SAS統(tǒng)計(jì)分析從入門到精通

第1章 數(shù)據(jù)預(yù)處理
　1.1 SAS環(huán)境與操作界面
　1.2 SAS編程基礎(chǔ)
　　1.2.1 SAS編程語言的基本結(jié)構(gòu)
　　1.2.2 SAS結(jié)構(gòu)化編程語句
　1.3 SAS的數(shù)據(jù)處理對(duì)象
　　1.3.1 SAS數(shù)據(jù)庫和SAS數(shù)據(jù)集
　　1.3.2 SAS系統(tǒng)的外部數(shù)據(jù)文件
　1.4 數(shù)據(jù)預(yù)處理原理和基本方法
　　1.4.1 數(shù)據(jù)整理
　　1.4.2 數(shù)據(jù)分拆與合并
　　1.4.3 數(shù)據(jù)清洗
　　1.4.4 數(shù)據(jù)變換
　1.5 本章小結(jié)
第2章 數(shù)據(jù)的描述
　2.1 統(tǒng)計(jì)圖
　　2.1.1 直方圖
　　2.1.2 條形圖
　　2.1.3 線圖
　　2.1.4 散點(diǎn)圖
　　2.1.5 餅圖
　　2.1.6 盒式圖
　　2.1.7 莖葉圖
　2.2 統(tǒng)計(jì)量
　　2.2.1 集中趨勢(shì)
　　2.2.2 離散程度
　　2.2.3 分布形狀
　　2.2.4 利用菜單和程序進(jìn)行詳細(xì)的描述統(tǒng)計(jì)分析
　2.3 統(tǒng)計(jì)表
　　2.3.1 統(tǒng)計(jì)表的基本要素
　　2.3.2 用TABULATE過程繪制統(tǒng)計(jì)表
　2.4 數(shù)據(jù)分布
　　2.4.1 總體分布
　　2.4.2 樣本分布
　　2.4.3 抽樣分布
　2.5 本章小結(jié)
第3章 簡單統(tǒng)計(jì)推斷
　3.1 簡單統(tǒng)計(jì)推斷的基本原理
　　3.1.1 參數(shù)估計(jì)
　　3.1.2 假設(shè)檢驗(yàn)
　3.2 單總體參數(shù)的估計(jì)及假設(shè)檢驗(yàn)
　　3.2.1 單總體的參數(shù)估計(jì)
　　3.2.2 單總體參數(shù)的假設(shè)檢驗(yàn)
　3.3 兩總體參數(shù)的估計(jì)及假設(shè)檢驗(yàn)
　　3.3.1 獨(dú)立樣本的參數(shù)估計(jì)和檢驗(yàn)
　　3.3.2 成對(duì)樣本的參數(shù)估計(jì)和檢驗(yàn)
　3.4 本章小結(jié)
第4章 方差分析
　4.1 方差分析的基本原理
　4.2 單因素方差分析
　　4.2.1 單因素方差分析與方差同質(zhì)性檢驗(yàn)
　　4.2.2 方差分析的多重比較
　　4.2.3 方差分析模型的參數(shù)估計(jì)和預(yù)測(cè)
　4.3 多因素方差分析
　　4.3.1 只考慮主效應(yīng)的多因素方差分析
　　4.3.2 存在交互效應(yīng)的多因素方差分析
　4.4 協(xié)方差分析
　4.5 本章小結(jié)
第5章 非參數(shù)檢驗(yàn)
　5.1 非參數(shù)檢驗(yàn)的基本問題
　5.2 單樣本非參數(shù)檢驗(yàn)
　　5.2.1 單樣本均值的Wilcoxon符號(hào)秩檢驗(yàn)
　　5.2.2 單樣本的Kolmogorov-Smirnov檢驗(yàn)
　5.3 兩個(gè)樣本的非參數(shù)檢驗(yàn)
　　5.3.1 兩個(gè)獨(dú)立樣本中位數(shù)比較的Wilcoxon秩和檢驗(yàn)
　　5.3.2 兩個(gè)獨(dú)立樣本分布的Kolmogorov-Smirnov檢驗(yàn)
　　5.3.3 成對(duì)樣本中位數(shù)的Wilcoxon符號(hào)秩檢驗(yàn)
　5.4 多個(gè)樣本的非參數(shù)檢驗(yàn)
　　5.4.1 多個(gè)獨(dú)立樣本位置的Kruskal-Wallis檢驗(yàn)
