《应用回归分析》求取 ⇩

第一章对有关数理统计学知识的回顾1

1.1 随机变量及其分布1

1.2 几个重要的概率分布9

1.3 统计推断1：参数的估计13

1.4 统计推断2：参数的假设检验17

第二章回归分析的几个基本概念22

2.1 回归的含义22

2.2 变量之间的统计关系24

2.3 回归分析与相关分析27

2.4 回归模型所含自变量的数目28

2.5 总体回归函数29

2.6 样本回归函数33

2.7 随机扰动误差项37

第三章回归参数的估计40

3.1 回归参数的点估计40

3.2 最小平方估计量 β0和 β1的特性及高斯——马可夫定理51

3.3 最大似然估计法的应用56

3.4 对 σ2的估计59

4.1 引言67

第四章回归模型的考查67

4.2 方差分析表68

4.3 变量之间线性关系的显著性检验71

4.4 测定系数 r274

4.5 对回归方程拟合程度不足的检验77

4.6 考察残差图84

4.7 回归模型的函数形式95

4.8 纠正异方差性的变换及加权最小平方法103

5.2 对 β1的检验111

5.1 引言111

第五章回归参数的检验111

5.3 对 β0的检验115

5.4 回归参数 β0和 β1的置信区间117

5.5 涉及 β0和 β1的几点考虑121

第六章回归预测问题131

6.1 引言131

6.2 关于均值 E(Y0|X0)的预测132

6.3 关于个别值 Y0 的预测138

第七章回归分析中的几个专题144

7.1 过原点的直线回归模型144

7.2 两个直线回归方程的比较146

7.3 总体相关系数ρ的假设检验153

第八章多元回归分析161

8.1 引言161

8.2 多元线性回归模型163

8.3 回归参数的估计166

8.4 多元回归的假设检验169

8.5 多元回归的预测175

8.6 Beta 系数177

8.7 计算举例180

8.8 自变量的边际贡献186

8.9 偏测定系数和偏相关系数190

8.10 多项式回归模型198

附录8A1 矩阵形式的二元回归203

附录8A2 自变量中心化后的多元回归205

第九章虚拟变量及其应用210

9.1 含一个数量自变量和一个虚拟变量的回归模型210

9.2 方差分析模型213

9.3 比较直线回归方程216

9.4 含有一个数量自变量和多个虚拟变量的回归模型220

9.5 虚拟变量的其他应用223

第十章回归模型假定的违反及其处理228

10.1 引言228

10.2 异方差性问题及其处理230

10.3 自相关性问题及其处理242

10.4 多重共线性问题及其处理262

附录10A1 斯皮尔曼等级相关系数？275

第十一章自变量的选择279

11.1 引言279

11.2 选元方法1：评价全部可能的回归方程281

11.3 选元方法2：向后排除法284

11.4 选元方法3：向前选择法286

11.5 选元方法4：逐步回归法288

11.6 简评289

附表1 标准正态累积概率表291

附表2 t 分布表293

附表3 F 分布表295

附表4 χ2分布表305

附表5 双尾 t 检验的功效函数307

附表6 D-W 统计量临界值表309

附表7 由 r 转换为?的值表311