第1章 一元广义线性模型的简介与回顾

第1节 一元线性模型分析回顾

第2节 识别一元回归模型

第3节 模型的参数估计

第4节 证实最小二乘估计的有效性所需要的假设

第5节 分解平方和以及定义拟合优度的测量

第6节 全模型、限制模型以及半偏相关系数的平方

第7节 回归系数和判定系数的假设检验

第8节 广义线性假设检验

第9节 模型整体假设β1＝β2＝β3＝0和ρ2Y-x1x2x3的检验

第10节 用广义线性检验方法评估X1，X2和X3的单独贡献

第11节 用广义线性检验检验更为复杂的假设

第12节 从一元到多元广义线性模型的一般化

第2章 多元广义线性模型的结构识别

第1节 模型的数学识别

第2节 定义预测变量和标准变量的实质作用

第3节 示例数据和模型识别

第3章 广义多元线性模型的参数估计

第1节 例1：性格特征与成功的工作申请

第2节 用标准得分的形式估计多元线性模型中的参数

第3节 例2：多氯联苯——心血管疾病的风险因素：认知功能数据

第4节 对多元线性模型分析的电脑程序的一个说明

第5节 本章小结与回顾

第4章 多元SSCP分解、关联强度的测量和检验统计量

第1节 在多元广义线性模型中SSCP的分解

第2节 例1：性格与工作申请

第3节 例2：PCB数据

第4节 SSCP矩阵的进一步分解：全模型、限制模型以及定义QH

第5节 一些关联强度的多元测度的概念定义

第6节 一个不对称的R2的多元测度——Hooper迹相关系数平方

第7节 例子：性格数据和PCB数据中Hooper’s r -2

第8节 一元和多元R2之间的关系和它们的检验统计量

第9节 Pillai迹V和相应的关联强度测度R 2V

第10节 Wilks’A及其关联强度测度R 2Λ

第11节 Hotelling迹T及其关联强度测度R 2T

第12节 Roy最大特征根及其关联强度度量r2 Cmax

第13节 通过一元回归模型建立Pillai迹V和Wilks’Λ

第5章 多元广义线性模型中的假设检验

第1节 多元广义线性检验

第2节 多元检验统计量及其近似F检验

第3节 对Pillai迹V的近似F检验

第4节 Wilks’A的近似F检验

第5节 Hotelling迹T的近似F检验

第6节 Roy最大特征根θ的近似F检验

第7节 对一个或一组预测变量的广义线性检验

第8节 对一个预测变量的多元假设检验：性格数据

第9节 一个预测变量的多元假设检验：PCB数据

第10节 一组预测变量的多元假设检验和其他复杂假设

第11节 检验其他的复杂的多元假设

第12节 适用于所有多元线性模型分析的假设

第6章 编码设计矩阵和方差模型的多元分析

第1节 变量和向量的差异

第2节 用编码向量来表示一个分类变量

第3节 通过广义线性检验来检验MANOVA假设

第4节 分解SSCP矩阵和MANOVA里的假设检验

第5节 身材估计数据的单项MANOVA

第6节 更高阶的MANOVA设计：对身材估计数据的一个2×3阶MANOVA

第7节 关于MANOVA分析假设的备注

第7章 多元线性模型的特征值求解：典型相关系数和多元检验统计量

第1节 典型相关系数的概念定义

第2节 2×2相关系数矩阵的特征值

第3节 R（2×2）的特征向量

第4节 R-1 YY RYX R-1 XX RXY的特征值

第5节 特征值、典型相关系数的平方和四个多元检验统计量

第6节 R -1 YY R YX R -1 XX RXY的典型相关系数的平方的特征向量

第7节 检验典型相关系数和典型系数上的进一步假设

参考文献

译名对照表