✍ Scribed by Christian FG Schendera
No coin nor oath required. For personal study only.
回归分析在科学研究领域是最常用的统计方法。《SPSS回归分析》介绍了一些基本的统计方法，例如，相关、回归（线性、多重、非线性）、逻辑（二项、多项）、有序回归和生存分析（寿命表法、Kaplan-Meier法以及Cox回归）。后面的章节介绍了另外一些回归分析方法和模型，例如，个体生长曲线的建模、PLS 部分最小平方回归、岭回归、巢式病例对照研究。
《SPSS回归分析》对运用SPSS进行回归分析的介绍，目的是让读者对于这方面的基础知识有一个初步了解和掌握，有经验的读者藉此可在数据挖掘（例如，利用Clementine）领域独立地继续学习新知识。
扉页
版权页
前言
目录
第1章 相关
1.1 引言
1.2 第一个前提条件：尺度水平
1.3 其他前提条件：线性、同方差性和连续性
1.4 说明：对线性的图形检验
1.4.1 过程GRAPH，Scatterplot选项
1.4.2 SPSS过程命令 CURVEFIT
1.5 相关系数的统计和解释
1.5.1 相关系数的统计量
1.5.2 相关系数的解释
1.6 利用 SPSS 的计算（示例）
1.7 难点：线性、产生错觉相关和一型差误累积
1.7.1 产生错觉相关和偏相关
1.7.2 一型差误累积问题
1.8 特殊用途
1.8.1 相关系数的比较
1.8.2 比较相关的一致性
1.8.3 正准相关
1.9 计算皮尔逊相关系数的前提条件
第2章 线性回归和非线性回归
2.1 线性回归：有因果方向的关联
2.1.1 双变量线性回归：利用REGRESSION的回归分析概述
2.1.2 双变量线性回归的示例和语句——第一步：根据杠杆值和残差检验线性并识别离群值
2.1.3 输出结果和解释
2.1.4 过程2：删除离群值的效应——选出的输出结果
2.1.5 说明：绘制回归直线（IGRAPH）的图形
2.2 非线性简单回归
2.2.1 利用线性回归对线性函数进行分析
2.2.2 利用线性回归分析调查非线性函数
2.2.3 将非线性函数线性化，并利用线性回归进行调查
2.2.4 利用非线性回归分析非线性函数：非线性回归
2.2.5 更高的要求：带有两个预测变量的非线性回归
2.2.6 用于非线性回归的SPSS过程 NLR 和 CNLR
2.2.7 非线性回归的假设
2.2.8 总览表：非线性回归的模型
2.3 多元线性回归：多重共线性和其他难点
2.3.1 多元回归的特点
2.3.2 第一个例子：多元回归特殊统计的解释
2.3.3 第二个例子：多重共线性的识别和消除
2.4 计算线性回归的前提条件
第3章 逻辑回归和有序回归
3.1 引言：因变量的因果模型和测量水平
3.2 二元逻辑回归
3.2.1 逻辑回归方法和与其他方法的比较
3.2.2 示例界面和语法：逐步法（BSTEP）
3.2.3 输出结果和解释
3.2.4 示例和语法：直接法ENTER
3.2.5 输出结果和解释
3.2.6 补充说明逻辑回归的理论检验vs诊断：模型拟合优度vs预测效率
3.2.7 二元逻辑回归的前提条件
3.3 有序回归
3.3.1 有序回归方法和与其他方法的比较
3.3.2 例1 界面操作和语法：定距预测变量（WITH-选项）
3.3.3 输出结果和解释
3.3.4 例2和语法：分类预测变量（BY选项）
3.3.5 输出结果和解释
3.3.6 有序回归的前提条件
3.4 多项逻辑回归
3.4.1 例子、界面选择和语法：主效应模型（二元因变量）
3.4.2 输出结果和解释
3.4.3 补充说明：逐步计算带有一个二元因变量的模型：NOMREG REGRESSION
3.4.4 特殊情况：带有定量预测变量的巢式病例对照研究（1:1）——示例、语法、
3.4.5 补充说明：LOGISTIC REGRESSION 对比 NOMREG （区别）
3.4.6 多项逻辑回归的前提条件
3.5 本章所介绍的各种回归方法的比较
第4章 生存分析
4.1 生存分析概述
4.2 生存分析的基本原理
4.2.1 生存函数S(t)
4.2.2 确定生存函数S(t)
4.2.3 其他函数
4.3 截尾数据
4.3.1 非期望事件或者未发生目标事件
4.3.2 对截尾数据与非截尾数据做不同处理的三个理由
4.3.3 失效数据和截尾的处理（三种方法）
4.4 估计生存时间S(t)的方法
4.4.1 保险精算法和寿命表法
4.4.2 使用Kaplan-Meier法估计生存时间S(t)
