实现 192
第9章 分类神经网络 194
9.1 案例 194
9.2 分类的基本原理 195
9.3 机器学习的基本原理 195
9.4 分类神经网络 197
9.5 JMP软件上机实现 198
9.6 结论与思考 207
第10章 路径分析 209
10.1 案例 209
10.2 基本理论与概念 210
10.3 路径系数分解 212
10.4 路径分析模型的调试和检验 215
10.5 路径分析方法的优点与局限性 217
10.6 案例分析 218
第11章 结构方程模型 224
11.1 案例 224
11.2 结构方程模型的基本概念 225
11.3 结构方程模型的组成 225
11.4 结构方程模型的主要特点 227
11.5 结构方程模型的实施步骤 229
11.6 结构方程模型的优点和局限性 235
11.7 案例分析 236
附录 244
附表1 t分布图 244
附表2 F分布图 246
附录3 杜宾-瓦森检验临界值表 256