數(shù)據(jù)分析方法與應(yīng)用

前言
第1章 相關(guān)數(shù)理統(tǒng)計(jì)基礎(chǔ)知識
1.1 變量及分類
1.2 不同變量類型的數(shù)據(jù)分析方法
1.3 樣本統(tǒng)計(jì)量
1.4 數(shù)據(jù)變換
1.5 微積分基礎(chǔ)知識
1.6 常用的概率分布
1.7 線性代數(shù)基礎(chǔ)知識
第2章 線性回歸分析
2.1 一元線性回歸
2.2 多元線性回歸
第3章 回歸專題分析
3.1 可線性化的非線性模型回歸
3.2 虛擬變量回歸
3.3 內(nèi)生解釋變量
3.4 滯后變量模型
第4章 聚類分析
4.1 聚類分析的基本思想及分類
4.2 聚類分析的兩個基本概念
4.3 系統(tǒng)聚類
4.4 快速聚類(K-均值法)
4.5 兩步聚類法
4.6 聚類分析方法在指標(biāo)評價體系的應(yīng)用
4.7 聚類分析方法總結(jié)
第5章 判別分析
5.1 判別分析概念及方法原理
5.2 sPsS在判別分析方法應(yīng)用的菜單說明
5.3 距離判別
5.4 費(fèi)歇判別
5.5 貝葉斯判別法
5.6 逐步判別法
5.7 應(yīng)用判別分析需注意的幾個問題
第6章 主成分分析
6.1 主成分分析的基本思想及方法
6.2 主成分分析應(yīng)用案例
6.3 主成分回歸
6.4 主成分分析中應(yīng)注意的問題
第7章 因子分析
7.1 因子分析的基本思想及模型
7.2 因子分析的步驟
7.3 因子分析應(yīng)用案例
7.4 主成分分析與因子分析的區(qū)別
第8章 相關(guān)分析
8.1 相關(guān)分析相關(guān)基礎(chǔ)知識
8.2 連續(xù)變量的相關(guān)分析
8.3 等級變量相關(guān)分析
8.4 偏相關(guān)分析
8.5 對應(yīng)分析
8.6 典型相關(guān)分析
第9章 方差分析
9.1 方差分析概念及相關(guān)術(shù)語
9.2 方差分析的基本思想和原理
9.3 單因素方差分析
9.4 雙因素方差分析
9.5 方差分析應(yīng)用案例
0章 定性因變量回歸分析
10.1 二值Logistic回歸模型
10.2 多值Logistic回歸模型
10.3 尺度回歸模型
1章 R語言介紹及數(shù)據(jù)可視化應(yīng)用基礎(chǔ)
11.1 R語言軟件的下載與安裝
11.2 R語言軟件數(shù)據(jù)的基本類型和保存形式
11.3 R語言軟件數(shù)據(jù)的創(chuàng)建
11.4 數(shù)據(jù)可視化應(yīng)用基礎(chǔ)
2章 時間序列模型
12.1 時間序列概述
12.2 時間序列的平穩(wěn)性檢驗(yàn)
12.3 協(xié)整
12.4 誤差修正模型
12.5 格蘭杰因果關(guān)系檢驗(yàn)
12.6 向量自回歸模型
12.7 向量誤差修正模型
3章 面板數(shù)據(jù)模型
13.1 面板數(shù)據(jù)Pool對象的建立
13.2 面板數(shù)據(jù)模型的估計(jì)
13.3 面板數(shù)據(jù)的單位根檢驗(yàn)與協(xié)整檢驗(yàn)
13.4 時期面板數(shù)據(jù)模型的估計(jì)
參考文獻(xiàn)