更新时间：2024-01-25 17:44:09
封面
版权信息
内容简介
本书编委会
序言
写在前面
第1章 多个因变量的假设检验：多变量方差分析
1.1 多变量方差分析
1.1.1 多变量方差分析简介
1.1.2 多变量方差分析的应用条件
1.2 多变量方差分析案例：不同舞蹈学校的分数差异分析
1.2.1 选择变量
1.2.2 设置模型选项
1.2.3 设置事后选项
1.2.4 选项设置
1.2.5 输出结果
1.3 本章小结
第2章 校正混杂因素：协方差分析
2.1 协方差分析简介
2.2 协方差分析案例：早读对成绩的影响
2.2.1 回归拟合线平行性检验
2.2.2 计算和检验修正均数（正式进行协方差分析）
2.3 本章小结
第3章 因变量为连续变量的估计与预测：线性回归分析
3.1 线性回归分析简介
3.1.1 简单线性回归分析简介
3.1.2 多重线性回归分析简介
3.2 简单线性回归分析
3.2.1 简单线性回归分析的假设条件
3.2.2 简单线性回归分析案例：身高和体重的关系
3.3 多重线性回归分析
3.3.1 多重线性回归分析的假设条件
3.3.2 多重线性回归分析案例：年收入的影响因素
3.4 回归诊断
3.4.1 异常值判断
3.4.2 独立性检验
3.4.3 正态性检验
3.4.4 方差齐性检验
3.4.5 多重共线性诊断
3.5 权重估计
3.5.1 权重估计简介
3.5.2 权重估计案例：收入影响因素分析
3.6 加权最小二乘法
3.6.1 加权最小二乘法简介
3.6.2 加权最小二乘法案例：收入影响因素分析
3.7 二阶最小二乘法
3.7.1 二阶最小二乘法简介
3.7.2 二阶最小二乘法案例：影响成绩的数据
3.8 分层回归分析
3.8.1 分层回归分析简介
3.8.2 分层回归分析案例：影响个人收入的因素
3.9 本章小结
第4章 因变量为离散变量的估计与预测：Logistic回归模型
4.1 Logistic回归模型简介
4.1.1 Logistic回归模型的公式
4.1.2 Logistic回归分析的目的
4.1.3 Logistic回归模型的适用条件
4.1.4 Logistic回归分析的主要用途
4.2 二元Logistic回归模型
4.2.1 二元Logistic回归模型简介
4.2.2 二元Logistic回归分析案例：学业成就数据
4.3 多元Logistic回归模型
4.3.1 多元Logistic回归模型简介
4.3.2 多元Logistic回归分析案例：数学成绩调查数据
4.4 有序回归模型
4.4.1 有序回归模型简介
4.4.2 有序回归分析案例：影响个人收入水平的因素
4.5 本章小结
第5章 回归模型进阶：其他回归模型
5.1 最优尺度回归模型
5.1.1 最优尺度回归模型简介
5.1.2 最优尺度回归分析案例：师生关系的预测因素
5.2 非线性回归模型
5.2.1 曲线估计回归模型
5.2.2 非线性回归模型简介
5.2.3 曲线估计回归模型与非线性回归模型的比较
5.3 多层线性模型
5.3.1 多层线性模型简介
5.3.2 多层线性模型（零模型）案例：语文成绩预测因素
5.3.3 多层线性模型（全模型）案例：语文成绩预测因素
5.4 对数线性模型
5.4.1 对数线性模型简介
5.4.2 对数线性模型案例：不同学历人员的收入水平数据
5.5 本章小结
第6章 简化多变量复杂关系：主成分分析与因子分析
6.1 主成分分析
6.1.1 主成分分析简介
6.1.2 主成分分析案例：各省市特征指标的降维
6.2 因子分析
6.2.1 因子分析简介
6.2.2 因子分析案例：学生知识结构状况
6.3 本章小结
第7章 数据归约技术：聚类分析
7.1 聚类分析简介
7.2 K均值聚类
7.2.1 K均值聚类简介
7.2.2 K均值聚类案例：土壤样本聚类
7.3 系统聚类
7.3.1 系统聚类简介
7.3.2 系统聚类案例：土壤指标聚类
