目　　錄譯者序前言第1章　導引1　1.1　回歸與建模1　1.2　數據收集4　1.3　回歸的用途7　1.4　計算機的角色7第2章　簡單線性回歸9　2.1　簡單線性回歸模型9　2.2　回歸參數的最小二乘估計9　　2.2.1　β0與β1的估計9　　2.2.2　最小二乘估計量的性質與回歸模型擬合13　　2.2.3　σ2的估計14　　2.2.4　簡單線性回歸模型的另一種形式15　2.3　斜率與截距的假設檢驗15　　2.3.1　使用t檢驗16　　2.3.2　回歸顯著性檢驗16　　2.3.3　方差分析18　2.4　簡單線性回歸的區(qū)間估計20　　2.4.1　β0、β1與σ2的置信區(qū)間20　　2.4.2　響應變量均值的區(qū)間估計21　2.5　新觀測值的預測23　2.6　決定系數24　2.7　回歸在服務業(yè)中的應用25　2.8　使用SAS和R做回歸分析27　2.9　對回歸用途的若干思考29　2.10　過原點回歸31　2.11　極大似然估計35　2.12　回歸變量x為隨機變量的情形36　　2.12.1　x與y的聯合分布36　　2.12.2　x與y的正態(tài)聯合分布：相關模型37　習題40第3章　多元線性回歸47　3.1　多元回歸模型47　3.2　模型參數的估計49　　3.2.1　回歸系數的最小二乘估計49　　3.2.2　最小二乘法的幾何解釋55　　3.2.3　最小二乘估計量的性質55　　3.2.4　σ2的估計56　　3.2.5　多元回歸中散點圖的不適用性57　　3.2.6　極大似然估計58　3.3　多元回歸中的假設檢驗59　　3.3.1　回歸顯著性檢驗59　　3.3.2　單個回歸系數的檢驗與回歸系數子集的檢驗61　　3.3.3　X中列為正交列的特例65　　3.3.4　一般線性假設的檢驗66　3.4　多元回歸中的置信區(qū)間68　　3.4.1　回歸系數的置信區(qū)間68　　3.4.2　響應變量均值的置信區(qū)間估計69　　3.4.3　回歸系數的聯合置信區(qū)間70　3.5　新觀測值的預測72　3.6　病人滿意度數據的多元回歸模型73　3.7　對基本多元線性回歸使用SAS與R74　3.8　多元回歸中所隱含的外推法77　3.9　標準化回歸系數79　3.10　多重共線性82　3.11　回歸系數為什么有錯誤的正負號84　習題85第4章　模型適用性檢驗91　4.1　導引91　4.2　殘差分析91　　4.2.1　殘差的定義91　　4.2.2　殘差尺度化方法92　　4.2.3　殘差圖97　　4.2.4　偏回歸圖與偏殘差圖100　　4.2.5　使用Minitab、SAS與R做殘差分析102　　4.2.6　殘差的其他作圖與分析方法104　4.3　PRESS統(tǒng)計量105　4.4　離群點的探測與處理106　4.5　回歸模型的失擬108　　4.5.1　失擬的正規(guī)檢驗109　　4.5.2　通過近鄰點估計純誤差112　習題116第5章　修正模型不適用性的變換與加權120　5.1　導引120　5.2　方差穩(wěn)定化變換120　5.3　模型線性化變換123　5.4　選擇變換的分析方法127　　5.4.1　對y進行變換：博克斯考克斯方法127　　5.4.2　對回歸變量進行變換129　5.5　廣義最小二乘與加權最小二乘131　　5.5.1　廣義最小二乘131　　5.5.2　加權最小二乘133　　5.5.3　若干實用問題133　5.6　帶有隨機效應的回歸模型135　　5.6.1　子抽樣135　　5.6.2　含有單一隨機效應的回歸模型的一般情形140　　5.6.3　混合模型在回歸中的重要性142　習題142第6章　杠桿與強影響的診斷149　6.1　探測強影響觀測值的重要性149　6.2　杠桿150　6.3　強影響的度量：庫克D距離152　6.4　強影響的度量：DFFITS與DFBETAS153　6.5　模型性能的度量155　6.6　探測強影響觀測值的群體156　6.7　強影響觀測值的處理156　習題157第7章　多項式回歸模型158　7.1　導引158　7.2　單變量的多項式模型158　　7.2.1　基本原理158　　7.2.2　分段多項式擬合（樣條）162　　7.2.3　多項式與三角式166　7.3　非參數回歸167　　7.3.1　核回歸167　　7.3.2　局部加權回歸168　　7.3.3　最后的警告171　7.4　兩個或更多變量的多項式模型171　7.5　正交多項式177　習題180第8章　