第一部分 一般线性模型、线性混合模型与广义线性模型

第1章 方差分析模型

1.1模型简介

1.1.1模型入门

1.1.2常用术语

1.1.3适用条件

1.2案例：胶合板磨损深度的比较

1.2.1操作说明

1.2.2结果解释

1.2.3模型参数的估计值

1.2.4两两比较

1.2.5其他常用选项

1.3两因素方差分析模型

1.3.1案例：超市规模、货架位置与销售量的关系

1.3.2边际平均值与轮廓图

1.3.3拟合劣度检验

1.4因素各水平间的精细比较

1.4.1 POSTHOC子句

1.4.2 EMMEANS子句

1.4.3 LMATRIX和KMATRIX子句

1.4.4 CONSTRAST子句

1.5方差分析模型进阶

1.5.1含随机因子的方差分析模型

1.5.2自定义检验使用的误差项

1.5.3 4类方差分解方法

思考与练习

参考文献

第2章 常用的实验设计分析方法

2.1仅研究主效应的实验设计方案

2.1.1完全随机设计

2.1.2随机区组设计

2.1.3交叉设计

2.1.4拉丁方设计

2.2考虑交互作用的实验设计方案

2.2.1析因设计

2.2.2正交设计

2.2.3均匀设计

2.3误差项变动的特殊实验设计方案

2.3.1嵌套设计

2.3.2重复测量设计

2.3.3裂区设计

2.4协方差分析

2.4.1协方差分析的必要性

2.4.2平行性假定的检验

2.4.3计算和检验修正平均值

思考与练习

参考文献

第3章 多元方差分析与重复测量方差分析

3.1多元方差分析

3.1.1模型简介

3.1.2案例：青少年牙齿发育状况跟踪

3.2重复测量数据的方差分析

3.2.1模型简介

3.2.2案例：进一步考察年龄对牙齿发育的影响

思考与练习

参考文献

第4章 线性混合模型

4.1模型简介

4.1.1问题的提出

4.1.2模型入门

4.2层次聚集性数据案例

4.2.1拟合基本模型结构

4.2.2在固定效应中加入自变量

4.2.3在随机效应中加入自变量

4.2.4更多自变量的引入

4.2.5其他常用选项

4.3重复测量数据案例

4.3.1对数据的初步分析

4.3.2拟合基本模型结构

4.3.3考虑测量间的相关性

4.3.4更改对测量间相关性的假定

4.3.5模型中可用的相关矩阵种类

4.4线性混合模型进阶

4.4.1线性混合模型的用途

4.4.2线性混合模型与一般线性模型的联系

思考与练习

参考文献

第5章 广义线性模型、广义估计方程与广义线性混合模型

5.1广义线性模型

5.1.1模型简介

5.1.2分析案例

5.2广义估计方程

5.2.1模型简介

5.2.2分析案例

5.3广义线性混合模型

5.3.1模型简介

5.3.2分析案例

思考与练习

参考文献

第二部分 回归模型

第6章 多重线性回归模型

6.1模型简介

6.1.1基本概念

6.1.2分析步骤

6.2案例：销售收入影响因素分析

6.2.1基本分析结果

6.2.2回归模型的假设检验

6.2.3偏回归系数的假设检验

6.2.4标准化偏回归系数

6.2.5衡量回归模型效果的指标

6.3回归预测与区间估计

6.3.1模型预测值

6.3.2模型的区间估计

6.3.3如何将模型用于预测

6.4残差分析

6.4.1模型的残差

6.4.2利用残差考察模型适用条件

6.5逐步回归

6.5.1筛选自变量的基本原则

6.5.2常用的逐步回归方法

6.5.3案例：固体垃圾排放量与土地种类的关系

6.6模型的进一步诊断与修正

6.6.1强影响点的识别与处理

6.6.2多重共线性的识别与处理

6.6.3回归模型结果解释时应注意的问题

6.7自动线性建模

6.7.1界面说明

6.7.2案例：生成更高精度的预测模型

思考与练习

参考文献

第7章 线性回归的衍生模型

7.1非直线趋势的处理：曲线直线化

7.1.1模型简介

7.1.2案例：通风时间和毒物浓度的曲线方程

7.1.3使用曲线估算过程分析

7.2方差不齐的处理：加权最小二乘法

7.2.1模型简介

7.2.2案例：不等量样品数据的回归方程

7.2.3使用WLS过程分析

7.3共线性的处理：岭回归

7.3.1模型简介

7.3.2案例：用外形指标推测胎儿周龄

7.4分类变量的数值化：最优尺度回归

7.4.1模型简介

7.4.2案例：生育子女数的回归模型

7.4.3应用最优尺度回归方法的注意事项

7.5强影响点的弱化：稳健回归与分位数回归

