第1章 引言 1
1.1 近现代多元统计分析的发展和突破 1
1.2 统计分析基础简介 3
1.3 统计分析注意事项 8
本章小结 9
参考文献 9
第2章 方差分析 10
2.1 方差分析简介 10
2.2 一元方差分析 13
2.2.1 单因素方差分析 13
2.2.2 多因素方差分析 16
2.3 多元方差分析 19
2.3.1 多元方差分析简介 19
2.3.2 实例分析与SAS实现 21
2.4 协方差分析 23
2.4.1 协方差分析简介 23
2.4.2 实例分析与SAS实现 24
2.5 重复测量资料的方差分析 27
2.5.1 重复测量资料的方差分析简介 27
2.5.2 实例分析与SAS实现 28
本章小结 32
参考文献 32
第3章 多元线性回归分析 34
3.1 多元线性回归模型简介 34
3.1.1 多元线性回归介绍 34
3.1.2 多元线性回归的基本模型 35
3.1.3 模型中参数的意义 36
3.2 多元线性回归的参数估计方法与模型检验 36
3.2.1 参数估计方法 36
3.2.2 多元线性回归方程的假设检验 38
3.2.3 多元线性回归方程的拟合优度 39
3.3 一般多元线性回归应用 40
3.3.1 线性回归与交互项 40
3.3.2 实例分析与SAS实现 40
3.4 偏最小二乘回归 45
3.4.1 偏最小二乘回归的简介 45
3.4.2 实例分析与SAS实现 45
3.5 稳健回归 48
3.5.1 稳健回归的简介 48
3.5.2 实例分析与SAS实现 49
本章小结 54
参考文献 55
第4章 Logistic回归分析 56
4.1 Logistic回归模型介绍 56
4.1.1 Logistic回归的基本模型 56
4.1.2 模型中参数的意义 57
4.1.3 模型的参数估计 59
4.1.4 模型的拟合指标 60
4.1.5 模型的假设检验 60
4.1.6 变量的筛选 61
4.2 二分类因变量的Logistic回归 62
4.2.1 二分类因变量的Logistic回归简介 62
4.2.2 实例分析与SAS实现 62
4.3 有序多分类因变量的Logistic回归 67
4.3.1 有序多分类因变量的Logistic回归简介 67
4.3.2 实例分析与SAS实现 68
4.4 无序多分类因变量的Logistic回归 71
4.4.1 无序多分类因变量的Logistic回归简介 71
4.4.2 实例分析与SAS实现 72
本章小结 74
参考文献 74
第5章 计数资料模型分析 76
5.1 Poisson回归 76
5.1.1 Poisson回归概述 76
5.1.2 Poisson回归模型 77
5.1.3 实例分析与SAS实现 79
5.2 负二项回归 83
5.2.1 负二项回归概述 83
5.2.2 负二项回归模型 83
5.2.3 实例分析与SAS实现 84
5.3 零膨胀模型 87
5.3.1 零膨胀模型概述 87
5.3.2 零膨胀模型的基本原理 88
5.3.3 零膨胀模型的混合概率分布 88
5.3.4 零膨胀Poisson模型 89
5.3.5 零膨胀负二项模型 89
5.3.6 实例分析与SAS实现 89
本章小结 93
参考文献 93
第6章 生存分析 95
6.1 生存分析概述 95
6.1.1 删失类型 96
6.1.2 常用函数介绍 97
6.2 非参数法 98
6.2.1 生存曲线的估计 98
6.2.2 生存曲线的比较 98
6.2.3 实例分析与SAS实现 99
6.3 半参数分析方法 107
6.3.1 Cox比例风险回归模型 107
6.3.2 Cox模型的参数解释 108
6.3.3 Cox模型的参数估计 108
6.3.4 Cox模型的假设检验 109
6.3.5 实例分析与SAS实现 109
本章小结 111
参考文献 112
第7章 聚类分析及判别分析 113
7.1 聚类分析 113
7.1.1 聚类分析简介 113
7.1.2 系统聚类法的实例分析与SAS实现 114
7.1.3 K-均值聚类法的实例分析与SAS实现 125
7.2 判别分析 128
7.2.1 判别分析简介 128
7.2.2 Fisher判别法 129
7.2.3 Bayes判别法的实例分析与SAS实现 131
7.2.4 逐步判别法的实例分析与SAS实现 137
本章小结 139
参考文献 140
第8章 主成分分析与因子分析 141
8.1 主成分分析 141
8.1.1 主成分分析简介 141
