前言
第1章引言1
11为什么选择多元统计1
111多元统计的域：自变量和因变量的个数1
112实验性和非实验性研究2
113计算机和多元统计3
114垃圾进，玫瑰出4
12一些有用的定义5
121连续、离散和二分数据5
122样本和总体6
123描述性和推断性统计7
124正交：标准和序贯分析7
13变量的线性组合9
14变量个数和性质9
15统计势10
16多元统计数据10
161数据阵11
162相关矩阵11
163方差协方差阵12
164平方和与叉积矩阵12
165残差14
17本书的结构安排14
第2章统计方法指南：使用本书15
21研究问题和相关方法15
211变量间的关系程度15
212群组差异的显著性17
213组成员的预测20
214结构22
215时序事件 22
22进一步比较23
23决策树24
24统计方法的章节27
25数据的初步检查27
第3章一元统计和二元统计回顾28
31假设检验28
311单样本z检验28
312势31
313模型拓展31
314显著性检验的争议31
32方差分析32
321单因素组间方差分析33
322多因素组间方差分析35
323组内方差分析36
324组间组内混合方差分析38
325设计复杂性39
326特定比较42
33参数估计45
34效应大小45
35二元统计：相关性和回归47
351相关性47
352回归48
36卡方分析49
第4章数据清洗50
41数据清洗的系列问题50
411数据准确性50
412真实相关性51
413缺失值52
414异常值60
415正态性、线性和同方差性65
416常用的数据转换71
417多重共线性和奇异性73
418数据筛选清单及可行的建议75
42数据筛选的完整案例76
421未分组数据的筛选76
422分组数据的筛选85
第5章多重回归94
51概述94
52几类研究问题95
521相关度96
522自变量的重要性96
523增加自变量96
524改变自变量96
525自变量的其他情况97
526自变量集的比较97
527对新样本中因变量的预测97
528参数估计97
53回归分析的局限性97
531理论问题98
532实际问题99
54多重回归的基本公式103
541一般线性方程104
542矩阵方程105
543小样本示例的计算机分析107
55多重回归的主要类型109
551标准多重回归109
552多重序贯回归110
553统计（逐步）回归111
554回归策略之间的选择115
56一些重要问题116
561自变量的重要性116
562统计推断118
563R2的调整123
564抑制变量123
565方差分析的回归方法124
566包含自变量的交互作用和幂时的中心化126
567因果关系的中介变量128
57回归分析的完整案例129
571假设的评估129
572标准多重回归134
573序贯回归 139
574多重估算缺失值的标准多重回归示例142
58程序的比较149
581SPSS软件包149
582SAS系统152
583SYSTAT 系统154
第6章协方差分析155
61概述155
62几类研究问题157
621自变量的主效应158
622自变量间的交互作用158
623具体对比和趋势分析158
624协变量效应158
625效应大小159
626参数估计159
63协方差分析的局限性159
631理论问题159
632实际问题160
64协方差分析的基本公式162
641平方和与叉积163
642显著性检验和效应大小165
643小样本示例的计算机分析166
65一些重要问题168
651协变量的选择168
652协变量的估计168
653回归齐性的检验169
654设计复杂性169
655协方差分析替代175
66协方差分析的完整案例177
661假设估计177
662协方差分析181
67程序的比较188
671SPSS软件包188
672SAS系统188
673SYSTAT系统188
第7章多元方差和协方差分析191
71概述191
72几类研究问题194
721自变量的主效应194
722自变量之间的交互作用195
723因变量的重要性195
724参数估计195
725具体比较和趋势分析195
726效应大小196
727协变量的效应196
728重复测量方差分析196
73多元方差和协方差分析的局限性196
731理论问题196
732实际问题197
74多元方差和协方差分析的基本公式200
741多元方差分析200
742小样本示例的计算机分析206
743多元协方差分析209
75一些重要问题211
751多元方差分析与方差分析211
752统计推断准则211
753评估因变量212
754具体比较和趋势分析216
755设计复杂性217
76多元方差和协方差分析的完整案例218
761假设评估219
762多元方差分析224
763多元协方差分析233
77程序的比较241
771SPSS软件包242
772SAS系统243
773SYSTAT系统243
第8章轮廓分析：重复测量的多元方法245
81概述245
82几类研究问题246

