統(tǒng)計分析及其SAS實(shí)現(xiàn)

第1章 統(tǒng)計分析的sas基礎(chǔ)
1.1 sas概述
1.1.1 顯示管理方式
1.1.2 系統(tǒng)配置
1.2 sas編程基礎(chǔ)
1.2.1 數(shù)據(jù)步基本語句
1.2.2 input語句
1.2.3 數(shù)據(jù)集與數(shù)據(jù)庫
1.3 幾個常用過程
1.3.1 print過程
1.3.2 sort過程
1.3.3 gplot過程
1.3.4 transpose過程（轉(zhuǎn)置數(shù)據(jù)集）
1.3.5 standard過程（標(biāo)準(zhǔn)化數(shù)據(jù)）
1.4 常用結(jié)構(gòu)語句
1.4.1 選擇結(jié)構(gòu)
1.4.2 循環(huán)結(jié)構(gòu)
1.5 sas數(shù)據(jù)集管理
1.5.1 編輯數(shù)據(jù)集
1.5.2 數(shù)據(jù)集的橫向合并
1.5.3 與其他系統(tǒng)數(shù)據(jù)集間的轉(zhuǎn)換
1.6 sas的常用統(tǒng)計函數(shù)
1.6.1 隨機(jī)數(shù)生成函數(shù)
1.6.2 累積分布函數(shù)和概率密度函數(shù)
1.6.3 分位數(shù)函數(shù)
1.7 補(bǔ)充與習(xí)題
第2章 描述統(tǒng)計
2.1 描述性統(tǒng)計量
2.1.1 描述總體分布位置的統(tǒng)計量
2.1.2 描述總體分散程度的統(tǒng)計量
2.1.3 描述總體分布形狀的統(tǒng)計量
2.2 圖形描述總體
2.2.1 條形圖和直方圖
2.2.2 箱線圖（box-and-whisker）
2.3 補(bǔ)充與習(xí)題
第3章 假設(shè)檢驗(yàn)
3.1 假設(shè)檢驗(yàn)與區(qū)間估計
3.1.1 參數(shù)的假設(shè)檢驗(yàn)
3.1.2 參數(shù)的區(qū)間估計
3.2 正態(tài)總體均值和方差的檢驗(yàn)
3.2.1 正態(tài)總體均值檢驗(yàn)
3.2.2 正態(tài)總體方差檢驗(yàn)
3.3 兩總體均值比較
3.3.1 獨(dú)立組均值比較
3.3.2 成對組均值比較
3.4 正態(tài)性檢驗(yàn)
3.4.1 x2檢驗(yàn)法
3.4.2 經(jīng)驗(yàn)分布函數(shù)（ecdf）檢驗(yàn)法
3.4.3 shapiro-wilk檢驗(yàn)
3.5 補(bǔ)充與習(xí)題
第4章 線性回歸分析與回歸診斷
4.1 統(tǒng)計模型
4.2 模型參數(shù)的最小二乘估計和因變量的預(yù)測
4.2.1 模型參數(shù)的最小二乘估計及其性質(zhì)
4.2.2 因變量的預(yù)測
4.3 回歸分析中的假設(shè)檢驗(yàn)
4.3.1 回歸方程的顯著性檢驗(yàn)
4.3.2 單個回歸系數(shù)的顯著性檢驗(yàn)
4.3.3 回歸系數(shù)的一般線性假設(shè)檢驗(yàn)
4.3.4 應(yīng)用例子
4.4 回歸診斷
4.4.1 殘差分析
4.4.2 影響分析
4.4.3 多重共線性
4.5 多重共線性處理方法
4.5.1 篩選回歸變量
4.5.2 嶺回歸
4.6 補(bǔ)充與習(xí)題
第5章 方差分析
5.1 單因子方差分析
5.1.1 模型及其顯著性檢驗(yàn)
5.1.2 方差齊性檢驗(yàn)
5.1.3 可估函數(shù)與對比
5.1.4 多重比較
5.2 無交互效應(yīng)的兩因子方差分析
5.2.1 模型及因子效應(yīng)的顯著性檢驗(yàn)
5.2.2 因子顯著性檢驗(yàn)統(tǒng)計量分布的推導(dǎo)
5.2.3 多重比較與同時置信區(qū)間