指示變量185　8.1　指示變量的一般概念185　8.2　關于指示變量用途的評注194　　8.2.1　指示變量與指定代碼回歸194　　8.2.2　用指示變量代替定量回歸變量195　8.3　方差分析的回歸方法195　習題199第9章　多重共線性203　9.1　導引203　9.2　多重共線性的來源203　9.3　多重共線性的影響205　9.4　多重共線性的診斷209　　9.4.1　考察協(xié)方差矩陣209　　9.4.2　方差膨脹因子212　　9.4.3　X′X的特征系統(tǒng)分析213　　9.4.4　其他診斷量216　　9.4.5　生成多重共線性診斷量的SAS代碼與R代碼217　9.5　處理多重共線性的方法217　　9.5.1　收集額外數據217　　9.5.2　模型重設218　　9.5.3　嶺回歸218　　9.5.4　主成分回歸225　　9.5.5　有偏估計量的比較與評估230　9.6　使用SAS做嶺回歸與主成分回歸231　習題233第10章　變量選擇與模型構建236　10.1　導引236　　10.1.1　模型構建問題236　　10.1.2　模型誤設的后果237　　10.1.3　評估子集回歸模型的準則239　10.2　變量選擇的計算方法243　　10.2.1　所有可能的回歸243　　10.2.2　逐步回歸方法248　10.3　變量選擇與模型構建的策略252　10.4　案例研究：使用SAS研究Gorman和Toman瀝青數據254　習題266第11章　回歸模型的驗證269　11.1　導引269　11.2　模型驗證的方法269　　11.2.1　模型系數與預測值的分析270　　11.2.2　收集新數據——確認性試驗271　　11.2.3　數據分割272　11.3　來自試驗設計的數據279　習題280第12章　非線性回歸導引282　12.1　線性回歸模型與非線性回歸模型282　　12.1.1　線性回歸模型282　　12.1.2　非線性回歸模型282　12.2　非線性模型的起源283　12.3　非線性最小二乘285　12.4　將非線性模型變換為線性模型287　12.5　非線性系統(tǒng)中的參數估計289　　12.5.1　線性化289　　12.5.2　參數估計的其他方法294　　12.5.3　初始值295　12.6　非線性回歸中的統(tǒng)計推斷296　12.7　非線性模型的實例297　12.8　使用SAS與R298　習題301第13章　廣義線性模型305　13.1　導引305　13.2　邏輯斯蒂回歸模型305　　13.2.1　有二值響應變量的模型305　　13.2.2　邏輯斯蒂回歸模型中的參數估計307　　13.2.3　解釋邏輯斯蒂回歸模型中的參數310　　13.2.4　模型參數的統(tǒng)計推斷311　　13.2.5　邏輯斯蒂回歸中的診斷檢驗318　　13.2.6　二值響應數據的其他模型319　　13.2.7　分類回歸變量的結果多于兩個320　13.3　泊松回歸321　13.4　廣義線性模型326　　13.4.1　連接函數與線性預測項326　　13.4.2　GLM的參數估計與推斷327　　13.4.3　使用GLM進行預測與估計330　　13.4.4　GLM中的殘差分析331　　13.4.5　使用R做GLM分析333　　13.4.6　超散布性335　習題335第14章　時間序列數據的回歸分析344　14.1　時間序列數據的回歸模型導引344　14.2　自相關的探測：杜賓沃森檢驗344　14.3　時間序列回歸模型中的參數估計348　習題361第15章　使用回歸分析時的其他論題364　15.1　穩(wěn)健回歸364　　15.1.1　為什么需要穩(wěn)健回歸364　　15.1.2　M-估計量366　　15.1.3　穩(wěn)健估計量的性質372　15.2　測量誤差對回歸的影響373　　15.2.1　簡單線性回歸373　　15.2.2　博克森模型374　15.3　逆估計——校準問題374　15.4　回歸自助法377　　15.4.1　回歸中的自助抽樣378　　15.4.2　自助置信區(qū)間378　15.5　分類回歸樹（CART）382　15.6　神經網絡384　15.7　回歸試驗設計386　習題393附錄A　統(tǒng)計用表395附錄B　習題數據集406附錄C　統(tǒng)計方法的補充內容425附錄D　SAS導論453附錄E　R導論并用R做線性回歸461參考文獻464索引479