应用多元统计
正版图书，内页干净，无笔记。
￥ 135.62 8.0折 ￥ 169 九五品
库存35件
浙江杭州
认证卖家担保交易快速发货售后保障
作者(美)芭芭拉·G.塔巴尼克(Barbara G. Tabachnick)，(美)琳达·S.菲德尔(Linda S. Fidell)著
出版社机械工业出版社
ISBN9787111719335
出版时间2023-06
装帧平装
开本16开
定价169元
货号13043209
上书时间2024-10-20
商品详情
- 品相描述：九五品
- 商品描述
-
目录
前言<br />第1章引言1<br />11为什么选择多元统计1<br />111多元统计的域：自变量和因变量的个数1<br />112实验性和非实验性研究2<br />113计算机和多元统计3<br />114垃圾进，玫瑰出4<br />12一些有用的定义5<br />121连续、离散和二分数据5<br />122样本和总体6<br />123描述性和推断性统计7<br />124正交：标准和序贯分析7<br />13变量的线性组合9<br />14变量个数和性质9<br />15统计势10<br />16多元统计数据10<br />161数据阵11<br />162相关矩阵11<br />163方差协方差阵12<br />164平方和与叉积矩阵12<br />165残差14<br />17本书的结构安排14<br />第2章统计方法指南：使用本书15<br />21研究问题和相关方法15<br />211变量间的关系程度15<br />212群组差异的显著性17<br />213组成员的预测20<br />214结构22<br />215时序事件 22<br />22进一步比较23<br />23决策树24<br />24统计方法的章节27<br />25数据的初步检查27<br />第3章一元统计和二元统计回顾28<br />31假设检验28<br />311单样本z检验28<br />312势31<br />313模型拓展31<br />314显著性检验的争议31<br />32方差分析32<br />321单因素组间方差分析33<br />322多因素组间方差分析35<br />323组内方差分析36<br />324组间组内混合方差分析38<br />325设计复杂性39<br />326特定比较42<br />33参数估计45<br />34效应大小45<br />35二元统计：相关性和回归47<br />351相关性47<br />352回归48<br />36卡方分析49<br />第4章数据清洗50<br />41数据清洗的系列问题50<br />411数据准确性50<br />412真实相关性51<br />413缺失值52<br />414异常值60<br />415正态性、线性和同方差性65<br />416常用的数据转换71<br />417多重共线性和奇异性73<br />418数据筛选清单及可行的建议75<br />42数据筛选的完整案例76<br />421未分组数据的筛选76<br />422分组数据的筛选85<br />第5章多重回归94<br />51概述94<br />52几类研究问题95<br />521相关度96<br />522自变量的重要性96<br />523增加自变量96<br />524改变自变量96<br />525自变量的其他情况97<br />526自变量集的比较97<br />527对新样本中因变量的预测97<br />528参数估计97<br />53回归分析的局限性97<br />531理论问题98<br />532实际问题99<br />54多重回归的基本公式103<br />541一般线性方程104<br />542矩阵方程105<br />543小样本示例的计算机分析107<br />55多重回归的主要类型109<br />551标准多重回归109<br />552多重序贯回归110<br />553统计（逐步）回归111<br />554回归策略之间的选择115<br />56一些重要问题116<br />561自变量的重要性116<br />562统计推断118<br />563R2的调整123<br />564抑制变量123<br />565方差分析的回归方法124<br />566包含自变量的交互作用和幂时的中心化126<br />567因果关系的中介变量128<br />57回归分析的完整案例129<br />571假设的评估129<br />572标准多重回归134<br />573序贯回归 139<br />574多重估算缺失值的标准多重回归示例142<br />58程序的比较149<br />581SPSS软件包149<br />582SAS系统152<br />583SYSTAT 系统154<br />第6章协方差分析155<br />61概述155<br />62几类研究问题157<br />621自变量的主效应158<br />622自变量间的交互作用158<br />623具体对比和趋势分析158<br />624协变量效应158<br />625效应大小159<br />626参数估计159<br />63协方差分析的局限性159<br />631理论问题159<br />632实际问题160<br />64协方差分析的基本公式162<br />641平方和与叉积163<br />642显著性检验和效应大小165<br />643小样本示例的计算机分析166<br />65一些重要问题168<br />651协变量的选择168<br />652协变量的估计168<br />653回归齐性的检验169<br />654设计复杂性169<br />655协方差分析替代175<br />66协方差分析的完整案例177<br />661假设估计177<br />662协方差分析181<br />67程序的比较188<br />671SPSS软件包188<br />672SAS系统188<br />673SYSTAT系统188<br />第7章多元方差和协方差分析191<br />71概述191<br />72几类研究问题194<br />721自变量的主效应194<br />722自变量之间的交互作用195<br />723因变量的重要性195<br />724参数估计195<br />725具体比较和趋势分析195<br />726效应大小196<br />727协变量的效应196<br />728重复测量方差分析196<br />73多元方差和协方差分析的局限性196<br />731理论问题196<br />732实际问题197<br />74多元方差和协方差分析的基本公式200<br />741多元方差分析200<br />742小样本示例的计算机分析206<br />743多元协方差分析209<br />75一些重要问题211<br />751多元方差分析与方差分析211<br />752统计推断准则211<br />753评估因变量212<br />754具体比较和趋势分析216<br />755设计复杂性217<br />76多元方差和协方差分析的完整案例218<br />761假设评估219<br />762多元方差分析224<br />763多元协方差分析233<br />77程序的比较241<br />771SPSS软件包242<br />772SAS系统243<br />773SYSTAT系统243<br />第8章轮廓分析：重复测量的多元方法245<br />81概述245<br />82几类研究问题246<br /><br />821轮廓的平行性246<br /><br />822组间总体差异246<br /><br />823轮廓的平坦性246<br /><br />824轮廓分析后的对比247<br /><br />825参数估计247<br /><br />826效应大小247<br /><br />83轮廓分析的局限性247<br /><br />831理论问题247<br /><br />832实际问题248<br /><br />84轮廓分析的基本公式249<br /><br />841水平差异249<br /><br />842平行性251<br /><br />843平坦性253<br /><br />844小样本示例的计算机分析254<br /><br />85一些重要问题258<br /><br />851重复测量的一元与多元方法<br />对比258<br /><br />852轮廓分析中的对比260<br /><br />853双重多元设计266<br /><br />854轮廓分类268<br /><br />855缺失值的估算269<br /><br />86轮廓分析的完整案例269<br /><br />861WISC分量表的轮廓分析269<br /><br />862反应时间的双重多元分析279<br /><br />87程序的比较287<br /><br />871SPSS 软件包288<br /><br />872SAS系统288<br /><br />873SYSTAT系统289<br />第9章判别分析290<br />91概述290<br /><br />92几类研究问题292<br /><br />921预测的意义292<br /><br />922显著判别函数的数量293<br /><br />923判别的维数293<br /><br />924分类函数293<br /><br />925分类的充分性293<br /><br />926效应大小294<br /><br />927预测变量的重要性294<br /><br />928用协变量预测的显著性294<br /><br />929组均值的估计294<br /><br />93判别分析的局限性295<br /><br />931理论问题295<br /><br />932实际问题295<br /><br />94判别分析的基本公式297<br /><br />941判别函数的推导与检验298<br /><br />942分类300<br /><br />943小样本示例的计算机分析301<br /><br />95判别分析的类型306<br /><br />951直接判别分析306<br /><br />952序贯判别分析306<br /><br />953逐步判别分析307<br /><br />96一些重要问题307<br /><br />961统计推断307<br /><br />962判别函数的数量308<br /><br />963解释判别函数308<br /><br />964评估预测变量310<br /><br />965效应大小311<br /><br /><br />966设计复杂性：因子设计312<br /><br />967分类过程的使用313<br /><br />97判别分析的完整案例315<br /><br />971假设的评估316<br /><br />972直接判别分析319<br /><br />98程序的比较331<br /><br />981SPSS软件包331<br /><br />982SAS系统332<br /><br />983SYSTAT系统336<br />第10章logistic回归337<br />101概述337<br /><br />102几类研究问题338<br /><br />1021组成员或因变量的预测339<br /><br />1022预测变量的重要性339<br /><br />1023预测变量之间的交互作用339<br /><br />1024参数估计339<br /><br />1025分类339<br /><br />1026具有协变量的预测的<br />显著性340<br /><br />1027效应大小340<br /><br />103logistic回归分析的局限性340<br /><br />1031理论问题340<br /><br />1032实际问题341<br /><br />104logistic回归的基本公式343<br /><br />1041检验和解释系数343<br /><br />1042拟合优度344<br /><br />1043模型比较346<br /><br />1044残差的解释和分析346<br /><br />1045小样本示例的计算机分析346<br /><br />105logistic回归的类型350<br /><br />1051直接logistic回归350<br /><br />1052序贯logistic回归350<br /><br />1053统计（逐步）logistic回归351<br /><br />1054概率单位分析和其他分析352<br /><br />106一些重要问题353<br /><br />1061统计推断353<br /><br />1062模型的效应大小355<br /><br />1063优势系数解释356<br /><br />1064编码结果和预测变量类别358<br /><br />1065结果类别的数量和类型359<br /><br />1066案例分类361<br /><br />1067层次和非层次分析362<br /><br />1068自变量的重要性362<br /><br />1069匹配组的logistic回归363<br /><br />107logistic回归的完整案例363<br /><br />1071局限性的评估363<br /><br />1072二分类结果和连续预测变量的直接logistic回归366<br /><br />1073三类别结果的序贯logistic回归370<br /><br />108程序的比较382<br /><br />1081SPSS软件包382<br /><br />1082SAS系统386<br />&a
— 没有更多了 —
以下为对购买帮助不大的评价