7.5.1稳健回归

7.5.2分位数回归

7.6其余回归模型简介

7.6.1断点回归

7.6.2 Tobit回归

思考与练习

参考文献

第8章 路径分析入门

8.1两阶段最小二乘法

8.1.1模型简介

8.1.2案例：人口背景资料对收入的影响

8.1.3使用2SLS过程进行分析

8.2路径分析入门

8.2.1模型简介

8.2.2案例：住院费用影响因素研究

8.3偏最小二乘法入门

8.3.1模型简介

8.3.2案例：拟合推测胎儿周龄的回归方程

思考与练习

参考文献

第9章 非线性回归模型

9.1模型简介

9.1.1问题的提出

9.1.2模型框架

9.2案例：通风时间和毒物浓度的曲线方程

9.2.1操作说明

9.2.2结果解释

9.2.3对模型的进一步分析

9.3自定义损失函数：最小一乘法

9.3.1预分析

9.3.2操作说明

9.3.3结果解释

9.4分段回归模型的拟合

9.4.1预分析

9.4.2操作说明

9.4.3结果解释

9.5非线性回归模型进阶

9.5.1参数初始值的设定

9.5.2模型的拟合方法

思考与练习

参考文献

第10章 二分类Logistic回归模型

10.1模型简介

10.1.1模型入门

10.1.2一些基本概念

10.2案例：低出生体重儿影响因素研究

10.2.1操作说明

10.2.2结果解释

10.3分类自变量的定义与比较方法

10.3.1使用哑变量的必要性

10.3.2 SPSS中预设的哑变量编码方式

10.3.3设置哑变量时的注意事项

10.4自变量的筛选方法与逐步回归

10.4.1模型中的假设检验方法

10.4.2 SPSS中提供的自变量筛选方法

10.4.3案例：低体重儿数据的逐步回归

10.5弗斯Logistic回归

10.5.1模型简介

10.5.2案例：骨肉瘤病患预后分析

10.6 Logistic回归模型进阶

10.6.1模型拟合效果的判断

10.6.2拟合优度检验

10.6.3残差分析

10.6.4多重共线性问题

思考与练习

参考文献

第11章 多分类、配对Logistic回归与Probit回归模型

11.1有序多分类Logistic回归模型

11.1.1模型简介

11.1.2案例：工作满意度影响因素分析

11.1.3模型适用条件的考察

11.2无序多分类Logistic回归模型

11.2.1模型简介

11.2.2案例：不同背景人群的选举倾向

11.3 1：1配对Logistic回归

11.3.1模型简介

11.3.2案例：雌激素与患子宫内膜癌的关系

11.4 Probit回归模型

11.4.1模型简介

11.4.2案例一：与Logistic回归模型比较

11.4.3案例二：计算LD50

思考与练习

参考文献

第12章 对数线性模型、Poisson回归模型与潜类别分析

12.1对数线性模型简介

12.1.1模型入门

12.1.2软件实现

12.2一般对数线性模型

12.2.1初步分析

12.2.2对案例的进一步分析

12.3因果关系明确时的对数线性模型

12.3.1操作说明

12.3.2结果解释

12.4对数线性模型的自动筛选

12.4.1模型的选择策略

12.4.2分析案例

12.5对数线性模型与其他模型的关系

12.5.1与方差分析模型的关系

12.5.2与Logistic回归的关系

12.6 Poisson回归模型

12.6.1模型简介

12.6.2案例：冠心病死亡与吸烟的关系

12.7潜类别分析简介

12.7.1模型简介

12.7.2分析案例

思考与练习

参考文献

第三部分 多元统计分析方法

第13章 主成分分析、因子分析与多维偏好分析

13.1主成分分析

13.1.1模型简介

13.1.2案例：各地区经济发展情况综合评价

13.2因子分析

13.2.1模型简介

13.2.2案例：对各地区经济数据的进一步分析

13.3因子分析进阶

13.3.1公因子提取方法

13.3.2相关矩阵和协方差

13.3.3如何确定公因子数量

13.3.4主成分分析和因子分析的比较

13.4分类数据的主成分分析（多维偏好分析）

13.4.1模型简介

13.4.2界面说明

13.4.3案例：汽车偏好研究

思考与练习

参考文献

第14章 对应分析

14.1模型简介

14.1.1问题的提出

14.1.2模型入门

14.1.3软件实现

14.2案例：头发颜色与眼睛颜色的关联

14.2.1预分析

14.2.2正式分析

