第一章 引论 1
1.1 统计诊断概述 2
1.1.1 统计诊断的内容和意义 2
1.1.2 统计诊断的两个基本概念 9
1.2 预备知识 16
1.2.1 矩阵代数 17
1.2.2 多元正态分布及其他有关分布 23
1.2.3 线性模型的参数估计和假设检验 28
第二章 线性回归的异常点分析 38
2.1 异常点的检验 39
2.1.1 数据删除模型 39
2.1.2 均值漂移模型与异常点的检验 43
2.2 多个异常点的检验 53
2.2.1 数据删除模型 54
2.2.2 均值漂移模型 58
2.3 方差扩大模型 61
2.3.1 Score检验 63
2.3.2 最大似然估计 71
第三章 线性回归的残差分析 78
3.1 学生化残差 80
3.2 残差图 85
3.2.1 标准残差图 86
3.2.2 附加变量残差图 94
3.2.3 正态图、半正态图和包络图 104
3.3 其他形式的残差 110
3.3.1 预测残差 110
3.3.2 不相关残差和BLUS 112
3.3.3 递推残差 117
第四章 线性回归的影响分析 122
4.1 度量影响的基本统计量 124
4.1.1 Cook统计量 125
4.1.2 广义Cook距离和W-K统计量 129
4.1.3 子集参数的Cook距离和W-K统计量 135
4.1.4 多个数据点的影响度量 142
4.2 度量影响的其他统计量 143
4.2.1 协方差比统计量 144
4.2.2 AP统计量 145
4.2.3 置信域的体积比 147
4.2.4 信息比统计量 148
4.3 似然距离 156
4.3.1 线性模型的似然距离 158
4.3.2 似然距离的近似计算 164
第五章 数据变换 167
5.1 方差稳定化变换和线性化变换 168
5.2 Box-Cox变换 181
5.2.1 Box-Cox变换 182
5.2.2 变换参数的最大似然估计 184
5.2.3 变换参数的Atkinson估计 193
5.2.4 Box-Cox变换的大样本性质 196
5.3 推广的幂变换族 199
5.3.1 带有漂移参数的幂变换族 199
5.3.2 折叠的幂变换族 204
5.3.3 模变换族 205
5.4 自变量的Box-Cox变换 206
5.5 双边Box-Cox变换 210
5.6 数据变换的假设检验 214
5.6.1 检验统计量 215
5.6.2 各种检验方法的比较 222
第六章 数据变换的诊断 231
6.1 异常点的图诊断法 232
6.2 数据变换诊断的常用方法 241
6.2.1 诊断模型分析 241
6.2.2 似然距离诊断法 244
6.2.3 Atkinson诊断法 255
6.2.4 子集参数的Cook统计量诊断法 260
6.3 自变量变换的诊断 265
6.3.1 Atkinson诊断法 266
6.3.2 子集参数的Cook统计量诊断法 269
6.3.3 似然距离诊断法 275
6.4 双边变换的诊断 279
第七章 广义影响分析基础 285
7.1 影响函数 286
7.1.1 影响函数的定义及其样本形式 286
7.1.2 线性回归模型中的影响函数 295
7.2 局部影响分析 302
7.2.1 影响图 303
7.2.2 局部影响的曲率度量 307
7.2.3 子集参数的局部影响 314
7.3 线性回归的局部影响分析 319
7.3.1 方差扰动模型 319
7.3.2 自变量扰动模型 324
7.4 数据变换模型的局部影响分析 331
7.4.1 方差扰动模型 332
7.4.2 自变量扰动模型 335
7.4.3 自变量变换的局部影响 337
7.4.4 变换数据扰动的影响 341
第八章 多元线性回归模型的统计诊断 347
8.1 多元线性回归模型 347
8.2 均值漂移模型异常点的识别 352
8.3 影响分析 357
8.3.1 多元广义Cook距离 357
8.3.2 其他影响度量 363
8.3.3 实例 371
9.4 似然距离 377
第九章 多元分析中的影响评价 383
9.1 基本扰动展开式 385
9.2 线性判别中的影响分析 392
9.2.1 理论影响函数 392
9.2.2 影响函数的逼近及其样本形式 398
9.3 主成分分析中的影响评价 403
9.3.1 特征根和特征向量的影响函数 403
9.3.2 样本场合下影响函数的计算 406
9.3.3 三种样本形式的进一步分析 409
9.4 典型相关分析中的影响评价 416
9.4.1 典型相关度量的影响函数 416
9.4.2 相关系数影响函数的分布 422
9.4.3 样本场合下的影响度量 425
9.4.4 强影响点的检测 426
第十章 其他模型的统计诊断 442
10.1 广义线性模型的诊断 442
10.1.1 广义线性模型 442
10.1.2 广义线性模型的诊断 448
10.1.3 诊断图示法 465
10.1.4 局部影响分析 472
10.2 非线性回归模型的统计诊断 480
10.2.1 非线性回归模型 481
10.2.2 基于线性近似的诊断方法 483
10.2.3 诊断模型分析 488
10.2.4 均值漂移模型的曲率度量 492
10.2.5 基于统计曲率的诊断统计量 496
10.3 时间序列的统计诊断 503
10.3.1 时间序列中异常点的类型 504
10.3.2 基于删除数据点的识别方法 512
10.3.3 识别异常点的Score检验方法 523
10.3.4 ARMA模型的强影响点诊断 535
第十一章 回归诊断的Bayes方法 548
11.1 异常点诊断的Box-Tiao方法 549
11.1.1 Box-Tiao方法概述 549
11.1.2 方差加权模型的Bayes诊断 553
11.1.3 均值漂移模型的Bayes诊断 563
11.2 异常点诊断的Chaloner-Brant方法 567
11.3 影响分析的Kullback-Leibler距离方法 577
11.3.1 Kullback-Leibler距离方法 577
11.3.2 Bayes估计的影响度量 580
11.3.3 Bayes预测的影响度量 586
11.4 异常点诊断的条件预测方法 590
11.5 Bayes局部影响分析 594
11.5.1 Bayes局部影响 594
11.5.2 线性模型Bayes估计的局部影响分析 599
11.5.3 线性模型Bayes预测的局部影响分析 606
附录1 Score检验统计量 610
附录2 多元t分布 615
参考文献 618