海外优秀数学类教材系列丛书·应用多元统计分析方法

《海外优秀数学类教材系列丛书·应用多元统计分来自析方法》是2005年6月1日高等教育出版社出版的图书，作者是(美国)约翰逊。

• 书名 海外优秀数学类教材系列丛书·应用多元统计分析方法
• 作者 (美国)约翰逊
• 出版社 高等教育出版社
• 出版时间 2005年6月1日
• 页数 567 页

内容简介

　　《应用多元统计分析方法-影印版》设有大量的例题与练习题，实用面丰富，统计思维清晰。《应用多元统计分析方法-影印版》适用于高等院校统计学专业和理工科各专业本科生和研究生作为双语教材使用。应用多元回归分析方法，样本相关，多元数据点图，特征值和特征向量，复合分析原理，因子分析，判别分析，逻辑斯谛回归方法，聚类分析，均值向量和方差-协方差矩阵，方差多元分析，预测模型和多元回归。《应用多元统计分析方法-影印版》统计内容覆盖面广于国内的概率统计教材，内容安排颇有新意，例如，在处理回归分析时，强调了从建模的观点与需要来考虑。

目录

　　1.APPLIED MULTIVARIATE METHODS

　　1.1 An Overview of Multivariate Methods 1

　　Variable-and Individual-Directed Techniques 2

　　Creating New Variables 2

　　Principal Com衡胞ponents Analysis 3

　　Factor Analysis 3

　　Discriminant An酸紧怕市官味随层动践氧alysis 4

　　Canonical Discriminant Ana进菜齐房克甲耐控路装帝lysis 5

　　Logistic Regression 5

　　Cluster Analysis 5

　　Multivariate Analysis of Variance 6

　　Canonical Variates Analysis 7

　　Canonical Correlation Analysis 7

　　Where to Fin来自d the Preceding Topics 7

　　1.2 Two Examples 8

　　Independe360百科nce of Experimental Units 11

　　1.3 Types of Var门行顶破移对测胜iables U

　　1.4 Data Matric卫也次养围家河es and Vectors 12

　　Variable No析月担伤安丰她元tation 13

　　Data Matrix 13

　　Data Vectors 13

　　Data Subscripts 14

　　1.5 层尔活础急普乡The Multivariate Normal Distribution 15

　　S赶缩担然很甚放少波读乱ome Definitions 15

　　Summarizing Multivariate Distributions 16

　　Mean Ve读继每北金何许乐游ctors and Variance-Covariance Matrices 16

　　Correlations 督永and Correlation Matrices 17

　　The Multivariate Normal Probability Density Function 19

　　Bivariate Normal 八求酒究久Distributions 19

　　1.6 Statistical Computing 22

　　Cautions About Computer 服际长Usage 22

　　M有族issing Values 22

　　Repl穿效动批布acing Missing Values by Ze医引温ros 23

　　R几企绝宣脚化eplacing Missing Values by Averages 23

　　Removing 物球何冷引往法结张Rows of the Data Matrix 2县导翻宣微液得3

　　Sampling Strategies 24

　　Data Entry Errors and Data Verification 24

　　1.7 Multivariate Outliers 25

　　Locating Outliers 25

　　Dealing with Outliers 25

　　Outliers May Be Influential 26

　　1.8 Multivariate Summary Statistics 26

　　1.9 Standardized Data and/or Z Scores 27

　　Exercises 28

　　2.SAMPLE CORRELATIONS

　　2.1 Statistical Tests and Confidence Intervals 35

　　Are the Correlations Large Enough to Be Useful? 36

　　Confidence Intervals by the Chart Method 36

　　Confidence Intervals by Fisher's Approximation 38

　　Confidence Intervals by Ruben's Approximation 39

　　Variable Groupings Based on Correlations 40

　　Relationship to Factor Analysis 46

　　2.2 Summary 46

　　Exercises 47

　　3.MULTIVARIATE DATA PLOTS

　　3.1 Three-Dimensional Data Plots 55

　　3.2 Plots of Higher Dimensional Data 59

　　Chernoff Faces 61

　　Star Plots and Sun-Ray Plots 63

　　Andrews' Plots 65

　　Side-by-Side Scatter Plots 66

　　3.3 Plotting to Check for Multivariate Normality 67

　　Summary 73

　　Exercises 73

　　4.EIGENVALUES AND EIGENVECTORS

　　4.1 Trace and Determinant 77

　　Examples 78

　　4.2 Eigenvalues 78

　　4.3 Eigenvectors 79

　　Positive Definite and Positive Semidefinite Matrices 80

　　4.4 Geometric Descriptions (p = 2) 82

　　Vectors 82

　　Bivariate Normal Distributions 83

　　4.5 Geometric Descriptions (p = 3) 87

　　Vectors 87

　　Trivariate Normal Distributions 87

　　4.6 Geometric Descriptions (p > 3) 90

　　Summary 91

　　Exercises 91

　　5.PRINCIPAL COMPONENTS ANALYSIS

　　5.1 Reasons for Using Principal Components Analysis 93

　　Data Screening 93

　　Clustering 95

　　Discriminant Analysis 95

　　Regression 95

　　5.2 Objectives of Principal Components Analysis 96

　　5.3 Principal Components Analysis on the Variance-Covariance

　　Matrix 96

　　Principal Component Scores 98

　　Component Loading Vectors 98

　　5.4 Estimation of Principal Components 99

　　Estimation of Principal Component Scores 99

　　5.5 Determining the Number of Principal Components 99

　　Method 1 100

　　Method 2 100

　　5.6 Caveats 107

　　5.7 PCA on the Correlation Matrix P 109

　　Principal Component Scores 110

　　Component Correlation Vectors 110

　　Sample Correlation Matrix 110

　　Determining the Number of Principal Components 110

　　5.8 Testing for Independence of the Original Variables 111

　　5.9 Structural Relationships 111

　　5.10 Statistical Computing Packages 112

　　SASR PRINCOMP Procedure 112

　　Principal Components Analysis Using Factor Analysis

　　Programs 118

　　PCA with SPSS's FACTOR Procedure 124

　　Summary 142

　　Exercises 142

　　6. FACTOR ANALYSIS

　　6.1 Objectives of Factor Analysis 147

　　6.2 Caveats 148

　　6.3 Some History of Factor Analysis 148

　　6.4 The Factor Analysis Model 150

　　Assumptions 150

　　Matrix Form of the Factor Analysis Model 151

　　Definitions of Factor Analysis Terminology 151

　　6.5 Factor Analysis Equations 151

　　Nonuniqueness of the Factors 152

　　6.6 Solving the Factor Analysis Equations 153

　　……

　　7.DISCRIMINANT ANALYSIS

　　8.LOGISTIC REGRESSION METHODS

　　9.CLUSTER ANALYSIS

　　10.MEAN VECTORS AND VARIANCE-COVARIANCE MATRICES

　　11.MULTIVARIATE ANALYSIS OF VARIANCE

　　12.PREDICTION MODELS AND MULTIVARIATE REGRESSION

　　APPENDIX A:MATRIX RESULTS

　　APPENDIX B:WORK ATTITUDES SURVEY

　　APPENDIX C:FAMILY CONTROL STUDY

　　REFERENCES

　　INDEX