SAS高級統計分析教程（第2版）

第1章 應確保數據是值得分析的
1.1 什麼是數據和/或統計資料
1.1.1 數據不等於統計資料
1.1.2 統計資料的要素
1.2 確保數據值得分析的第一道關—制訂科學完善的課題設計方案
1.2.1 什麼叫科學研究
1.2.2 科學研究與課題之間是什麼關系
1.2.3 做課題之前為什麼要制訂課題設計方案
1.2.4 課題設計方案有哪些種類
1.2.5 科學完善的科研設計方案的標志
1.3 確保數據值得分析的第二道關-實時進行嚴格的過程質量控制
1.3.1 必須嚴格控制課題實施過程中的質量
1.3.2 進行質量控制的必要性
1.3.3 進行質量控制的環節與措施
1.4 確保數據值得分析的第三道關-確保數據的原始性沒有被破壞
1.4.1 應有切實可行的措施確保收集的數據具有原始性
1.4.2 與常見試驗設計類型對應的規格化統計表
1.5 常見不值得分析的數據種類
1.5.1 人為編造的數據是不值得分析的
1.5.2 產生於質量控制不嚴的數據是不值得分析的
1.5.3 經過錯誤的方法加工整理后的數據是不值得分析的
1.5.4 不符合特定統計分析方法要求的數據是不值得分析的
1.5.5 盲目解釋基於誤用統計分析方法所得到的分析結果是不可取的
1.5.6 缺失值過多的數據是不值得分析的
1.6 本章小結

第2章 繪制統計圖
2.1 問題、 數據及統計描述方法的選擇
2.1.1 問題與數據
2.1.2 對數據結構的分析
2.1.3 分析目的與統計描述方法的選擇
2.1.4 統計圖概述
2.2 繪制單式條圖
2.2.1 程序及說明
2.2.2 輸出單式條圖
2.3 繪制復式條圖
2.3.1 程序及說明
2.3.2 輸出復式條圖
2.4 繪制百分條圖
2.4.1 程序及說明
2.4.2 輸出百分條圖
2.5 繪制圓圖
2.5.1 程序及說明
2.5.2 輸出圓圖
2.6 繪制箱式圖
2.6.1 程序及說明
2.6.2 輸出箱式圖
2.7 繪制直方圖
2.7.1 程序及說明
2.7.2 輸出直方圖
2.8 繪制散點圖
2.8.1 程序及說明
2.8.2 輸出散點圖
2.9 繪制普通線圖
2.9.1 程序及說明
2.9.2 輸出普通線圖
2.10 繪制半對數線圖
2.10.1 程序及說明
2.10.2 輸出半對數線圖
2.11 繪制P-P圖和Q-Q圖
2.11.1 程序及說明
2.11.2 輸出P-P圖
2.12 本章小結

第3章 統計分析方法的分類與合理選用的關鍵技術
3.1 統計分析方法的分類
3.1.1 概述
3.1.2 描述性統計分析
3.1.3 探索性統計分析
3.1.4 廣義差異性統計分析
3.1.5 相關與回歸分析
3.1.6 廣義綜合評價
3.2 合理選用統計分析方法的關鍵技術
3.2.1 合理選用統計分析方法的四要素
3.2.2 合理選用統計分析方法的實例演示
3.3 面對實際問題合理選用統計分析方法的要領
3.3.1 描述性統計分析
3.3.2 探索性統計分析
3.3.3 傳統差異性統計分析
3.3.4 相關分析
3.3.5 回歸分析
3.3.6 廣義綜合評價
3.4 本章小結

第4章 結合分析
4.1 問題與數據結構
4.1.1 實例
4.1.2 對數據結構的分析
4.1.3 統計分析目的與分析方法的選擇
4.2 結合分析內容簡介
4.2.1 基本概念
4.2.2 基本原理
4.3 結合分析的應用
4.3.1 用SAS分析問題4-1中的資料
4.3.2 用SAS分析問題4-2中的資料
4.4 本章小結

第5章 路徑分析
5.1.2 對數據結構的分析
5.1.3 分析目的與統計分析方法的選擇
5.2 路徑分析內容簡介
5.2.1 路徑分析概述
5.2.2 適合進行路徑分析的數據結構
5.2.3 路徑分析的基本概念
5.2.4 路徑分析的基本原理
5.2.5 路徑分析的步驟
5.3 路徑分析的應用
5.3.1 用REG過程實現路徑分析
5.3.2 用CALIS過程實現路徑分析
5.3.3 如何處理非同質資料的思考
5.4.3 用逐步多重線性回歸分析方法分析例5-2資料
5.4 本章小結

第6章 主成分分析
6.1 問題與數據結構
6.1.1 實例
6.1.2 對數據結構的分析
6.1.3 分析目的與統計分析方法的選擇
6.2 主成分分析內容簡介
6.2.1 主成分分析概述
6.2.2 主成分分析的基本原理
6.2.3 主成分的計算步驟及性質
6.2.4 與主成分分析有關的其他內容
6.2.5 PRINCOMP過程簡介
6.3 主成分分析的應用
6.3.1 SAS程序
6.3.2 主要分析結果及解釋
6.4 本章小結