821轮廓的平行性246

822组间总体差异246

823轮廓的平坦性246

824轮廓分析后的对比247

825参数估计247

826效应大小247

83轮廓分析的局限性247

831理论问题247

832实际问题248

84轮廓分析的基本公式249

841水平差异249

842平行性251

843平坦性253

844小样本示例的计算机分析254

85一些重要问题258

851重复测量的一元与多元方法
对比258

852轮廓分析中的对比260

853双重多元设计266

854轮廓分类268

855缺失值的估算269

86轮廓分析的完整案例269

861WISC分量表的轮廓分析269

862反应时间的双重多元分析279

87程序的比较287

871SPSS 软件包288

872SAS系统288

873SYSTAT系统289
第9章判别分析290
91概述290

92几类研究问题292

921预测的意义292

922显著判别函数的数量293

923判别的维数293

924分类函数293

925分类的充分性293

926效应大小294

927预测变量的重要性294

928用协变量预测的显著性294

929组均值的估计294

93判别分析的局限性295

931理论问题295

932实际问题295

94判别分析的基本公式297

941判别函数的推导与检验298

942分类300

943小样本示例的计算机分析301

95判别分析的类型306

951直接判别分析306

952序贯判别分析306

953逐步判别分析307

96一些重要问题307

961统计推断307

962判别函数的数量308

963解释判别函数308

964评估预测变量310

965效应大小311


966设计复杂性：因子设计312

967分类过程的使用313

97判别分析的完整案例315

971假设的评估316

972直接判别分析319

98程序的比较331

981SPSS软件包331

982SAS系统332

983SYSTAT系统336
第10章logistic回归337
101概述337

102几类研究问题338

1021组成员或因变量的预测339

1022预测变量的重要性339

1023预测变量之间的交互作用339

1024参数估计339

1025分类339

1026具有协变量的预测的
显著性340

1027效应大小340

103logistic回归分析的局限性340

1031理论问题340

1032实际问题341

104logistic回归的基本公式343

1041检验和解释系数343

1042拟合优度344

1043模型比较346

1044残差的解释和分析346

1045小样本示例的计算机分析346

105logistic回归的类型350

1051直接logistic回归350

1052序贯logistic回归350

1053统计（逐步）logistic回归351

1054概率单位分析和其他分析352

106一些重要问题353

1061统计推断353

1062模型的效应大小355

1063优势系数解释356

1064编码结果和预测变量类别358

1065结果类别的数量和类型359

1066案例分类361

1067层次和非层次分析362

1068自变量的重要性362

1069匹配组的logistic回归363

107logistic回归的完整案例363

1071局限性的评估363

1072二分类结果和连续预测变量的直接logistic回归366

1073三类别结果的序贯logistic回归370

108程序的比较382

1081SPSS软件包382

1082SAS系统386

1083SYSTAT系统386
第11章生存分析387
111概述387

112几类研究问题388

1121不同时间段内的生存比例388

1122生存组差异388

1123含有协变量的生存时间388

113生存分析的局限性389

1131理论问题389

1132实际问题389

114生存分析的基本公式391

1141寿命表391

1142累积生存比例的标准
误差393

1143风险和密度函数393

1144寿命表的绘制394

1145组差异检验394

1146小样本示例的计算机分析395

115生存分析的类型400

1151精算和乘积极限寿命表及生存函数400

1152从协变量预测组生存时间402

116一些重要问题408

1161风险比例408

1162删失数据409

1163效应大小和势410

1164统计准则411

1165预测生存率412

117生存分析的完整案例413

1171假设的评估415

1172生存分析Cox回归421

118程序的比较425

1181SAS系统425

1182SPSS软件包426

1183SYSTAT系统430
第12章典型相关431
121概述431

122几类研究问题432

1221典型变量对的数量432

1222典型变量的解释432

1223典型变量的重要性432

1224典型变量得分433

123局限性433

1231理论问题433

1232实际问题434

124典型相关的基本公式435

1241特征值和特征向量436

1242矩阵方程437

1243提取的方差比例439

1244小样本示例的计算机
分析441

125一些重要问题445

1251典型变量的重要性445

1252典型变量的解释 446

126典型相关分析的完整案例446

1261假设的评估446

1262典型相关451

127程序的比较456

