DPS數(shù)據(jù)處理系統(tǒng) 第二卷 現(xiàn)代統(tǒng)計及數(shù)據(jù)挖掘（第5版）

目錄
序一
序二
第五版前言
第四版前言
第三版前言
第二版前言
第一版前言
第三篇 多元統(tǒng)計分析
第14章 多變量統(tǒng)計檢驗 529
14.1 多元計量資料的常用統(tǒng)計量 529
14.2 多元均值檢驗 531
14.3 多元方差分析簡介 533
14.4 單向完全隨機設(shè)計 536
14.5 單因素隨機區(qū)組設(shè)計 538
14.6 輪廓分析 540
14.7 多元方差分析的線性模型方法 544
參考文獻 551
第15章 多元回歸分析 553
15.1 多元線性回歸 553
15.2 逐步回歸分析 563
15.3 二次多項式回歸分析 573
15.4 含定性變量的逐步回歸分析 577
15.5 積分(逐步)回歸 582
15.6 趨勢面分析 588
15.7 Tobit回歸 592
15.8 主成分回歸 597
15.9 嶺回歸 600
15.10 特征根回歸 605
15.11 穩(wěn)健回歸(M估計)608
15.12 分位數(shù)回歸 611
15.13 優(yōu)勢(主導(dǎo))分析 616
15.14 分層逐步回歸 619
參考文獻 629
第16章 高維數(shù)據(jù)Lasso回歸分析 631
16.1 Lasso回歸分析簡介 632
16.2 建立Lasso回歸模型的彈性網(wǎng)絡(luò)算法 633
16.3 高維數(shù)據(jù)線性回歸分析 635
16.4 高維數(shù)據(jù)Logistic回歸分析 643
16.5 高維數(shù)據(jù)Poisson回歸分析 649
16.6 高維數(shù)據(jù)Cox比例風險回歸分析 655
16.7 含分類變量的Lasso回歸分析 660
16.8 含分類變量的LassoLogistic回歸分析 671
參考文獻 674
第17章 面板數(shù)據(jù)分析 675
17.1 面板數(shù)據(jù)分析基本模型 675
17.2 空間面板數(shù)據(jù)模型 684
參考文獻 690
第18章 多因變量統(tǒng)計分析 692
18.1 典型相關(guān)分析 692
18.2 雙重篩選逐步回歸 700
18.3 偏*小二乘回歸 706
18.4 線性聯(lián)立方程 711
18.5 結(jié)構(gòu)方程模型與路徑分析 720
參考文獻 732
第19章 聚類分析 734
19.1 系統(tǒng)聚類分析 734
19.201型變量聚類分析 749
19.3 動態(tài)聚類分析 752
19.4 有序樣本分類 758
19.5 非線性映射分析 762
19.6 兩維圖論聚類 765
參考文獻 768
第20章 有序約束下的多峰識別模型 770
20.1 問題的提出 770
20.2 一維有序約束下的多峰模型 773
20.3 多個受約束變量的綜合 777
20.4 多峰識別模型在DPS系統(tǒng)中的實現(xiàn) 782
20.5 兩維有序約束下的峰值識別模型 790
20.6 高維有序空間多峰識別模型 798
20.7 多維有序約束下數(shù)據(jù)分析與經(jīng)典聚類算法的關(guān)系 804
參考文獻 805
第21章 判別分析 807
21.1 兩組判別 807
21.2 Fisher線性判別 810
21.3 逐步判別分析 816
參考文獻 824
第22章 多因子分析 825
22.1 主成分分析 825
22.2 因子分析 832
22.3 對應(yīng)分析 847
22.4 展開法 852
參考文獻 855
第23章 數(shù)據(jù)挖掘 857
23.1 BP神經(jīng)網(wǎng)絡(luò) 857
23.2 徑向基函數(shù)(RBF)網(wǎng)絡(luò)模型 867
23.3 投影尋蹤回歸 871
23.4 支持向量機(SVM)878
23.5 隨機森林 889
參考文獻 896
第四篇 數(shù)學模型模擬分析
第24章 回歸方程模型 899
24.1 任意非線性回歸模型參數(shù)估計實現(xiàn) 899
24.2 非線性回歸模型參數(shù)估計方法 901
24.3 非線性回歸模型參數(shù)全局優(yōu)化估計 904
24.4 非線性回歸分析實例研究 907
24.5 二值反應(yīng)變量模型參數(shù)估計 922
24.6 有約束條件模型參數(shù)估計 929
24.7 聯(lián)立方程模型 933
參考文獻 941
第25章 數(shù)學模型模擬與優(yōu)化 944
25.1 模型模擬分析 944
25.2 模型參數(shù)靈敏度分析 949
25.3 模型優(yōu)化 951
參考文獻 955
第26章 數(shù)學規(guī)劃 956
26.1 線性規(guī)劃 956
26.2 多目標線性規(guī)劃：評價函數(shù)法 961
26.3 多目標線性規(guī)劃：逐步寬容約束法 965
26.4 多目標線性規(guī)劃：分層評價法 968
26.5 整數(shù)規(guī)劃及混合整數(shù)規(guī)劃 973
26.6 指派問題匈牙利法 979
26.7 運輸問題 982
26.8 非線性規(guī)劃 985
26.9 投入產(chǎn)出分析 988
26.10 目標規(guī)劃 992
參考文獻 1000
第27章 狀態(tài)空間模型 1001
27.1 線性控制系統(tǒng)能控性 1002
27.2 線性控制系統(tǒng)能觀性 1004
27.3 連續(xù)線性狀態(tài)方程離散化 1006
27.4 離散狀態(tài)方程求解 1008
參考文獻 1011
第五篇 時間序列分析
第28章 時間序列趨勢分析 1015
28.1 常用時間序列趨勢分析 1015
28.2 時間序列數(shù)據(jù)游程檢驗 1023
28.3 *優(yōu)氣候均態(tài)模型 1025
28.4 均值生成函數(shù)預(yù)測模型 1027
28.5 馬爾可夫鏈 1030
28.6 多元時空序列馬爾可夫鏈分析 1033
參考文獻 1038
第29章 時間序列周期分析 1039
29.1 諧波分析 1039
29.2 小波分析 1042
29.3 奇異譜分析 1045
29.4 時間序列周期方差分析外推法 1049
29.5 季節(jié)性水平模型 1052
29.6 季節(jié)性交乘趨勢模型 1055
29.7 季節(jié)性疊加趨勢模型 1059
參考文獻 1062
第30章 平穩(wěn)時間序列分析 1063
30.1 取樣間隔與插值處理 1063
30.2 數(shù)據(jù)序列突變點的檢測 1065
30.3 數(shù)據(jù)序列統(tǒng)計特性估計 1070
30.4 單位根檢驗 1076
30.5 差分自回歸移動平均(ARIMA)模型 1083
30.6 季節(jié)周期組合模型 1098
參考文獻 1104
第31章 其他時間序列模型 1106
31.1 多變量時間序列CAR模型 1106
31.2 向量自回歸模型 1112
31.3 格蘭杰因果關(guān)系檢驗 1127
31.4 協(xié)整檢驗和誤差修正模型 1133
31.5 協(xié)整和向量誤差修正模型的*大似然估計 1140
31.6 門限自回歸模型 1149
31.7 獨立分量分析 1153
參考文獻 1158