数据分析与统计建模

前言

第一篇数据分析的图方法

第1章一维样本数据的分布

1．1各国人均GNI数据

1．2散点图(一维)

1．3分位数图

1．4盒须图

1．5对称性

1．6直方图

1．7茎叶图

1．8密度函数图

第2章数据分布的比较

2．1经验分位数经验分位数图

2．2数据的各种分布图比较

2．3开槽的盒须图

第3章二维数据的图示统计

3．1散点图

3．2例题

3．3因变量y与自变量z之间依存关系的研究方法

3．4二维数据的频数表示

第二篇经典统计推断

第4章样本平均数的比较

4．1单样本检验

4．2两样本的平均数比较

4．3成对数据的两样本t-检验

第5章关于方差的推断与检验

5．1X2-检验统计量

5．2比较两总体方差的F检验

第6章多样本均值比较

6．1单因素方差分析

6．2多重比较TukeyCramer方法

6．3单因素方差分析的案例

6．4随机化区组设计

6．5双因素方差分析

第7章回归模型

7．1二元线性回归

7．2多元线性回归

7．3例题及计算机操作

7．4回归模型的有效性

7．5回归方程用于预测

7．6多元回归模型的建立

7．7回归建模步骤

第三篇属性数据分析

第8章社会科学研究中的属性数据

8．1属性变量的定义

8．2为何研究属性数据的统计分析

8．3属性数据的分类

8．4以不同的视角观察社会科学研究中的属性数据

8．5属性数据的图或表格表示方法

8．6关于比例的显著性检验

第9章回归模型logistic回归与Pmbit模型

9．1虚拟变量的引进

9．2二值数据的1ogistic回归模型

9．3Probit模型及双对数模型

9．4因变量具有两个以上选择时的模型

第10章列联表及其建模

10．1列联表及其检验

10．2二维列联表模型

10．3多维表模型

10．4列联表的对应分析及Minitab操作

第四篇非参数统计

第11章两样本比较的秩检验

11．1wi1coxor1秩和检验(两个独立总体的中位数比较)

11．2相关联的两组样本比较：Wi1coxon符号秩检验

第12章多样本比较的非参数方法

12．1单因素实验中的Kruska1Wa11is检验

12．22×t列联表的非参数方法

12．3随机化完全区组设计的Friedman检验

12．4Cochran检验

第13章检验随机性与独立性

13．1关于随机性的假设检验

13．2检验趋势

13．3独立性检验

13．4Kendallr检验

第五篇时间序列分析

第14章时序分析中的外推与分解模型

14．1拟合优度

14．2光滑(或平均)技巧

14．3指数平滑法

第15章时间序列的分量分解

15．1趋势

15．2曲线趋势模型的拟合

15．3季节

15．4乘法模型的建立与求解

15．5循环分量

15．6一般的季节建模方法

15．7Holtwinters修正预测

第16章ARIMA模型

16．1引言

16．2平稳(无趋势)时间序列

16．3自相关函数(ACF)

16．4ARIMA的基本模型

第17章Box-Jenkins建模

17．1偏自相关系数(PACF)

17．2ARIMA模型的识别

17．3参数的估计

17．4ARIMA模型的诊断

17．5预测

第18章季节Box-Jenkins模型

18．1季节ARIMA模型的识别

18．2例题

18．3模型的参数估计与诊断

参考书目

　　这本《数据分析与统计建模》避开繁复的数学推导，以通俗易懂的方式让学生学会统计学方法，尤其是学会计算机统计软件的应用以及输出结果的分析。书中具体包括了：数据分析的图方法、一维样本数据的分布、经典统计推断、属性数据分析、两样本比较的秩检验等方面的内容。　　当现实中纷繁复杂的数据罗列在我们面前时，如何找出一个有效的分析方法、建立一个拟和度较优的模型、有机结合定量与定性两种基本的研究方法，对我们分析现有数据，预测未来趋势都有至关重要的意义。这本《数据分析与统计建模》就是适合社科类研究生使用的有关统计建模的工具书。本书避开繁复的数学推导，以通俗易懂的方式让学生学会统计学方法，尤其是学会计算机统计软件的应用以及输出结果的分析。