4.4.3 无截尾和有截尾的示例（方法：Kaplan-Meier）
4.5 对多个组进行比较的检验
4.6 利用SPSS进行生存分析
4.6.1 示例：无因子Kaplan-Meier法
4.6.2 示例：采用因子的Kaplan-Meier法
4.6.3 利用因子变量与分层变量进行比较（Kaplan-Meier法）
4.6.4 Kaplan-Meier分析的置信区间
4.6.5 不带因子的寿命表计算法示例
4.6.6 带有因子的寿命表法计算示例
4.6.7 计算生存分析的首要条件
4.7 Cox回归
4.7.1 Cox模型简介和背景知识
4.7.2 带有定量协变量的Cox回归
4.7.3 带有二元协变量的Cox回归（k=2）
4.7.4 带有分类协变量的Cox回归（k >2）
4.7.5 针对交互作用的Cox回归
4.7.6 检验Cox回归的前提条件
4.7.7 带有时间相依的定量协变量的Cox回归
4.7.8 Cox回归的特定前提条件
4.7.9 附录：对比方法
第5章 回归分析的其他应用实例
5.1 偏回归
5.1.1 运用PLS过程（Python Extension）进行计算
5.1.2 运用SPSS过程REGRESSION进行计算
5.2 个体生长曲线
5.2.1 方法1：随机截距模型
5.2.2 方法2：随机斜率模型
5.2.3 方法3：随机截距和随机斜率模型
5.3 岭回归（SPSS宏）
5.3.1 利用岭迹实现多重共线性的可视化
5.3.2 岭回归的计算
5.3.3 SPSS宏“Ridge-Regression”
第6章 其他方法和模型（一览）
6.1 通过SPSS菜单调用其他回归方法
6.2 可用语句调用的其他回归形式
附录A 公式
参考文献
您对本书的建议和意见
作者简介
📜 SIMILAR VOLUMES
《回归分析》源于作者多年在密歇根大学教授回归分析的课程讲义，从基本的统计概念讲起，对线性回归分析的基本假定、回归中的统计推论和回归诊断做了详尽的介绍，同时还涵盖了很多在社会科学中对实际研究非常有用的内容，包括虚拟变量、交互作用、辅助回归、多项式回归、样条函数回归和阶跃函数回归等。此外，《回归分析》还涉及通径分析、纵贯数据模型、多层线性模型和Iogit模型等方面的内容。
<p>《高级回归分析》由5本讨论高级回归分析的小册子组成，分别是《固定效应回归模型》、《现代稳健回归方法》、《删截、选择性样本及截断数据回归模型》、《分位数回归模型》及《空间回归模型》。《固定效应回归模型》介绍了多种形式的固定效应回归模型，讨论了如何在固定效应模型及随机效应模型之间作出选择；《现代稳健回归方法》通过一套统一的符号系统，介绍了不同来源的多种稳健回归方法，以及它们彼此之间的联系；《删截、选择性样本及截断数据回归模型》是有关删截数据、选择性样本数据及截断数据的最新研究；《分位数回归模型》提出了分位数和分位数函数的概念，阐述了分位数回归模型，讨论了它们的估计和推断方法，并通过具体的例子
<p>《应用logistic回归分析(第2版)》介绍了线性回归模型是一个非常有效且重要的数据分析方法。《应用logistic回归分析(第2版)》全面解释了logistic回归模型的估计、解释和诊断结果，详细说明了多选项和不排序多分类因变量的问题，并更新了现今应用的计算机软件，深入评论了不同的拟合优度。作者还提出了令人信服的论据去说明R2L的优势，并增加了分组数据、预测效率和风险比等新内容。</p>
<p>例解回归分析，ISBN：9787503744280，作者：（美）Samprit Chatterjee等著；郑明等译</p>
<p>本书是世界公认的《回归分析》标准教材（aleadingtextbookonregression）。不仅从理论上介绍了当今统计学中用到的传统回归方法，还补充介绍了尖端科学研究中不太常见的回归方法。难能可贵的是，作者有丰富的教学经验和实际应用经验，使得本书理论和应用并重，还给出实际应用中应该注意的问题。新版除利用Minitab,SAS,S-PLUS软件外,还融入了*流行的JMP软件和R软件，来阐释相关技术方法。配套资源很丰富，数据、教学PPT等可免费下载</p>
<p>《线性回归分析基础》由四种讨论定量方法的小册子组成，分别是《理解回归假设》、《回归诊断简介》、《虚拟变量回归》以及《多元回归中的交互作用》。《线性回归分析基础》的主要内容如书名所示，是介绍社会学研究分析方法之一，即线性回归。线性回归分析是社会科学研究中最常见的分析方法，《线性回归分析基础》通过介绍回归分析的假设，进而提出新的变量分析方法，对回归分析中的各变量及其相互关系进行阐述，为读者提供了一套完整的线性回归分析的方法。</p>