多元广义线性模型

本书特色

[

《多元广义线性模型》介绍了广义线性模型的多元形式，并展示了多元广义线性模型的几种应用。首先，作者回顾了一元回归分析，然后介绍了一些示例样本数据，并对广义线性模型分析的模型识别进行了讨论，在此基础上，作者探讨了模型参数估计、模型拟合优度的评价及相应的多元检验统计量，以及对模型的假设检验，*后介绍了多元方法分析的线性模型解决方法和典型相关分析。

]

内容简介

[

人类学、社会学、经济学、政治学、心理学等学科常常需要用到多元回归分析，通过此方法来研究变量之间的关系。广义线性模型是回归模型的一个延伸，是处理定量赫尔定性的变量分析。多元回归分析涵盖了所有线性模型的数据分析系统，包括处理连续变量的分析模型、处理分类变量的模型以及同时处理前两者的模型。回归模型在处理不同类型的预测变量时非常灵活，因此多元广义线性模型在很多学科领域都得到了广泛的运用。

]

作者简介

[

理查德•F.哈斯（Richard F.
Haase），美国纽约州立大学奥尔巴尼分校教育学院心理咨询部荣誉教授、研究教授，以及公共卫生学院健康与环境研究所的研究员。先后在马萨诸塞大学阿默斯特分校、得州理工大学和纽约州立大学奥尔巴尼分校教授研究方法、统计学和数据分析。研究兴趣集中在研究方法、一元和多元统计学。

]

目录

一元广义线性模型的简介与回顾 一元线性模型分析回顾识别一元回归模型模型的参数估计证实*小二乘估计的有效性所需要的假设分解平方和以及定义拟合优度的测量全模型、限制模型以及半偏相关系数的平方回归系数和判定系数的假设检验广义线性假设检验模型整体假设 β_1= β_2= β_3=0 和 ρ_(Y•X_1 X_2 X_3)^2 的检验用广义线性检验方法评估X1, X2和 X3 的单独贡献用广义线性检验检验更为复杂的假设从一元到多元广义线性模型的一般化多元广义线性模型的结构识别模型的数学识别定义预测变量和标准变量的实质作用示例数据和模型识别广义多元线性模型的参数估计例1：性格特征与成功的工作申请用标准得分的形式估计多元线性模型中的参数例2：多氯联苯——心血管疾病的风险因素：认知功能数据对多元线性模型分析的电脑程序的一个说明本章小结与回顾多元SSCP分解、关联强度的测量和检验统计量在多元广义线性模型中SSCP的分解例1：性格与工作申请例2：PCB 数据SSCP 矩阵的进一步分解：全模型、限制模型以及定义Q_H一些关联强度的多元测度的概念定义一个不对称的R^2的多元测度——Hooper迹相关系数平方例子：性格数据和PCB数据中Hooper’s r ?^2一元和多元R^2之间的关系和它们的检验统计量Pillai迹 V和相应的关联强度测度R_V^2Wilks’ Λ 及其关联强度测度 Hotelling迹 Τ及其关联强度测度R_Τ^2Roy*大特征根及其关联强度度量r_(C_max)^2通过一元回归模型建立Pillai迹V和Wilks’Λ多元广义线性模型中的假设检验多元广义线性检验多元检验统计量及其近似F检验对Pillai迹V的近似F检验Wilks’Λ的近似F检验Hotelling迹Τ的近似F检验Roy*大特征根θ的近似F检验对一个或一组预测变量的广义线性检验对一个预测变量的多元假设检验：性格数据一个预测变量的多元假设检验：PCB数据一组预测变量的多元假设检验和其他复杂假设检验其他的复杂的多元假设适用于所有多元线性模型分析的假设编码设计矩阵和方差模型的多元分析变量和向量的差异用编码向量来表示一个分类变量通过广义线性检验来检验MANOVA 假设分解SSCP矩阵和MANOVA里的假设检验身材估计数据的单项MANOVA更高阶的MANOVA设计：对身材估计数据的一个2 x 3阶MANOVA关于MANOVA分析假设的备注多元线性模型的特征值求解：典型相关系数和多元检验统计量典型相关系数的概念定义2 x 2相关系数矩阵的特征值R_((2×2) )的特征向量R_YY^(-1) R_YX R_XX^(-1) R_XY的特征值特征值、典型相关系数的平方和四个多元检验统计量R_YY^(-1) R_YX R_XX^(-1) R_XY的典型相关系数的平方的特征向量检验典型相关系数和典型系数上的进一步假设注释参考文献译名对照表

封面

书名:多元广义线性模型

作者:理查德.F.哈斯

页数:276

定价:¥48.0

出版社:格致出版社

出版日期:2017-07-01

ISBN:9787543227569

PDF电子书大小:119MB 高清扫描完整版