第7章 變量聚類分析
7.1 問題與數據結構
7.1.1 實例
7.1.2 對數據結構的分析
7.1.3 分析目的與統計分析方法的選擇
7.2 變量聚類分析內容簡介
7.2.1 變量聚類分析的概念
7.2.2 變量聚類分析的聚類統計量
7.2.3 適合進行變量聚類分析的數據結構
7.2.4 VARCLUS過程簡介
7.3 變量聚類分析的應用
7.3.1 SAS程序
7.3.2 主要分析結果及解釋
7.4 本章小結

第8章 典型相關分析
8.1 問題與數據結構
8.1.1 實例
8.1.2 對數據結構的分析
8.1.3 分析目的與統計分析方法的選擇
8.2 典型相關分析內容簡介
8.2.1 典型相關分析概述
8.2.2 適合進行典型相關分析的數據結構
8.2.3 典型相關變量和典型相關系數的定義及解法
8.2.4 典型相關系數的假設檢驗
8.2.5 典型冗余分析
8.2.6 CANCORR過程簡介
8.3 典型相關分析的應用
8.3.1 SAS程序
8.3.2 主要分析結果及解釋
8.4 本章小結

第9章 多元多重線性回歸分析
9.1 問題與數據結構
9.1.1 實例
9.1.2 對數據結構的分析
9.1.3 統計分析目的與統計分分析方法的選擇
9.2 多元多重線性回歸分析內容簡介
9.2.1 基於普通最小二法篩選自變量的思路
9.2.2 何為偏最小二乘回歸分析
9.2.3 偏最小二乘回歸分析的基本原理與步驟
9.3 偏最小二乘回歸分析的應用
9.3.1 問題與數據結構
9.3.2 用兩種檢驗方法來決定抽取幾對主成分變量
9.3 如何獲得較多統計量的計算結果
9.4 本章小結

第10章 探索性因子分析
10.1 問題與數據結構
10.1.1 實例
10.1.2 對數據結構的分析
10.1.3 分析目的與統計分析方法的選擇
10.2 探索性因子分析內容簡介
10.2.1 概述
10.2.2 探索性因子分析的數學模型
10.2.3 探索性因子分析中載荷矩陣A的統計意義
10.2.4 因子載荷矩陣A的估計方法
10.2.5 公因子個數的確定方法
10.2.6 因子旋轉
10.2.7 因子得分
10.2.8 FACTOR過程簡介
10.3 探索性因子分析的應用
10.3.1 SAS程序
10.3.2 主要分析結果及解釋
10.4 本章小結

第11章 證實性因子分析
11.1 問題與數據結構
11.1.1 實例
11.1.2 對數據結構的分析
11.1.3 分析目的與統計分析方法的選擇
11.2 證實性因子分析簡介
11.2.1 概述
11.2.2 CALIS過程簡介
11.3 證實性因子分析的應用
11.3.1 SAS程序
11.3.2 主要分析結果及解釋
11.4 本章小結

第12章 結構方程模型分析
12.1 問題與數據結構
12.1.1 實例
12.1.2 對數據結構的分析
12.1.3 分析目的與統計分析方法的選擇
12.2 結構方程模型簡介
12.2.1 概述
12.2.2 基本原理
12.3 結構方程模型分析的應用
12.3.1 SAS程序
12.3.2 主要分析結果及解釋
12.4 本章小結

第13章 傳統綜合評價
13.1 問題與數據結構
13.1.1 實例
13.1.2 對數據結構的分析
13.1.3 分析目的與統計分析方法的選擇
13.2 傳統綜合評價方法內容介紹
13.2.1 綜合評分法
13.2.2 Topsis法
13.2.3 層次分析法
13.2.4 RSR綜合評價法
13.3 傳統綜合評價方法的應用
13.3.1 用綜合評分法對例13-1資料進行綜合評價
13.3.2 用Topsis法對例13-2數據進行綜合評價
13.3.3 用層次分析法對例13-3數據進行綜合評價
13.3.4 用RSR綜合評價法對例13-4數據進行綜合評價
13.4 本章小結

第14章 無序樣品聚類分析
14.1 問題與數據結構
14.1.1 實例
14.1.2 對數據結構的分析
14.1.3 分析目的與統計分析方法的選擇
14.2 無序樣品聚類分析簡介
14.2.1 概述
14.2.2 無序樣品聚類分析方法分類
14.2.3 類的特征與個數的確定
14.2.4 無序樣品聚類分析的計算原理
14.2.5 CLUSTER過程等簡介
14.3 無序樣品聚類分析的應用
14.3.1 SAS程序
14.3.2 主要分析結果及解釋
14.5 本章小結

第15章 有序樣品聚類分析
15.1 問題與數據結構
15.1.1 實例
15.1.2 對數據結構的