《数据分析方法》求取 ⇩

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