第1章 一元线性回归分析 1
1.1 模型的初步估计 1
1.2 详细的回归过程 3
1.3 回归结果详解 7
1.4 预测分析 16
第2章 多元线性回归分析 19
2.1 多元回归过程 19
2.2 多重共线性分析 25
2.3 借助线性回归函数快速拟合 29
2.4 统计检验临界值的查询 31
第3章 逐步回归分析 34
3.1 数据预备工作 34
3.2 变量引入的计算过程 35
3.3 参数估计和模型建设 43
3.4 模型参数的进一步验证 44
3.5 模型检验 47
第4章 非线性回归分析 51
4.1 常见数学模型 51
4.2 常见实例——一变量的情形 52
4.3 常见实例——一变量化为多变量的情形 70
4.4 常见实例——多变量的情形 81
第5章 主成分分析 85
5.1 计算步骤 85
5.2 相关的验证工作 96
5.3 主成分分析与因子分析的关系 98
第6章 系统聚类分析 105
6.1 计算距离矩阵 105
6.2 聚类过程 113
6.3 聚类结果评价 120
第7章 距离判别分析 123
7.1 数据的预处理 123
7.2 计算过程 125
7.3 判别函数检验 134
7.4 样品的判别与归类 137
7.5 利用回归分析建立判别函数 138
7.6 判别分析与因子分析的关系 143
第8章 自相关分析 145
8.1 自相关系数 145
8.2 偏自相关系数 151
8.3 偏自相关系数与自回归系数 153
8.4 自相关分析 156
第9章 自回归分析 159
9.1 样本数据的初步分析 159
9.2 自回归模型的回归估计 161
9.3 数据的平稳化及其自回归模型 169
第10章 周期图分析 174
10.1 时间序列的周期图 174
10.2 周期图分析的相关例证 179
10.3 多元回归的验证 183
第11章 时空序列的谱分析（自谱） 185
11.1 周期数据的频谱分析 185
11.2 空间数据的波谱分析 191
第12章 功率谱分析（实例） 195
12.1 实例分析1 195
12.2 实例分析2 198
12.3 实例分析3 199
12.4 实例分析4 201
12.5 实例分析5 202
12.6 实例分析6 205
第13章 Markov链分析 207
13.1 问题与模型 207
13.2 逐步计算 208
13.3 编程计算 211
第14章 R/S分析 216
14.1 计算Hurst指数的基本步骤 216
14.2 自相关系数和R/S分析 221
第15章 线性规划求解（实例） 223
15.1 实例分析1 223
15.2 实例分析2 228
15.3 实例分析3 231
15.4 实例分析4 234
15.5 实例分析5 238
15.6 实例分析6 241
15.7 实例分析7 244
第16章 层次分析法 247
16.1 问题与模型 247
16.2 计算方法之一——方根法 248
16.3 计算方法之二——和积法 252
16.4 计算方法之三——迭代法 255
16.5 结果解释 258
第17章 GM（1,1）预测分析 260
17.1 方法之一——最小二乘运算 260
17.2 方法之二——线性回归法 264
第18章 GM（1,N）预测分析 269
18.1 方法之一——最小二乘运算 269
18.2 方法之二——线性回归法 273
参考文献 275
后记 276