第一章 数据分析引论 1
1.1 数据分析开始之前的若干问题 2
1.2 数理统计的基本知识 5
第二章 SAS 统计软件 11
2.1 SAS 系统简介 11
2.2 用 DATA 步建立 SAS 数据集 18
2.3 数据集的管理 37
2.4 分析报告的输出 47
第三章 数据的初步分析 55
3.1 单样本数据 55
3.2 两样本数据 69
3.3 多于两个变量的描述 76
3.4 SAS 使用的指令 78
习题 93
第四章 数据的比较 100
4.1 显著性检验 100
4.2 分类及计数情况的显著性检验 107
4.3 n 较小时对平均数的检验 110
4.4 两样本比较 112
4.5 x2-检验 121
4.6 检验2×2频数表中的相关联 131
4.7 关于显著性检验的若干注记 137
4.8 SAS 有关指令 137
习题 144
5.1 引言 152
第五章 回归分析 152
5.2 回归 154
5.3 最小二乘法 164
5.4 线性回归模型的若干形式 168
5.5 线性回归的检验与预测 169
5.6 多元线性回归简介 173
5.7 实例：广告花费与销售额 179
5.8 包含时间、季节等属性数据的回归分析 181
5.9 回归诊断 184
5.10 SAS 有关指令 195
习题 203
6.1 符号检验 211
第六章 非参数检验 211
6.2 Cox-Stuart 趋势检验 214
6.3 随机游程检验 216
6.4 Wilcoxon 符号秩检验 219
6.5 Wilcoxon-Mann-Whitney 检验 225
6.6 Ansari-Bradley 检验 234
6.7 Hollander 极端反应值检验 238
6.8 秩相关分析 241
6.9 SAS 有关指令 248
习题 254
第七章 多样本比较 264
7.1 Bonferroni 方法 264
7.2 单因素方差分析 266
7.3 Kruskal-Wallis 检验 278
7.4 随机化区组实验的参数分析 284
7.5 随机化区组实验的非参数分析 288
7.6 双因素方差分析 294
7.7 SAS 有关指令 302
习题 319
第八章 平稳无趋势时间序列 329
8.1 引论 329
8.2 平稳(无趋势)序列 332
8.3 变换 345
8.4 简单预测模型 348
8.5 模型诊断 357
习题 363
9.1 趋势序列的描述 366
第九章 呈现趋势的时间序列及预测 366
9.2 线性趋势模型 368
9.3 曲线趋势模型 369
9.4 曲线趋势模型的拟合及预测 375
9.5 修正程序 382
9.6 模型诊断 396
习题 398
第十章 季节性时间序列预测 401
10.1 季节性序列模型 401
10.2 季节模型的检验 402
10.3 简单预测模型 414
10.4 修正预测方法 424
10.5 模型诊断 438
10.6 SAS 有关指令 439
习题 449
第十一章 ARIMA 模型 452
11.1 ARIMA 模型 452
11.2 Box-Jenkins 建模方法 466
11.3 ARIMA 建模概述 477
11.4 季节 Box-Jenkins 模型 479
11.5 SAS 指令及计算实例 481
习题 490
附表 492
1.正态分布概率 492
2.t-分布临界值 494
3.x2-分布临界值 495
4.F(v1,v2)分布临界值(α＝0.10) 496
5.F(v1,v2)分布临界值(α＝0.05) 498
6.F(v1,v2)分布临界值(α＝0.01) 500
7.游程检验 502
8.Wilcoxon 符号秩分布函数 503
9.Wilcoxon-Mann-Whitney 检验临界值 505
10.Kruskal-Wallis 检验临界值 508
11.Friedman 检验临界值 510
12.Ansari-Bradley 检验 514
13.Hollander 极端反应值检验临界值 523
14.Spearman 秩相关系数检验临界值 524
15.Kendall τ检验临界值 527
16.Durbin-Watson 检验 528
参考文献 529