決策分析：以Excel為分析工具

譯者序
前　言
第1章　決策分析組件 1
1.1　根據(jù)現(xiàn)有類別分類 1
1.1.1　使用兩個步驟的方法 1
1.1.2　多重回歸和決策分析 2
1.1.3　獲取參考樣本 3
1.1.4　多變量方差分析 4
1.1.5　判別函數(shù)分析 5
1.1.6　邏輯回歸 6
1.2　根據(jù)自然存在的群組分類 7
1.2.1　主分量分析 7
1.2.2　聚類分析 8
1.3　一些術語學問題 10
1.3.1　設計決定術語 10
1.3.2　因果關系與預測的對比 11
1.3.3　術語為什么重要 12
第2章　邏輯回歸 13
2.1　邏輯回歸原理 14
2.1.1　比例問題 15
2.1.2　關于基本假設 17
2.1.3　均等分布 17
2.1.4　對分法中的等方差 19
2.1.5　均等分布和范圍 19
2.2　殘差的分布 21
2.2.1　殘差的計算 21
2.2.2　對分的殘差 21
2.3　使用邏輯回歸 22
2.3.1　使用可能性而非概率 23
2.3.2　使用對數(shù)優(yōu)勢比 24
2.3.3　使用最大似然方法代替最小二乘方法 25
2.4　最大化對數(shù)似然率 26
2.4.1　建立數(shù)據(jù) 26
2.4.2　建立邏輯回歸方程式 27
2.4.3　求得優(yōu)勢比 29
2.4.4　求得概率 29
2.4.5　計算對數(shù)似然率 30
2.4.6　尋找和安裝規(guī)劃求解加載項 31
2.4.7　運行規(guī)劃求解 31
2.5　對數(shù)似然法原理 33
2.5.1　正確分類的概率 34
2.5.2　使用對數(shù)似然 35
2.6　對數(shù)似然率的統(tǒng)計顯著性 37
2.6.1　建立精簡模型 38
2.6.2　建立完整模型 40
第3章　單變量方差分析（ANOVA） 42
3.1　ANOVA的邏輯 43
3.1.1　使用方差 43
3.1.2　方差分區(qū) 44
3.1.3　方差預期值（組內(nèi)） 45
3.1.4　方差預期值（組間） 46
3.1.5　F比率 49
3.1.6　非中心F分布 52
3.2　單因素ANOVA 53
3.2.1　采用錯誤率 54
3.2.2　計算統(tǒng)計數(shù)字 55
3.2.3　得出均值的標準誤差 57
3.3　使用Excel的數(shù)據(jù)分析加載項 59
3.3.1　安裝數(shù)據(jù)分析加載項 59
3.3.2　使用“方差分析：單因素方差分析”工具 60
3.4　理解ANOVA輸出 62
3.4.1　使用描述統(tǒng)計 62
3.4.2　使用推論統(tǒng)計 62
3.5　回歸方法 65
3.5.1　使用影響編碼 66
3.5.2　LINEST()公式 68
3.5.3　LINEST()結果 68
3.5.4　LINEST()推斷統(tǒng)計 70
第4章　多變量方差分析（MANOVA） 72
4.1　MANOVA原理 72
4.1.1　相關變量 73
4.1.2　ANOVA中的相關變量 73
4.2　理解多變量ANOVA 74
4.2.1　單變量ANOVA結果 75
4.2.2　多變量ANOVA結果 76
4.2.3　均值和重心 78
4.3　從ANOVA到MANOVA 78
4.3.1　使用SSCP代替SS 80
4.3.2　獲得組間和組內(nèi)SSCP矩陣 83
4.3.3　平方和與SSCP矩陣 85
4.4　求得多變量F比率 86
4.5　Wilks’ Lambda和F比率 88
4.6　在Excel中運行MANOVA 90
4.6.1　數(shù)據(jù)布局 91
4.6.2　運行MANOVA代碼 91
4.6.3　描述統(tǒng)計 92
4.6.4　離差矩陣的同一性 93
4.6.5　單變量和多變量F檢驗 95
4.7　多變量測試之后 96
