顶部
收藏

应用多元统计分析——基于R


作者:
主编:费宇,郭民之;副主编:陈贻娟,喻达磊
定价:
52.00元
ISBN:
978-7-04-057670-2
版面字数:
370.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2023-09-15
读者对象:
高等教育
一级分类:
数学与统计学类
二级分类:
统计学专业课
三级分类:
多元统计分析

本书是基于R 软件编写的多元统计分析教材, 主要从应用角度结合实例和R 软件编写。主要内容包括绪论、多元线性模型、广义线性模型、聚类分析、判别分析、主成分分析、因子分析、对应分析、典型相关分析和多维标度法。本书采用生动具体的实例讲解多元统计分析方法, 方便读者学习; 将统计理论与R 软件有机结合, 通过R 软件实现多元统计的计算和分析, 并详细解读R 软件的分析结果。

本书可作为高等学校经济学类、管理类专业本科生和硕士研究生课程教材, 也可作为其他相关专业的参考书, 对广大社会工作者也具有参考价值。

  • 前辅文
  • 第1章 绪论
    • 1.1 多元统计分析简介
      • 1.1.1 多元统计分析的含义
      • 1.1.2 各章 内容安排
    • 1.2 矩阵代数回顾
      • 1.2.1 矩阵及其基本运算
      • 1.2.2 矩阵拉直和Kronecker 积
      • 1.2.3 矩阵的分解
      • 1.2.4 二次型
      • 1.2.5 矩阵的导数
    • 1.3 R 简介
      • 1.3.1 为什么用R
      • 1.3.2 R 的安装与运行
      • 1.3.3 如何获取R 的帮助
      • 1.3.4 R 的基本原理
      • 1.3.5 本书相关的R 程序包和函数
    • 本章 小结
    • 习题1
    • 参考文献
  • 第2章 多元线性模型
    • 2.1 多元正态分布
      • 2.1.1 多元正态分布的定义
      • 2.1.2 多元正态分布的性质
    • 2.2 多元线性模型
      • 2.2.1 模型定义
      • 2.2.2 回归模型的参数估计
      • 2.2.3 回归方程和系数的检验
    • 2.3 变量选择
    • 2.4 回归诊断
      • 2.4.1 残差分析和异常点探测
      • 2.4.2 回归诊断的一般方法
    • 2.5 回归预测
    • 本章 小结
    • 习题2
    • 参考文献
  • 第3章 广义线性模型
    • 3.1 指数族分布的定义
    • 3.2 常见的指数族分布
    • 3.3 指数族分布的性质
    • 3.4 广义线性模型
    • 3.5 二元变量和logistic 模型(probit 模型)
    • 3.6 分类变量和名义及有序logit 模型
      • 3.6.1 名义logit 模型
      • 3.6.2 有序logit 模型
    • 3.7 计数变量和Poisson 对数线性模型
    • 3.8 列联表和对数线性模型
    • 本章 小结
    • 习题3
    • 参考文献
  • 第4章 聚类分析
    • 4.1 相似性度量
    • 4.2 系统聚类法
    • 4.3 k 均值聚类法
    • 4.4 EM 聚类法
    • 本章 小结
    • 习题4
    • 参考文献
  • 第5章 判别分析
    • 5.1 距离判别
      • 5.1.1 距离判别简介
      • 5.1.2 两个总体的距离判别
      • 5.1.3 多个总体的距离判别
    • 5.2 Fisher 判别
      • 5.2.1 两总体的Fisher 判别
      • 5.2.2 多总体的Fisher 判别
    • 5.3 Bayes 判别
      • 5.3.1 两总体的Bayes 判别
      • 5.3.2 多总体的Bayes 判别
    • 5.4 二次判别
    • 5.5 案例分析与R 实现
    • 本章 小结
    • 习题5
    • 参考文献
  • 第6章 主成分分析
    • 6.1 主成分分析的基本思想
    • 6.2 总体主成分
      • 6.2.1 主成分的含义
      • 6.2.2 主成分的计算
      • 6.2.3 主成分的主要性质
      • 6.2.4 主成分个数的确定
      • 6.2.5 变量的标准化及意义
    • 6.3 样本主成分
      • 6.3.1 样本主成分的性质和计算
      • 6.3.2 主成分分析的步骤和相关R 函数
    • 6.4 案例分析与R 实现
    • 本章 小结
    • 习题6
    • 参考文献
  • 第7章 因子分析
    • 7.1 因子分析模型的设定
    • 7.2 常用估计方法
      • 7.2.1 主成分法
      • 7.2.2 迭代主因子法
      • 7.2.3 最大似然估计法
    • 7.3 因子旋转
    • 7.4 因子得分的预测
      • 7.4.1 加权最小二乘法
      • 7.4.2 回归法
    • 本章 小结
    • 习题7
    • 参考文献
  • 第8章 对应分析
    • 8.1 对应分析的χ2 检验
    • 8.2 对应分析方法的原理
      • 8.2.1 对应分析的数据转换方法
      • 8.2.2 对应分析的理论依据
      • 8.2.3 对应分析的计算步骤
    • 8.3 案例分析与R 实现
    • 本章 小结
    • 习题8
    • 参考文献
  • 第9章 典型相关分析
    • 9.1 典型相关分析基本理论和方法
      • 9.1.1 总体典型相关变量的概念及其解法
      • 9.1.2 典型相关变量的性质
      • 9.1.3 原始变量与典型相关变量的相关系数
      • 9.1.4 简单相关、复相关和典型相关之间的关系
      • 9.1.5 分量的标准化处理
    • 9.2 样本典型相关分析方法
      • 9.2.1 典型相关系数的显著性检验
      • 9.2.2 被解释样本方差的比例
    • 9.3 案例分析与R 实现
    • 本章 小结
    • 习题9
    • 参考文献
    • 附录
  • 第10章 多维标度法
    • 10.1 多维标度法的基本思想
    • 10.2 古典多维标度法
      • 10.2.1 多维标度法的几个基本概念
      • 10.2.2 已知距离矩阵时CMDS 解的计算
      • 10.2.3 已知相似系数矩阵时CMDS 解的计算
    • 10.3 案例分析与R 实现
    • 本章 小结
    • 习题10
  • 参考文献

多元统计分析是统计学应用最广泛的一个分支,在自然科学、社会科学、经济科学和管理科学等领域应用广泛。

本课程将介绍多元回归分析、聚类分析、判别分析、主成分分析、因子分析、对应分析、典型相关分析和多维标度分析等8种经典的多元统计分析方法,主要从应用角度结合实例和R软件应用来进行讲解,所有例题、案例和习题的数据文件以及相应的R程序都提供给读者使用。

相关图书