統計學進階教學：迴歸分析（原書第8版） A Second Course in Statistics : Regression Analysis

譯者序
前言
第1章基本概念回顧（選修）
1.1 統計與資料
1.2 總體、樣本與隨機抽樣
1.3 定性資料描述
1.4 定量資料的圖形化描述
1.5 定量資料的數值型描述
1.6 常態機率分佈
1.7 抽樣分佈與中心限定理
1.8 估計總體平均值
1.9 關於總體平均值的假設檢定
1.10 關於兩個總體平均值之差的推論
1.11 兩個總體變異數的比較
第2章迴歸分析導論
2.1 因變數建模
2.2 迴歸分析概述
2.3 迴歸應用
2.4 收集迴歸資料
第3章簡單線性迴歸
3.1 引言
3.2 線性機率模型
3.3 模型擬合：小二乘法
3.4 模型假設
3.5 σ2的估計量
3.6 評估模型的效用：推論斜率β
3.7 相關係數
3.8 判定係數
3.9 利用模型進行估計與預測
3.10 完整案例分析
3.11 經過原點的迴歸（選修）
案例研究1 律所廣告－值得嗎？
第4章多元迴歸模型
4.1 多元迴歸模型的一般形式
4.2 模型假設
4.3 具有量化預測因子的一模型
4.4 模型適配：小二乘法
4.5 ε的變異數σ2的估計
4.6 模型效用檢定：變異數分析F檢定
4.7 推論單一參數β
4.8 多重判定係數：R2和R2a
4.9 使用模型進行估計和預測
4.10 具有定量預測因子的交互模型
4.11 具有定量預測因子的二次（二）模型
4.12 更複雜的多元迴歸模型（選修）
4.13 用於比較嵌套模型的檢驗
4.14 完整案例分析
案例研究2 4個街區房地產銷售格的模型
第5章模型建構
5.1 引言：為什麼模型建構很重要？
5.2 兩類自變數：定量變數和定性變數
5.3 具有單一定量自變數的模型
5.4 具有兩個或兩個以上定量自變數的一模型
5.5 具有兩個或兩個以上定量自變數的二模型
5.6 編碼定量自變數（選修）
5.7 具有一個定性自變數的模型
5.8 具有兩個定性自變數的模型
5.9 具有三個或三個以上定性自變數的模型
5.10 既有定量自變數又有定性自變數的模型
5.11 外模型驗證（選修）
第6章變數篩選法
6.1 引言：為什麼要使用變數篩選法？
6.2 逐步迴歸分析
6.3 所有可能的迴歸選擇過程
6.4 注意事項
個案研究3 解除對州內卡車運輸業的管制
第7章一些迴歸陷阱
7.1 引言
7.2 觀測資料與實驗設計
7.3 參數估計與解釋
7.4 多重共線性
7.5外推法：在實驗區域之外進行預測
7.6 變數轉換
第8章殘差分析
8.1 引言
8.2 迴歸殘差
8.3 檢定擬合不當
8.4 檢定異方差
8.5 檢定常態性假設
8.6 偵測異常值並辨識有影響的觀測值
8.7 檢驗殘差自相關性：Durbin-Watson檢定
個案研究4 對加州降雨量的分析
個案研究5 對公開拍賣中公寓銷售格影響因素的研究
第9章迴歸中的殊主題（選修）
9.1引言
9.2 分段線性迴歸
9.3 反向預測
9.4 加權小二乘法
9.5 定性因變數建模
9.6 logistic迴歸
9.7 泊松迴歸
9.8 嶺迴歸與LASSO迴歸
9.9 穩健迴歸
9.10 非參數迴歸模型
第10章時間序列建模與預測導論
10.1 什麼是時間序列？
10.2 時間序列成分
10.3 使用平滑技術進行預測（選修）
10.4 預測：迴歸方法
10.5 自相關與自迴歸誤差模型
10.6 其他自相關誤差模型（選修）
10.7 建構時間序列模型
10.8 擬合具有自迴歸誤差的時間序列模型
10.9 時間序列自迴歸模型預測
10.10 季節性時間序列模型：範例
10.11 使用因變數的滯後值進行預測（選修）
案例研究6 建立每日用電需求高峰模型
第11章實驗設計原理
11.1 引言
11.2 實驗設計術語
11.3 控制實驗中的資訊
11.4 降噪設計
11.5 容量增加設計
11.6 樣本量的確定
11.7 隨機化的重要性
第12章設計實驗的變異數分析
12.1 引言
12.2 變異數分析的理論邏輯
12.3 單因子完全隨機設計
12.4 隨機區組設計
12.5 雙因子因子實驗
12.6 更複雜的因素設計（選修）
12.7後續分析：Tukey法的多重平均數比較
12.8 其他多重比較方法（選修）
12.9 檢定變異數分析假設
個案研究7 聲音辨識與面辨識－是否有先後之分？
附錄A 簡單線性迴歸中β0與β1的小二乘估計推導
附錄B 多元迴歸分析的原理
附錄C 矩陣求逆的過程
附錄D 常用的統計表
附錄E 個案研究資料集檔案摘要
附錄F 分練答案