1271SAS系统457

1272SPSS软件包457

1273SYSTAT系统457
第13章主成分和因子分析459
131概述459

132几类研究问题462

1321因子个数462

1322因子性质462

1323因子和解的重要性462

1324因子分析中的检验理论462

1325估计因子得分462

133局限性462

1331理论问题462

1332实际问题463

134因子分析的基本公式466

1341因子提取467

1342正交旋转470

1343共同度、方差和协方差470

1344因子得分471

1345斜交旋转473

1346小样本示例的计算机分析475

135因子分析的主要类型479

1351因子提取方法479

1352因子旋转482

1353应用指南486

136一些重要问题486

1361变量共同度的估计487

1362提取的充分性与因子数量487

1363旋转充分性与结构简单性489

1364因子的重要性和内部一致性490

1365因子解释492

1366因子得分492

1367解和组间比较493

137因子分析的完整案例494

1371局限性的评估494

1372最大方差旋转的主因子提取法498

138程序的比较507

1381SPSS软件包509

1382SAS系统509

1383SYSTAT系统509
第14章结构方程模型511
141概述511

142几类研究问题514

1421模型的充分性514

1422检验理论514

1423因子所解释变量的方差514

1424指标的可靠性514

1425参数估计514

1426中间变量515

1427组间差异515

1428纵向差异515

1429多水平模型515

143结构方程模型的局限性515

1431理论问题515

1432实际问题516

144结构方程模型的基本公式517

1441协方差代数517

1442模型假设519

1443模型设定520

1444模型估计522

1445模型评估525

1446小样本示例的计算机
分析526

145一些重要问题537

1451模型识别537

1452估计方法540

1453评估模型的拟合度542

1454模型修正546

1455可靠性和方差比例552

1456离散和顺序数据552

1457多组模型554

1458结构方程模型的均值和协
方差555

146结构方程模型分析的完整
案例555

1461WISC的验证性因子
分析555

1462健康数据的结构方程
模型569

147程序的比较587

1471EQS591

1472LISREL592

1473AMOS592

1474SAS系统592
第15章多层线性模型593
151概述593

152几类研究问题596

1521均值的组间差异596

1522斜率的组间差异596

1523跨层次交互作用596

1524元分析596
1525不同层次预测变量的相对强度597

1526个体和群组的结构597

1527个体和组间层次的路径分析597

1528纵向数据的分析597

1529多层logistic回归分析597

15210多重响应分析598

153多层线性模型的局限性598

1531理论问题598

1532实际问题598

154基本公式600

1541截距模型603

1542第一层次预测变量模型607

1543第一层次预测变量和第二层次预测变量的模型613

155多层线性模型的类型618

1551重复测量618

1552高阶多层线性模型622

1553潜在变量622

1554非正态结果变量623

1555多重响应模型623

156一些重要问题624

1561组内相关关系624

1562居中预测变量及其解释的变化625

1563交互作用628

1564随机和固定的截距及斜率629

1565统计推断630

1566效应大小632

1567估计方法和收敛性问题633

1568探索性模型建立634

157多层线性模型的完整案例635

1571假设的评估636

1572多层模型641

158程序的比较647

1581SAS系统649

1582SPSS软件包650

1583HLM程序650

1584MLwiN程序650

1585SYSTAT系统651
第16章多重列联表分析652
161概述652

162几类研究问题653

1621变量的关联关系653

1622因变量的效应653

1623参数估计653

1624效应的重要性654

1625效应大小654

1626特定比较和趋势分析654

163多重列联表分析的局限性654

1631理论问题654

1632实际问题654

164多重列联表分析的基本公式656

1641效应筛选657

1642模型建立663

1643评估与解释665

1644小样本示例的计算机
分析669

165一些重要问题675

1651层次模型和非层次模型675

1652统计准则676

1653模型选择策略676

166多重列联表分析的完整
案例678

1661假设的评估：期望频率的
充分性678

1662层次对数线性分析680

167程序的比较691

1671SPSS软件包693

1672SAS系统 694

1673SYSTAT系统694
第17章一般线性模型概述695
171线性和一般线性模型695

172二元到多元统计的方法
概述695

1721二元形式695

1722简单多元形式696

1723完全多元形式698

173研究方法选择702
附录704
附录A代数矩阵概述704

附录B研究设计的完整案例712

附录C统计表718
参考文献729