第5章　判別函數(shù)分析基礎 98
5.1　將類別當作數(shù)字處理 99
5.2　判別分析原理 100
5.2.1　多重回歸和判別分析 100
5.2.2　調(diào)整視角 101
5.3　判別分析和多重回歸 103
5.3.1　回歸、判別分析和典型相關 103
5.3.2　編碼和多重回歸 104
5.4　判別函數(shù)和回歸方程式 106
5.5　從判別權重到回歸系數(shù) 107
5.5.1　回歸和判別分析中的特征結構 110
5.5.2　結構系數(shù)可能引起誤導 112
5.6　小結 113
第6章　判別函數(shù)分析：進一步的問題 114
6.1　使用判別工作簿 114
6.1.1　打開判別工作簿 114
6.1.2　使用判別對話框 116
6.2　為什么在鳶尾花上運行判別分析 118
6.2.1　評估原始測度 118
6.2.2　判別分析和投資 119
6.3　用R進行基準測試 121
6.3.1　下載R 121
6.3.2　編排數(shù)據(jù)文件 122
6.3.3　運行分析 123
6.4　Discrim加載項的結果 126
6.4.1　判別結果 126
6.4.2　解讀結構系數(shù) 128
6.4.3　特征結構和系數(shù) 129
6.4.4　系數(shù)的其他用途 132
6.5　案例分類 134
6.5.1　與重心的距離 135
6.5.2　均值修正 135
6.5.3　調(diào)整方差–協(xié)方差矩陣 139
6.5.4　指定一個分類 140
6.5.5　創(chuàng)建分類表格 141
6.6　訓練樣本：提前知曉的分類 142
第7章　主分量分析 144
7.1　為主分量分析建立概念性框架 145
7.1.1　主分量和測試 145
7.1.2　PCA的基本原則 146
7.1.3　相關與斜交因素旋轉(zhuǎn) 146
7.2　使用主分量加載項 147
7.2.1　相關矩陣 149
7.2.2　R矩陣的逆矩陣 149
7.2.3　球形測試 152
7.3　特征值和系數(shù)的計算以及公用因素方差的理解 152
7.3.1　有幾個分量 153
7.3.2　因素得分系數(shù) 155
7.3.3　公共因素方差 155
7.4　單獨結果之間的關系 156
7.4.1　使用特征值和特征向量 156
7.4.2　特征值、特征向量和負載 157
7.4.3　特征值、特征向量和因素系數(shù) 159
7.4.4　從因素得分直接獲得特征值 159
7.5　獲得特征值和特征向量 160
7.6　旋轉(zhuǎn)因素以得到有意義的解決方案 164
7.6.1　確定因素 164
7.6.2　最大方差旋轉(zhuǎn) 167
7.7　分類示例 169
7.7.1　州犯罪率 169
7.7.2　蚜蟲物理測量 173
第8章　聚類分析：基礎知識 175
8.1　聚類分析、判別分析和邏輯回歸 175
8.2　歐幾里得距離 176
8.3　尋找群集：單連接方法 180
8.4　聚類分析的自選擇特性 185
8.5　發(fā)現(xiàn)群集：全連接方法 187
8.5.1　全連接：示例 188
8.5.2　其他連接方法 191
8.6　發(fā)現(xiàn)群集：K均值方法 191
8.6.1　K均值分析特性 191
8.6.2　K均值的一個例子 192
8.7　用R對K均值方法進行基準測試 196
第9章　聚類分析：更深入的問題 198
9.1　使用K均值工作簿 198
9.1.1　確定群集數(shù)量 200
9.1.2　群集成員工作表 201
9.1.3　群集重心工作表 203
9.1.4　群集方差工作表 204
9.1.5　F比率工作表 206
9.1.6　報告過程統(tǒng)計 208
9.2　使用主分量進行聚類分析 209
9.2.1　主分量回顧 210
9.2.2　葡萄酒的聚類分析 213
9.2.3　結果的交叉驗證 216