多元統(tǒng)計(jì)分析及應(yīng)用：R軟件和SPSS軟件上機(jī)實(shí)現(xiàn)

第一章 緒論 1
第一節(jié) 多元統(tǒng)計(jì)分析的發(fā)展 1
一、多元統(tǒng)計(jì)分析的發(fā)展背景 1
二、多元統(tǒng)計(jì)分析的發(fā)展歷程 2
三、多元統(tǒng)計(jì)分析的發(fā)展內(nèi)容 3
第二節(jié) 多元統(tǒng)計(jì)分析的應(yīng)用 3
一、多元統(tǒng)計(jì)分析的作用 3
二、多元統(tǒng)計(jì)分析的應(yīng)用 4
第三節(jié) 本書的主要內(nèi)容與方法 6
第四節(jié) ＳＰＳＳ軟件和 Ｒ軟件介紹 7
一、ＳＰＳＳ軟件介紹 7
二、Ｒ軟件介紹 7
習(xí)題 8
第二章 多元正態(tài)分布及參數(shù)估計(jì) 9
第一節(jié) 多元分布的基本概念 9
一、隨機(jī)向量 9
二、多元概率分布 11
三、隨機(jī)向量數(shù)字特征 13
第二節(jié) 多元正態(tài)分布 15
第三節(jié) 多元正態(tài)分布的參數(shù)估計(jì) 19
一、多元樣本的數(shù)字特征 19
二、均值向量與協(xié)差陣的最大似然估計(jì) 21
三、估計(jì)量的性質(zhì) 23
第四節(jié) 樣本均值向量和離差陣的抽樣分布 23
一、均值向量和樣本離差陣的抽樣分布 24
二、Ｗｉｓｈａｒｔ分布及其性質(zhì) 24
第五節(jié) 參數(shù)估計(jì)的上機(jī)實(shí)現(xiàn) 25
一、計(jì)算均值向量和協(xié)方差陣———基于 ＳＰＳＳ軟件 25
二、計(jì)算均值向量和協(xié)方差陣———基于 Ｒ軟件 32
習(xí)題 33
第三章 多元正態(tài)分布假設(shè)檢驗(yàn) 36
第一節(jié) 均值向量的檢驗(yàn) 36
一、單正態(tài)分布總體均值的檢驗(yàn) 36
二、多元正態(tài)分布均值的檢驗(yàn) 37
三、兩總體均值的比較 38
四、多總體均值的檢驗(yàn) 40
第二節(jié) 協(xié)方差陣的檢驗(yàn) 42
一、單總體協(xié)方差陣檢驗(yàn)Σ＝Σ0 42
二、多總體協(xié)方差陣檢驗(yàn)Σ1＝Σ2＝＝Σｒ 43
第三節(jié) 假設(shè)檢驗(yàn)的上機(jī)實(shí)現(xiàn) 44
一、兩總體均值的檢驗(yàn)———基于 ＳＰＳＳ軟件 44
二、兩總體均值的檢驗(yàn)———基于 Ｒ軟件 49
習(xí)題 50
第四章 多元線性回歸分析 54
第一節(jié) 多元線性回歸模型 54
一、多元線性回歸模型定義 54
二、多元線性回歸參數(shù)估計(jì) 55
第二節(jié) 多元線性回歸分析中的統(tǒng)計(jì)檢驗(yàn) 58
一、多元線性回歸的估計(jì)標(biāo)準(zhǔn)誤差 58
二、多元線性回歸模型的顯著性檢驗(yàn) 59
三、偏回歸系數(shù)的顯著性檢驗(yàn) 60
第三節(jié) 復(fù)相關(guān)系數(shù)和偏相關(guān)系數(shù) 61
一、復(fù)相關(guān)系數(shù) 61
二、偏相關(guān)系數(shù) 62
第四節(jié) 變量選擇 64
一、向前選擇法 64
二、向后剔除法 65
三、逐步回歸法 65
第五節(jié) 多元線性回歸模型的上機(jī)實(shí)現(xiàn) 66
一、建立多元線性回歸模型———基于 ＳＰＳＳ軟件 67
二、建立多元線性回歸模型———基于 Ｒ軟件 71
習(xí)題 74
第五章 聚類分析 76
第一節(jié) 聚類分析的基本思想 76
第二節(jié) 距離與相似系數(shù) 77
一、距離 77
二、相似系數(shù) 80
第三節(jié) 系統(tǒng)聚類法 81
一、最短距離法 81
二、最長(zhǎng)距離法 84
三、中間距離法 86
四、重心法 87
五、類平均法 89
六、離差平方和法 90
七、可變類平均法 91
八、可變法 91
九、系統(tǒng)聚類法準(zhǔn)則 92
十、系統(tǒng)聚類過程總結(jié) 93
第四節(jié) Ｋ－ｍｅａｎｓ聚類法 94
第五節(jié) 聚類分析的上機(jī)實(shí)現(xiàn) 96
一、聚類分析實(shí)現(xiàn)———基于 ＳＰＳＳ軟件 96
目 錄
二、聚類分析實(shí)現(xiàn)———基于 Ｒ軟件 111
習(xí)題 115