5.3 有交互效應(yīng)的兩因子方差分析
5.3.1 模型及因子效應(yīng)的顯著性檢驗(yàn)
5.4 一般線性模型（glm）過程
5.5 補(bǔ)充與習(xí)題
第6章 分類數(shù)據(jù)的列聯(lián)表分析
6.1 用freq過程生成列聯(lián)表
6.2 單向表分析
6.2.1 二項(xiàng)分布參數(shù)的檢驗(yàn)與區(qū)間估計
6.2.2 多項(xiàng)分布參數(shù)檢驗(yàn)
6.3 雙向表分析
6.3.1 獨(dú)立性的x2檢驗(yàn)
6.3.2 小樣本列聯(lián)表獨(dú)立性的fisher精確檢驗(yàn)
6.4 2 ×2表分析
6.4.1 風(fēng)險和風(fēng)險差
6.4.2 相對風(fēng)險和優(yōu)比比率
6.5 補(bǔ)充與習(xí)題
第7章 主成分分析
7.1 總體主成分
7.1.1 主成分定義及求法
7.1.2 主成分性質(zhì)
7.1.3 標(biāo)準(zhǔn)化變量的主成分
7.2 樣本主成分與主成分得分
7.2.1 樣本主成分
7.2.2 主成分得分
7.3 補(bǔ)充與習(xí)題
第8章 因子分析
8.1 正交因子模型及模型中各量的統(tǒng)計意義
8.1.1 正交因子模型
8.1.2 正交因子模型的性質(zhì)
8.1.3 因子載荷陣中各量的統(tǒng)計意義
8.2 模型參數(shù)估計
8.2.1 模型參數(shù)的主成分估計
8.2.2 模型參數(shù)的主因子與迭代主因子估計
8.2.3 模型參數(shù)的極大似然估計
8.3 因子旋轉(zhuǎn)與因子得分
8.3.1 因子旋轉(zhuǎn)
8.3.2 因子得分
8.4 補(bǔ)充與習(xí)題
第9章 典型相關(guān)分析
9.1 總體典型相關(guān)變量
9.1.1 第一對典型相關(guān)變量的求法
9.1.2 一般典型相關(guān)變量求法
9.1.3 典型相關(guān)變量的性質(zhì)
9.2 典型相關(guān)變量系數(shù)的估計和典型變量得分
9.3 典型相關(guān)系數(shù)檢驗(yàn)
9.3.1 第一個典型相關(guān)系數(shù)的檢驗(yàn)
9.3.2 一般典型相關(guān)系數(shù)的檢驗(yàn)
9.4 補(bǔ)充與習(xí)題
第10章 判別分析
10.1 多總體距離判別
10.1.1 馬氏距離
10.1.2 馬氏距離判別
10.2 正態(tài)總體判別分析中的檢驗(yàn)問題
10.2.1 多元方差分析——manova
10.2.2 多元正態(tài)兩總體均值比較
10.2.3 多元正態(tài)總體協(xié)差陣的齊性檢驗(yàn)
10.3 bayes歲判別分析
10.3.1 先驗(yàn)概率的確定
10.3.2 后驗(yàn)概率與廣義平方距離
10.3.3 bayes判別準(zhǔn)則
10.4 非參數(shù)判別
10.4.1 密度函數(shù)核估計
10.4.2 k-最近鄰估計
10.5 逐步判別與stepdisc過程
10.5.1 逐步判別的理論基礎(chǔ)
10.5.2 逐步判別的計算
10.6 補(bǔ)充與習(xí)題
第11章 聚類分析
11.1 系統(tǒng)聚類法
11.1.1 系統(tǒng)聚類法分類
11.1.2 系統(tǒng)聚類法的性質(zhì)
11.1.3 類個數(shù)的確定
11.2 動態(tài)聚類法與fastclus過程
11.2.1 初始凝聚點(diǎn)的選取
11.2.2 初始分類與修改分類
11.3 補(bǔ)充與習(xí)題
附錄a 輔助知識
a.1 矩陣知識
a.1.1 分塊矩陣的行列式與逆
a.2 回歸問題
a.3 隨機(jī)向量的投影與相關(guān)系數(shù)
參考文獻(xiàn)