第一章 多因子方差分析 1
第一节 概述 1
第二节 二因子方差分析 1
第三节 三因子方差分析 7
第四节 方差分析的随机效应模型 14
第五节 方差分析的混合效应模型 17
第六节 几点说明 20
第二章 协方差分析 22
第一节 概述 22
第二节 完全随机设计、一个协变量的协方差分析 23
第三节 一个协变量、二因子析因实验设计协方差分析 28
第四节 几点说明 35
第三章 多元线性回归分析 36
第一节 概述 36
第二节 实例分析 37
第三节 多重共线性 42
第四节 自变量的选择 45
第五节 几点说明 56
第一节 概述 57
第四章 多元logistic回归 57
第二节 非条件logistic回归 58
第三节 条件logistic回归 63
第四节 几点说明 66
第五章 Poisson回归 68
第一节 概述 68
第二节 单个协变量的Poisson回归模型 68
第三节 多个协变量的Poisson回归模型 75
第四节★ 模型的参数估计与假设检验 81
第一节 概述 83
第六章 对数线性模型 83
第二节 二维列联表对数线性模型 84
第三节 三维列联表对数线性模型 91
第四节★ 模型的参数估计与假设检查 97
第五节 几点说明 100
第七章 生存分析 101
第一节 概述 101
第二节 Cox模型 104
第三节 指数分布模型 108
第四节 Weibull分布模型 113
第五节 几点说明 116
第八章 判别分析 122
第一节 概述 122
第二节 距离判别分析 122
第三节 Bayes判别分析 127
第四节 判别能力的假设检验 131
第五节 判别效果的评价 133
第六节 逐步判别分析 134
第七节 SAS程序及输出结果 135
第一节 概述 149
第九章 聚类分析 149
第二节 系统聚类法 151
第三节 应用实例 152
第十章 主成分分析 161
第一节 概述 161
第二节 主成分的求法 162
第三节 主成分个数的确定及实际意义的解释 164
第四节 主成分分析的一般步骤 166
第五节 主成分分析的应用 168
第一节 概述 174
第十一章 典型相关分析 174
第二节 典型相关变量与典型相关系数的求法 175
第三节 典型变量的性质及其实际意义的解释 178
第四节★ 冗余度分析 179
第五节★ 典型相关系数的显著性检验 183
第六节 利用STATA软件实施典型相关分析的一般步骤 183
第七节 应用举例 186
第十二章 多元回归分析策略 188
第一节 全回归分析 188
第三节 某因素是否与某疾病发病（或死亡）有关的多因素分析 190
第二节 主要影响因素分析 190
第四节 统计分析结果解释的要点和应注意的问题 191
附录 193
一、矩阵及其基本运算 193
二、参数估计法 205
三、迭代法 208
四、STATA入门 212
五、SAS程序 214
六、正文中某些实例的数据 220