第六章 判別分析 116
第一節(jié) 判別分析的基本思想 116
第二節(jié) 距離判別 117
一、馬氏距離 117
二、兩總體距離判別 118
三、多總體距離判別 121
第三節(jié) Ｆｉｓｈｅｒ判別 127
一、Ｆｉｓｈｅｒ判別基本思想 127
二、兩總體 Ｆｉｓｈｅｒ判別 128
三、多總體 Ｆｉｓｈｅｒ判別 130
第四節(jié) Ｂａｙｅｓ判別 135
一、Ｂａｙｅｓ判別基本思想 135
二、兩總體 Ｂａｙｅｓ判別 136
三、多總體 Ｂａｙｅｓ判別 139
第五節(jié) 逐步判別 143
第六節(jié) 判別分析的上機(jī)實(shí)現(xiàn) 144
一、判別分析的上機(jī)實(shí)現(xiàn)———基于 ＳＰＳＳ軟件 145
二、判別分析的上機(jī)實(shí)現(xiàn)———基于 Ｒ軟件156
習(xí)題 160
第七章 主成分分析 163
第一節(jié) 主成分分析概述 163
一、主成分分析的基本思想 163
二、主成分分析的基本理論 164
三、主成分分析的幾何意義 165
第二節(jié) 總體的主成分 168
一、從協(xié)方差矩陣出發(fā)求解主成分 168
二、主成分的性質(zhì) 169
三、從相關(guān)矩陣出發(fā)求解主成分 172
四、由相關(guān)矩陣求主成分時(shí)主成分性質(zhì)的簡(jiǎn)單形式 173
第三節(jié) 樣本的主成分 174
第四節(jié) 主成分分析的上機(jī)實(shí)現(xiàn) 176
一、主成分分析———基于 ＳＰＳＳ軟件 176
二、主成分分析———基于 Ｒ軟件187
習(xí)題 193
第八章 因子分析 195
第一節(jié) 因子分析的基本思想 195
第二節(jié) 因子模型 197
一、因子分析的數(shù)學(xué)模型 197
二、模型性質(zhì) 198
三、因子載荷的再討論 199
四、協(xié)方差矩陣與相關(guān)矩陣的再討論 201
第三節(jié) 因子載荷的求解 202
一、主成分估計(jì)法 202
二、主因子估計(jì)法 204
三、最大似然估計(jì)法 205
第四節(jié) 因子旋轉(zhuǎn) 206
第五節(jié) 因子得分 208
一、回歸法 208
二、最小二乘法 209
第六節(jié) 因子分析的上機(jī)實(shí)現(xiàn) 210
一、地區(qū)物流競(jìng)爭(zhēng)力研究———基于 ＳＰＳＳ軟件 210
二、地區(qū)物流競(jìng)爭(zhēng)力研究———基于 Ｒ軟件225
習(xí)題 232
第九章 對(duì)應(yīng)分析 235
第一節(jié) 對(duì)應(yīng)分析的基本思想 235
一、列聯(lián)表及列聯(lián)表分析 236
二、對(duì)應(yīng)方法及統(tǒng)計(jì)術(shù)語簡(jiǎn)介 239
第二節(jié) 對(duì)應(yīng)分析方法的原理 241
一、有關(guān)概念 241
二、Ｒ型與 Ｑ型因子分析的對(duì)等關(guān)系244
三、對(duì)應(yīng)分析應(yīng)用于定量變量的情況 247
第三節(jié) 對(duì)應(yīng)分析的上機(jī)實(shí)現(xiàn) 248
一、部分地區(qū)旅客運(yùn)輸方式研究———基于 ＳＰＳＳ軟件 248
二、部分地區(qū)旅客運(yùn)輸方式研究———基于 Ｒ軟件257
習(xí)題 259
第十章 典型相關(guān)分析 261
第一節(jié) 典型相關(guān)分析的基本思想 261
第二節(jié) 總體典型相關(guān)分析 262
一、數(shù)學(xué)描述 262
二、總體典型相關(guān) 262
三、典型相關(guān)變量的性質(zhì) 265
第三節(jié) 樣本典型相關(guān)分析 266
一、樣本典型相關(guān) 266
二、典型相關(guān)系數(shù)的顯著性檢驗(yàn) 267
第四節(jié) 典型相關(guān)分析的上機(jī)實(shí)現(xiàn) 268
一、流通產(chǎn)業(yè)與國(guó)民經(jīng)濟(jì)其他產(chǎn)業(yè)發(fā)展的典型相關(guān)分析———
基于 ＳＰＳＳ軟件 269
二、流通產(chǎn)業(yè)與國(guó)民經(jīng)濟(jì)其他產(chǎn)業(yè)的典型相關(guān)
分析———基于 Ｒ軟件 274
習(xí)題 278
參考文獻(xiàn) 280