第一章 概论 1
1.1 重新认识统计学 1
1.2 市场呼唤统计学 3
1.3 统计分析方法及其应用概述 6
本章思考与练习 16
第二章 统计学基础知识回顾 17
2.1 统计数据的整理与描述 17
2.2 随机向量的数字特征 22
2.3 几种重要的概率分布 25
2.4 参数估计 31
2.5 假设检验 33
本章思考与练习 38
第三章 定性变量的统计分析 40
3.1 多项分布与X2检验 40
3.2 列联表分析 45
3.3 一致性检验 52
3.4 拟合优度检验 55
本章思考与练习 59
第四章 一元线性回归 61
4.1 一元线性回归模型 61
4.2 参数β0、β1的最小二乘估计 70
4.3 回归方程的显著性检验 77
4.4 可化为一元线性回归的曲线回归 83
4.5 回归方程的应用--预测和控制 90
本章思考与练习 100
第五章 多元线性回归 102
5.1 多元线性回归模型 102
5.2 回归参数的最小二乘估计(OLSE) 107
5.3 回归方程的显著性检验 110
5.4 回归系数的显著性检验 114
5.5 多元线性回归模型的应用 123
本章思考与练习 130
第六章 违背基本假设的回归分析 132
6.1 异方差性的产生背景及其处理 132
6.2 序列相关性的产生背景及其处理 147
6.3 多重共线性的产生背景及其处理 163
本章思考与练习 175
第七章 自变量选择与逐步回归 179
7.1 自变量选择对估计和预测的影响 179
7.2 关于自变量选择的几个准则 185
7.3 逐步回归及其应用 193
7.4 自变量中含有定性变量的回归模型 204
本章思考与练习 212
第八章 聚类分析 215
8.1 聚类分析的基本概念 215
8.2 距离和相似系数 218
8.3 系统聚类法 223
8.4 模糊聚类分析 241
本章思考与练习 249
第九章 判别分析 252
9.1 距离判别 253
9.2 费歇尔判别 264
9.3 贝叶斯判别 268
本章思考与练习 276
第十章 主成分分析 281
10.1 主成分分析的基本思想 281
10.2 主成分的几何意义与一般数学模型 283
10.3 主成分的求法及性质 286
10.4 主成分分析的计算步骤 293
10.5 主成分分析的应用 305
本章思考与练习 315
第十一章 因子分析 316
11.1 因子分析的基本思想 316
11.2 因子分析的模型 317
11.3 因子载荷的统计意义 319
11.4 因子载荷矩阵的求解 322
11.5 因子旋转 328
11.6 因子得分 332
本章思考与练习 343
12.1 对应分析的基本思想 345
第十二章 对应分析 345
12.2 对应分析方法的原理 347
12.3 对应分析的计算与应用 353
本章思考与练习 370
第十三章 典型相关分析 373
13.1 典型相关分析的基本思想 373
13.2 总体典型相关和典型变量 375
13.3 样本典型相关和典型变量 378
13.4 典型相关系数的显著性检验 379
13.5 典型相关应用实例 380
本章思考与练习 395
A.1 向量与矩阵 397
附录A 矩阵代数 397
A.2 矩阵的分解和微商 408
附录B 统计表 411
表1 泊松分布表 411
表2 标准正态分布表 413
表3 正态分布分位数表 416
表4 卡方(x2)分布表 419
表5 相关系数检验表 420
表6 t分布的临界点 421
表7 F分布表 422
表8 D.W 检验上下界表 432
参考文献 434