第一节 相关和回归 第二节 一元线性回归模型 第三节 多元线性回归模型 第四节 方程的解释能力 第五节 回归方程的检验和回归系数的推断统计 第六节 虚拟变量的应用 第七节 多重共线性及其解决方案 第八节 计算机应用

第一节 相关和回归 第二节 一元线性回归模型 第三节 多元线性回归模型 第四节 方程的解释能力 第五节 回归方程的检验和回归系数的推断统计 第六节 多重共线性及其解决方案 第七节 虚拟变量的应用 第八节 计算机应用 第九节 研究实例

 回归（Regression，或Linear Regression）分析变量间的关系，有明确的因果关系假设。  即要假设一个变量为自变量，一个为因变量，用回归表示自变量对因变量的影响。  如年龄对收入的影响。[解释]  由于回归构建了变量间因果关系的数学表达，它具有统计预测功能

第一章 事件与概率 第二章 离散型随机变量 第三章 连续型随机变量 第四章 大数定律与中心极限定理 第五章 数理统计的基本概念 第六章 点估计 第七章 假设检验 第八章 方差分析和回归分析

第一章随机事件及其概率. 第二章随机变量及其布 第三章多维随机变量及其 第四章随机变量的数字特征 第五章大数定律和中心极限定理 第六章数理统计的基本概念 第七章参数估计 第八章假设检验 第九章方差分析和回归分析

第一节 方差分析的基本原理与步骤 第二节 单因素试验资料的方差分析 第三节 两因素试验资料的方差分析 *第四节 方差分析的数学模型与期望均方 第五节 数据转换

多元分析讨论多变量(多指标)问题,由于变量较多,增加了问题的复杂性。但在许多实际问题中我们经常发现变量之间有一定的相关性,人们自然希望用较少的变量来代替原来较多的变量, 且使这些较少的变量尽可能地反映原来变量的信息。将这种思想引入统计学,就产生了主成分分析,典型相关分析等。下面只介绍主成分分析

在机关、公司办公中,经常有大量的数据需要 处理。如人事工资表中工资的计算、汇总、分析, 公司销售表中销售额的统计、汇总、合并计算以 及考勤表中职工请假、旷工、出勤等情况的分析 统计等。对于这些数据的处理,传统方法是用人 工方式来管理,当要调阅、分析、归纳数据时, 这种方法费时耗力,并且容易出错

两因素方差分析是讨论两因素试验的统计推断问题。本 文分非重复试验和重复试验两种情形进行讨论。 一、两因素非重复试验的方差分析 设有两个因素A,B,因素A有r个不同水平: A,A2…,A,;因素B有s个不同水平:B1,B2…,B 在A,B的每一种组合水平(A,B)下作一次试验,试验 结果为X,=(i=1,…,r,j=1,2,,),所有X,相互独立

通常把生产实践与科学实验中的结果,如产品的性能, 产量等统称为指标,影响指标的因素用A,B,C,…,表示。 因素在试验中所取的不同状态称为水平,因素4的不同水 平用A1,A2表示。 在一项试验中,如果让一个因素的水平变化,其他因素 水平保持不变,这样的试验叫做单因素试验。处理单因 素试验的统计推断问题称为单因素方差分析或一元方差 分析。类似地可定义多因素方差分析。本节先介绍单因 素方差分析