14.2.3分析结果的正确解释

14.2.4对案例的进一步分析

14.3基于平均值的对应分析

14.3.1基本原理

14.3.2案例：城市市政工程建设状况的对应分析

14.4对应分析进阶

14.4.1特殊类别的处理

14.4.2对应分析与因子分析的关系

14.4.3对应分析的优势与劣势

14.5基于最优尺度变换的多重对应分析

14.5.1基本原理

14.5.2案例：轿车用户背景资料的对应分析

思考与练习

参考文献

第15章 典型相关分析

15.1模型简介

15.1.1基本原理

15.1.2数学描述

15.2案例：体力指标和运动能力指标的相关分析

15.2.1操作说明

15.2.2典型相关系数

15.2.3典型结构分析

15.2.4典型冗余分析

15.3典型相关分析进阶

15.3.1如何应用典型相关分析

15.3.2如何理解典型相关分析的结果

15.3.3对应分析与典型相关分析的等价性

15.3.4典型相关分析和因子分析的关系

15.4基于最优尺度变换的非线性典型相关分析

15.4.1基本原理

15.4.2案例：多重对应分析数据的再分析

思考与练习

参考文献

第16章 多维尺度分析

16.1不考虑个体差异的多维尺度分析模型

16.1.1模型简介

16.1.2案例：城市间的地面距离

16.1.3距离的各种提供方式

16.2考虑个体差异的多维尺度分析模型

16.2.1模型简介

16.2.2案例：饮料的口味差异评价

16.2.3模型结果的解释与优化

16.3基于最优尺度变换的多维尺度分析模型

16.3.1模型简介

16.3.2界面说明

16.3.3案例：用PROXSCAL过程分析饮料数据

16.3.4在模型中考虑更多维度

16.4多维展开模型

16.4.1模型简介

16.4.2案例：场景和行为间的匹配关系

思考与练习

参考文献

第17章 聚类分析

17.1模型简介

17.1.1问题的提出

17.1.2聚类分析入门

17.1.3聚类分析的方法体系

17.2 K-均值聚类法

17.2.1基本原理

17.2.2案例：移动通信客户细分

17.3聚类结果的验证与自动优化

17.3.1聚类结果的验证

17.3.2聚类用变量的调整

17.3.3聚类结果的自动优化

17.4层次聚类法

17.4.1基本原理

17.4.2案例：体操裁判打分倾向聚类

17.4.3各种层次聚类法

17.5两步聚类法

17.5.1基本原理

17.5.2案例：病例数据的聚类分析

17.6聚类分析进阶

17.6.1利用标准化来调整聚类模式

17.6.2如何选择聚类分析方法

17.6.3距离/相似性测量的指标体系

17.6.4基于密度的聚类分析方法简介

思考与练习

参考文献

第18章 经典判别分析

18.1模型简介

18.1.1基本原理

18.1.2适用条件

18.1.3判别效果的评价

18.1.4分析步骤

18.2案例：鸢尾花种类判别

18.2.1操作说明

18.2.2结果解释

18.2.3判别结果的图形化展示

18.2.4判别效果的验证

18.2.5将模型用于新案例分类

18.2.6适用条件的判断

18.3贝叶斯判别分析

18.3.1基本原理

18.3.2软件实现

18.4判别分析进阶

18.4.1逐步判别分析

18.4.2判别分析和因子分析的相似性和差异

18.4.3二类判别分析和多重回归分析的等价性

思考与练习

参考文献

第四部分 其他统计分析方法

第19章 树模型、随机森林与最近邻元素法

19.1树模型简介

19.1.1问题的提出

19.1.2模型入门

19.1.3模型特点

19.2案例：移动客户流失预测

19.2.1操作说明

19.2.2结果解释

19.3对案例的进一步分析

19.3.1各自变量的重要性

19.3.2考虑应用模型时的成本与收益

19.3.3考虑进一步细分和剪枝

19.3.4将模型输出为判别程序

19.4常见的树模型算法

19.4.1 CHAID算法和穷举CHAID算法

19.4.2 CRT算法

19.4.3 QUEST算法

19.4.4 C5.0算法

19.5随机森林

19.5.1模型简介

19.5.2案例：客户风险等级评估

19.5.3操作说明

19.5.4结果解释

19.6最近邻元素法

19.6.1模型简介

19.6.2案例：鸢尾花种类判别

19.6.3 k-最近邻元素模型的本质

思考与练习

参考文献

第20章 神经网络与支持向量机

