導覽
近期變更
隨機頁面
新手上路
新頁面
優質條目評選
繁體
不转换
简体
繁體
3.144.243.80
登入
工具
閱讀
檢視原始碼
特殊頁面
頁面資訊
求真百科歡迎當事人提供第一手真實資料，洗刷冤屈，終結網路霸凌。
檢視 多元广义线性模型 的原始碼
←
多元广义线性模型
前往：
導覽
、
搜尋
由於下列原因，您沒有權限進行 編輯此頁面 的動作：
您請求的操作只有這個群組的使用者能使用：
用戶
您可以檢視並複製此頁面的原始碼。
{| class="wikitable" align="right" |- |<center><img src=https://www.kfzimg.com/G06/M00/9E/69/p4YBAFqegbCAOa-uAABmEd12_8o147_s.jpg width="230"></center> <small>[https://book.kongfz.com/472611/6213211976/ 来自 孔夫子网 的图片]</small> |} 《'''多元广义线性模型'''》，[美] 理查德·F.哈斯（Richard F. Haase） 著，臧晓露 译，王佳 校，出版社： 格致出版社。 [[书籍]]是全世界的营养品。生活里没有书籍，就好像没有阳光；智慧<ref>[http://www.rensheng5.com/yd/2013/071511060.html 关于智慧的名言]，人生屋，2013-07-15</ref>里没有书籍，就好像鸟儿没有[[翅膀]]。——莎士比亚<ref>[https://www.docin.com/p-2795247275.html 关于莎士比亚的名言名句(100句)]，豆丁网，2021-10-01</ref> ==内容简介== 《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，最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。 ==作者介绍== 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 证实最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^2 Wilks’ Λ 及其关联强度测度 Hotelling迹 Τ及其关联强度测度R_Τ^2 Roy最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最大特征根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_((2x2) )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 ==参考文献== [[Category:040 類書總論；百科全書總論]]
返回「
多元广义线性模型
」頁面