　　5.4.2 多個(gè)獨(dú)立樣本位置的Jonckheere-Terpstra檢驗(yàn)
　　5.4.3 多個(gè)獨(dú)立樣本中位數(shù)的Brown-Mood檢驗(yàn)
　5.5 本章小結(jié)
第6章 相關(guān)與回歸分析
　6.1 相關(guān)分析
　　6.1.1 簡單相關(guān)分析
　　6.1.2 偏相關(guān)分析
　　6.1.3 等級(jí)相關(guān)分析
　6.2 典型相關(guān)分析
　　6.2.1 典型相關(guān)分析基本原理
　　6.2.2 典型相關(guān)系數(shù)的顯著性檢驗(yàn)
　　6.2.3 典型相關(guān)的冗余分析
　6.3 線性回歸分析
　　6.3.1 回歸分析的基本原理
　　6.3.2 一元線性回歸分析
　　6.3.3 多元線性回歸分析
　6.4 定性自變量回歸分析
　　6.4.1 虛擬變量的設(shè)定
　　6.4.2 含有虛擬變量的回歸分析
　6.5 本章小結(jié)
第7章 因子分析
　7.1 數(shù)據(jù)降維
　　7.1.1 數(shù)據(jù)降維的基本問題
　　7.1.2 數(shù)據(jù)降維的基本原理
7.2 主成分分析
　　7.2.1 主成分分析的基本概念與原理
　　7.2.2 主成分分析的基本步驟和過程
　7.3 因子分析
　　7.3.1 因子分析的基本原理
　　7.3.2 因子分析的基本步驟和過程
　7.4 本章小結(jié)
第8章 聚類分析與判別分析
　8.1 聚類分析的基本原理
　　8.1.1 分類的基本原則
　　8.1.2 單一指標(biāo)的系統(tǒng)聚類過程
　　8.1.3 多指標(biāo)的系統(tǒng)聚類過程
　8.2 聚類分析的步驟和過程
　　8.2.1 系統(tǒng)聚類
　　8.2.2 快速聚類
　　8.2.3 變量聚類
　8.3 判別分析的基本原理
　8.4 判別分析的步驟和過程
　　8.4.1 距離判別
　　8.4.2 Bayes判別
　　8.4.3 Fisher判別
　　8.4.4 逐步判別
　8.5 本章小結(jié)
第9章 列聯(lián)分析與對(duì)應(yīng)分析
　9.1 列聯(lián)分析
　　9.1.1 列聯(lián)表
　　9.1.2 列聯(lián)表的分布
　　9.1.3 χ2分布與χ2檢驗(yàn)
　　9.1.4 列聯(lián)表中的關(guān)聯(lián)度分析
　　9.1.5 χ2分布的期望值準(zhǔn)則
　9.2 對(duì)應(yīng)分析
　　9.2.1 對(duì)應(yīng)分析的基本思想
　　9.2.2 對(duì)應(yīng)分析的步驟和過程
　9.3 本章小結(jié)
第10章 離散因變量模型
　10.1 線性概率模型
　10.2 二元選擇模型
　　10.2.1 線性概率模型的缺陷與改進(jìn)
　　10.2.2 二元選擇模型的基本原理
　　10.2.3 BINARY PROBIT模型
　　10.2.4 BINARY LOGIT模型
　10.3 多重選擇模型
　　10.3.1 多重選擇模型的基本原理
　　10.3.2 ORDINAL PROBIT模型
　　10.3.3 ORDINAL LOGIT模型
　　10.3.4 MULTINOMIAL LOGIT模型
　10.4 計(jì)數(shù)模型
　　10.4.1 POISSON 回歸模型的基本原理
　　10.4.2 POISSON回歸模型的分析過程和步驟
　10.5 本章小結(jié)
第11章 時(shí)間序列分析
　11.1 時(shí)間序列的基本問題
　　11.1.1 時(shí)間序列的組成部分
　　11.1.2 時(shí)間序列的平穩(wěn)性
　11.2 ARIMA模型的分析過程
　　11.2.1 ARIMA模型
　　11.2.2 ARMA模型的識(shí)別、估計(jì)與預(yù)測(cè)
　　11.2.3 利用SAS時(shí)間序列預(yù)測(cè)系統(tǒng)進(jìn)行菜單操作
　11.3 本章小結(jié)