第1章 多元統(tǒng)計分析與R簡介
1.1 多元統(tǒng)計分析簡介
1.1.1 多元統(tǒng)計分析的含義
1.1.2 多元統(tǒng)計分析的用途
1.1.3 多元統(tǒng)計分析的內容
1.2 R簡介
1.2.1 為什么用 R
1.2.2 R的安裝與運行
1.2.3 如何獲取R的幫助
1.2.4 R的基本原理
1.2.5 本書相關的 R 程序包和函數(shù)
習題
參考文獻
第2章 多元數(shù)據(jù)描述與展示
2.1 箱線圖
2.2 散點圖矩陣
2.3 折線圖
2.4 星相圖
2.5 調和曲線圖
2.6 臉譜圖
習題
附錄
參考文獻
第3章 多元正態(tài)分布
3.1 多元分布的基本概念
3.2 多元正態(tài)分布的定義和性質
3.3 多元正態(tài)分布的最大似然估計
3.4 常用的抽樣分布
習題
參考文獻
第4章 多元正態(tài)總體均值向量和協(xié)方差矩陣的假設檢驗
4.1 一元情形的回顧
4.1.1 單個正態(tài)總體均值的檢驗
4.1.2 兩個正態(tài)總體均值的檢驗
4.1.3 多個正態(tài)總體均值的比較檢驗（方差分析）
4.1.4 檢驗的p值
4.2 均值向量的檢驗
4.2.1 單個正態(tài)總體均值向量的檢驗
4.2.2 兩個正態(tài)總體均值向量的比較檢驗
4.2.3 多個正態(tài)總體均值向量的比較檢驗（多元方差分析）
4.3 協(xié)方差矩陣的檢驗
習題
附錄R的應用
參考文獻
第5章 多元線性模型
5.1 多元線性模型的基本概念
5.1.1 模型定義
5.1.2 模型的參數(shù)估計和檢驗
5.2 變量選擇
5.3 回歸診斷
5.3.1 殘差分析和異常點探測
5.3.2 回歸診斷: 一般方法
5.4 回歸預測
習題
參考文獻
第6章 廣義線性模型
6.1 廣義線性模型的定義
6.2 Logistic模型
6.3 Probit 模型
6.4 多項Logit模型
6.5 泊松對數(shù)線性模型
6.6 零膨脹計數(shù)模型
6.7 多項分布對數(shù)線性模型
習題
參考文獻
第7章 聚類分析
7.1 相似性度量
7.2 系統(tǒng)聚類法
7.3 k-均值聚類法
7.4 EM聚類法
習題
參考文獻
第8章 判別分析
8.1 距離判別
8.1.1 距離判別簡介
8.1.2 兩個總體的距離判別
8.1.3 多個總體的距離判別
8.2 Fisher判別
8.2.1 兩個總體的 Fisher 判別
8.2.2 多個總體的 Fisher 判別
8.3 Bayes判別
8.3.1 兩個總體的 Bayes 判別
8.3.2 多個總體的 Bayes 判別
8.4 二次判別
8.5 案例分析與R實現(xiàn)
習題
參考文獻
第9章 主成分分析
9.1 主成分分析的基本思想
9.2 總體主成分
9.2.1 主成分的含義
9.2.2 主成分的計算
9.2.3 主成分的主要性質
9.2.4 主成分個數(shù)的確定
9.2.5 變量的標準化及意義
9.3 樣本主成分
9.3.1 樣本主成分的性質和計算
9.3.2 主成分分析的步驟和相關R函數(shù)
9.4 案例: 主成分回歸分析
習題
參考文獻
第10章 因子分析
10.1 正交因子模型
10.2 因子模型的估計
10.2.1 主成分法
10.2.2 主因子法
10.2.3 最大似然法
10.3 因子正交旋轉
10.4 因子得分
10.4.1 加權最小二乘法
10.4.2 回歸法
10.4.3 關于綜合因子得分的討論
10.5 因子分析小結
10.6 案例分析與 R 實現(xiàn)
習題
參考文獻
第11章 對應分析
11.1 對應分析的基本思想
11.2 對應分析的原理
11.3 對應分析的計算步驟
11.4 案例分析與R實現(xiàn)
習題
參考文獻
第12章 典型相關分析
12.1 典型相關分析基本理論
12.2 總體典型相關變量的概念及其解法
12.3 典型相關變量的性質
12.4 原始變量與典型相關變量的相關系數(shù)
12.5 簡單相關、復相關和典型相關間的關系
12.6 分量的標準化處理
12.7 樣本典型相關系數(shù)及其對應典型相關變量的計算
12.8 典型相關系數(shù)的顯著性檢驗
12.9 被解釋樣本方差的比例
12.10 案例分析與R實現(xiàn)
習題
附錄
參考文獻
第13章 多維標度分析
13.1 多維標度法的基本思想
13.2 古典多維標度法
13.2.1 多維標度法的幾個基本概念
13.2.2 已知距離矩陣時CMDS解的計算
13.2.3 已知相似系數(shù)矩陣時CMDS解的計算
13.3 案例分析與R實現(xiàn)
習題
參考文獻