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 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B1=B2=B3=O和p2y·x1x2x3
的检验
0节 用广义线性检验方法评估X1，X2和X3的
单独贡献
1节 用广义线性检验检验 为复杂的假设
2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’sr-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R2v
0节 Wilks’A及其关联强度测度R2A
1节 Hotelling迹T及其关联强度测度R2T
2节 Roy 大特征根及其关联强度度量r2cmax
3节 通过一元回归模型建立Pillai迹V和Wilks"A
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 IIotelling迹T的近似F检验
第6节 Roy 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
0节 一组预测变量的多元假设检验和其他
复杂假设
1节 检验其他的复杂的多元假设
2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MAN0vA
第6节 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-1yyRyxR-1xxRxy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-1yyRyxR-1xxRxy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
......
评论晒单