多元广义线性模型
 |
《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[1]里没有书籍，就好像鸟儿没有翅膀。——莎士比亚[2]
目录
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
- ↑ 关于智慧的名言，人生屋，2013-07-15
- ↑ 关于莎士比亚的名言名句(100句)，豆丁网，2021-10-01