8.1.2 实例分析与SAS实现 145
8.2 因子分析 151
8.2.1 因子分析简介 151
8.2.2 实例分析与SAS实现 153
8.2.3 主成分分析与因子分析的区别 157
本章小结 157
参考文献 158
第9章 结构方程模型 159
9.1 结构方程模型简介 159
9.1.1 基本概念 159
9.1.2 模型表述 160
9.1.3 特点及应用 161
9.2 模型识别、估计、评估与修正 161
9.2.1 模型识别 161
9.2.2 模型估计 162
9.2.3 模型评估 162
9.2.4 模型修正 162
9.3 验证性因子分析 163
9.3.1 基础知识 163
9.3.2 实例分析与SAS实现 163
9.4 结构方程模型 170
9.4.1 基础知识 170
9.4.2 实例分析与SAS实现 171
9.5 多组模型 175
9.5.1 基础知识 175
9.5.2 实例分析与SAS实现 176
本章小结 179
参考文献 179
第10章 潜在类别分析 181
10.1 潜在类别分析基本概述 181
10.1.1 基本概念 182
10.1.2 模型拟合评价 183
10.1.3 模型估计 183
10.1.4 模型估计步骤 184
10.1.5 实例分析与SAS实现 184
10.2 多组潜在类别分析 191
10.2.1 条件概率等值 192
10.2.2 条件概率自由估计 193
10.3 带有协变量的潜在类别分析 195
10.3.1 单步法 195
10.3.2 简单三步法 198
10.3.3 稳健三步法 199
10.4 带有结局变量的潜在类别分析 202
10.4.1 结局变量为连续型变量 202
10.4.2 结局变量为二分类变量 206
本章小结 210
参考文献 210
第11章 倾向评分匹配 212
11.1 倾向评分匹配原理简介 212
11.1.1 因果关系推断的基本问题 212
11.1.2 倾向值的概念 213
11.1.3 倾向值的性质 214
11.2 倾向值评分匹配一般步骤 214
11.2.1 估计倾向值 214
11.2.2 基于估计的倾向值进行匹配 215
11.2.3 界定共同支持域和进行平衡检验 216
11.2.4 估计平均干预效应及其标准误 217
11.2.5 敏感性分析 217
11.3 实例分析与SAS实现 218
本章小结 229
参考文献 229
第12章 多层模型 231
12.1 多层模型简介 231
12.1.1 发展简史 231
12.1.2 二层模型公式介绍 232
12.1.3 三层模型公式介绍 233
12.1.4 建模步骤 233
12.1.3 优势与劣势 234
12.2 实例分析与SAS实现 234
12.2.1 空模型 236
12.2.2 随机截距模型 238
12.2.3 包括层1协变量的随机截距模型 240
12.2.4 随机系数模型 243
12.2.5 混合模型 245
12.2.6 全模型 247
本章小结 255
参考文献 255
第13章 发展模型 256
13.1 纵向数据与模型简介 256
13.1.1 纵向数据特征 256
13.1.2 纵向研究的目标 258
13.1.3 发展模型的特点 258
13.2 线性发展模型 259
13.2.1 线性发展模型的介绍 259
13.2.2 实例分析与SAS实现 261
13.2.3 残差方差/协方差结构 273
13.3 曲线发展模型 277
13.3.1 曲线发展模型的介绍 277
13.3.2 实例分析与SAS程序 277
13.4 Logistic发展模型 279
13.4.1 Logistic发展模型介绍 279
13.4.2 实例分析与SAS实现 279
本章小结 281
参考文献 282
第14章 年龄-时期-队列模型 283
14.1 年龄-时期-队列模型简介 283
14.2 一般约束估计 286
14.2.1 一般约束估计简介 286
14.2.2 实例分析与SAS实现 286
14.3 内源估计法 294
14.3.1 内源估计法简介 294
14.3.2 实例分析与Stata实现 294
14.4 因素特征估计 297
14.4.1 因素特征估计简介 297
14.4.2 实例分析与SAS实现 298
14.5 交叉分类随机效应估计 302
14.5.1 交叉分类随机效应估计简介 302
14.5.2 实例分析与SAS实现 303
本章小结 312
参考文献 313
附录 315
专有名词中英文对照 315