20.1模型简介

20.1.1基本原理

20.1.2注意事项

20.2案例：对低出生体重儿案例的重新分析

20.2.1操作说明

20.2.2结果解释

20.3对案例的进一步分析

20.3.1模型效果的图形观察

20.3.2尝试将模型复杂化

20.3.3纳入更多候选自变量

20.4径向基神经网络

20.4.1基本原理

20.4.2分析案例

20.5支持向量机简介

20.5.1基本原理

20.5.2分析案例

思考与练习

参考文献

第21章 信度分析

21.1信度理论入门

21.1.1真分数测量理论

21.1.2信度与效度

21.1.3内在信度与外在信度

21.1.4真分数测量理论的缺陷

21.2案例：问卷信度分析

21.2.1 Alpha信度系数

21.2.2对各项目的进一步分析

21.2.3对真分数测量理论适用条件的考察

21.3其他常用的信度系数

21.3.1重测信度

21.3.2折半信度

21.3.3 Guttman折半系数

21.3.4平行模型的信度系数

21.3.5严格平行模型的信度系数

21.3.6评分者信度

21.3.7信度系数总结

21.4概化理论简介

21.4.1概化理论入门

21.4.2软件实现

21.5项目反应理论简介

21.5.1项目反应理论人门

21.5.2软件实现

思考与练习

参考文献

第22章 联合分析

22.1模型简介

22.1.1为什么使用联合分析

22.1.2常用术语

22.1.3分析步骤

22.1.4软件实现

22.2联合分析的正交设计

22.2.1生成设计表格

22.2.2输出设计卡片

22.3联合分析的数据建模

22.3.1 CONJOINT的过程语法说明

22.3.2案例：汽车偏好研究

22.3.3对案例的进一步分析

22.4联合分析进阶

22.4.1适应性联合分析

22.4.2基于选择的联合分析

思考与练习

参考文献

第23章 时间序列模型

23.1模型简介

23.1.1基本概念

23.1.2模型分类

23.1.3分析步骤

23.1.4软件实现

23.2时间序列的建立和平稳化

23.2.1填补缺失值

23.2.2定义时间变量

23.2.3时间序列的平稳化

23.3时间序列的图形化观察

23.3.1序列图

23.3.2自相关图

23.3.3互相关图

23.4时间序列的建模与预测

23.4.1指数平滑模型简介

23.4.2 ARMA模型简介

23.4.3案例：nrc数据的建模预测

23.5季节性分解

23.5.1模型简介

23.5.2案例：对完整序列nrc2进行季节性分解

23.6时间因果模型

23.6.1模型简介

23.6.2案例：KPI驱动因素发现

思考与练习

参考文献

第24章 生存分析

24.1生存分析简介

24.1.1生存分析简史

24.1.2基本概念

24.1.3生存分析的基本内容

24.1.4软件实现

24.2生存函数的估计和检验

24.2.1生存函数的基本估计方法

24.2.2 Kaplan-Meier法

24.2.3寿命表法

24.2.4两种方法的比较

24.3 Cox回归模型

24.3.1模型简介

24.3.2案例：术中放疗效果分析

24.3.3模型结果的图形观察

24.4含时依协变量的Cox回归模型

24.4.1时依协变量的种类

24.4.2用时依协变量模型验证比例风险性

24.4.3用时依协变量模型考察内在时依协变量的影响

24.5 Cox回归模型进阶

24.5.1生存分析中的分层变量

24.5.2用Cox回归模型拟合1：n配伍Logistic回归模型

24.5.3竞争风险的Cox回归模型

24.6加速失效时间模型

24.6.1模型简介

24.6.2案例：对术中放疗案例拟合参数模型

思考与练习

参考文献

第25章 缺失值分析

25.1缺失值理论简介

25.1.1数据的缺失机制

25.1.2缺失值的处理方法

25.2对缺失情况的基本分析

25.2.1生成缺失数据

25.2.2缺失模式分析

25.2.3缺失情况的描述统计

25.3缺失值填补技术

25.3.1列表输出

25.3.2使用回归算法进行填补

25.3.3使用EM算法进行填补

25.4多重填补

25.4.1模型简介

25.4.2缺失模式分析

25.4.3缺失值的多重填补

25.4.4采用填补后数据建模

思考与练习

参考文献

附录1 常见多变量/多元统计分析方法分类图

附录2 Python插件和R插件的安装方法