作为数据分析的有效工具,统计方法已广泛应用于社会科学和自然科学的各个领域.本书兼顾统计知识的全面性和统计课程的系统性,结合编者多年的教学实践经验和国内外优秀教材的成果,在内容上主要包括多元统计分析概述、主成分分析、聚类分析、判别分析、因子分析、时间序列模型引论、平稳时间序列模型、非平稳时间序列模型、结构方程模型.全书分9章叙述.另外,书中大部分统计方法都给出了用R语言实现的实际操作过程.
样章试读
目录
- 目录
第1章 多元统计分析概述 1
1.1 多元统计分析简介 1
1.2 多元正态分布 5
1.3 多元正态分布的参数估计和假设检验 12
1.4 多元数据的图形展示 27
思考与练习 34
参考文献 35
第2章 主成分分析 37
2.1 主成分分析的原理与思路 37
2.2 总体主成分和样本主成分 41
2.3 主成分分析的应用 49
2.4 主成分分析应用案例的讨论 61
思考与练习 70
参考文献 71
第3章 聚类分析 72
3.1 聚类分析概述 73
3.2 亲疏程度测定 73
3.3 聚类分析方法介绍 80
3.4 聚类分析应用实例 97
3.5 软件操作 105
思考与练习 106
参考文献 108
第4章 判别分析 109
4.1 距离判别法 110
4.2 贝叶斯判别法 112
4.3 费希尔判别法 118
4.4 逐步判别法 121
4.5 判别分析的基本步骤 122
4.6 案例及软件操作 126
思考与练习 133
参考文献 134
第5章 因子分析 135
5.1 因子分析概述 135
5.2 因子分析模型 137
5.3 估计方法 141
5.4 因子旋转 143
5.5 因子得分 146
5.6 因子分析的主要步骤 150
思考与练习 151
参考文献 152
第6章 时间序列模型引论 153
6.1 时间序列的基本概念 154
6.2 时间序列的预测应用 158
6.3 时间序列的特征分析 166
6.4 时间序列的算法分析 179
思考与练习 184
第7章 平稳时间序列模型 185
7.1 平稳随机时间序列 185
7.2 AR, MA与ARMA模型 190
7.3 自相关函数与偏自相关函数 192
7.4 自回归移动平均模型的识别、估计与检验 195
7.5 自回归移动平均模型的定阶 202
7.6 自回归移动平均模型的预测与评价 204
7.7 案例与R软件实现 207
思考与练习 216
参考文献 218
第8章 非平稳时间序列模型 219
8.1 非平稳时间序列基本理论 220
8.2 协整和误差修正模型 226
8.3 ARIMA模型估计的R软件操作 229
8.4 其他非线性方法 236
思考与练习 239
参考文献 241
第9章 结构方程模型 242
9.1 结构方程模型基本概念 243
9.2 结构方程建模 244
9.3 一阶验证性因子分析模型 247
9.4 结构方程模型的设定 259
9.5 SEM的进阶应用 266
9.6 例子与R软件实现 268
思考与练习 271
参考文献 271