1 回归分析 1
1.1 一元线性回归及相关性 2
1.2 多元线性回归及相关性 8
1.3 线性回归的应用 11
2 SAS软件工具的基础知识 13
2.1 线性回归模型与分析 13
2.2 线性回归一例 14
2.3 用SAS检查数据 15
2.4 多元回归分析 27
2.5 变量正态性的初步检查 34
2.6 SAS中回归分析模块综述 36
3 用SAS作回归分析 39
3.1 本书用到的数据 39
3.2 对锻炼数据作回归分析 39
3.3 检查数据1：核查连续型变量的观测数据 42
3.4 检查数据2：考查连续型变量之间的相关程度 52
3.5 检查数据3：分类型变量校验 54
3.6 主要变量的交互作用 60
3.7 一元线性回归 68
3.8 残差图与回归分析模型的假设 69
3.9 连续型变量的多元回归分析 72
3.10 多元回归分析的检验 74
3.11 单个变量的变换 76
3.12 两个变量的变换 79
4 分类预测变量的回归分析 81
4.1 分类数据编码 81
4.2 二水平分类预测变量的回归分析 85
4.3 多水平分类预测变量的回归分析 91
4.4 多个分类预测变量的回归分析 95
4.5 含交互效应的回归模型 97
4.6 含有连续预测变量和分类预测变量的回归模型 99
4.7 连续型变量和分类变量的交互效应 103
4.8 均值和最小二乘均值 113
4.9 分类预测变量的交互作用 115
4.10 分类预测变量的估计和对比 122
5 回归模型诊断 127
5.1 回归模型诊断方法概述 127
5.2 异常且有影响力的数据 128
5.3 检测有强影响力数据的方法 129
5.4 残差的正态性检验 149
5.5 异方差性检验 155
5.6 多重共线性检验 163
5.7 非线性性检验 169
5.8 变量选择 178
5.9 独立性检验 182
6 广义线性模型 186
6.1 广义线性模型导论 186
6.2 多元回归方程的参数估计 187
6.3 广义线性模型 188
6.4 各种分析模型 190
6.5 估计和假设检验 199
6.6 GLM模型的基本假设 202
7 多元方差分析的一般模型 204
7.1 引言 204
7.2 MANOVA的基本假设 205
7.3 广义线性模型及检验 206
7.4 MANOVA的基本步骤 210
7.5 MANOVA实例 210
7.6 MANOVA讨论 229
8 重复测量模型 231
8.1 用于本章的数据和基本概念 231
8.2 配对t检验与无组间效应重复二次试验的方差分析 235
8.3 有组间效应重复二次试验的方差分析 238
8.4 多次试验的重复测量方差分析 241
8.5 高阶效应的重复测量方差分析 249
8.6 时间对照 250
8.7 多重交叉 253
8.8 用mixed分析重复测量数据 260
9 预测变量的共线性检验 264
9.1 共线性的影响 264
9.2 共线性的直观识别方法 271
9.3 共线性与预测 280
9.4 共线性问题的处理方法 283
9.5 特征根和特征向量的计算 286
9.6 共线性检验 290
9.7 岭回归 297
参考文献 305