应用回归分析(R语言版)第2版

第1章 回归分析概述 1.1 变量间的相关关系 1.2 “回归”思想及名称的由来 1.3 回归分析的主要内容及其一般模型 1.3.1 回归分析研究的主要内容 1.3.2 回归模型的一般形式 1.4 回归模型的建立过程 1.4.1 根据目的设置指标变量 1.4.2 收集、整理数据 1.4.3 确定理论回归模型 1.4.4 模型参数的估计 1.4.5 模型的检验与改进 1.4.6 回归模型的应用 1.5 回归分析应用与发展简评 思考与练习 第2章 一元线性回归 2.1 一元线性回归模型 2.1.1 一元线性回归模型的产生背景 2.1.2 一元线性回归模型的数学形式 2.2 参数β0, β1的估计 2.2.1 普通*小二乘法 2.2.2 *大似然法 2.3 *小二乘估计的性质 2.3.1 线性 2.3.2 无偏性 2.3.3 , 的方差 2.4 回归方程的显著性检验 2.4.1 t检验 2.4.2 F检验 2.4.3 相关系数的显著性检验 2.4.4 用R软件进行计算 2.4.5 三种检验的关系 2.4.6 样本决定系数 2.4.7 关于P值的讨论 2.5 残差分析 2.5.1 残差与残差图 2.5.2 有关残差的性质 2.5.3 改进的残差 2.6 回归系数的区间估计 2.7 预测和控制 2.7.1 单值预测 2.7.2 区间预测 2.7.3 控制问题 2.8 本章小结与评注 2.8.1 一元线性回归从建模到应用的全过程 2.8.2 有关回归检验的讨论 2.8.3 回归系数的解释 2.8.4 回归方程的预测 思考与练习 第3章 多元线性回归 3.1 多元线性回归模型 3.1.1 多元线性回归模型的一般形式 3.1.2 多元线性回归模型的基本假设 3.1.3 多元线性回归系数的解释 3.2 回归系数的估计 3.2.1 回归系数估计的普通*小二乘法 3.2.2 回归值与残差 3.2.3 回归系数估计的*大似然法 3.2.4 实例分析 3.3 有关估计量的性质 3.4 回归方程的显著性检验 3.4.1 F检验 3.4.2 t检验 3.4.3 回归系数的置信区间 3.4.4 拟合优度 3.5 中心化和标准化 3.5.1 中心化 3.5.2 标准化回