编辑推荐
《应用线性统计模型(下册)(英文影印版·原书第5版)》可作为高等院校统计学专业和理工科各专业本科生和研究生的教材使用。
作者简介
作者：（美国）迈克尔 H.库特纳（Michael H.Kutner） （美国）克里斯托弗 J.纳彻舍姆（Christopher J.Nachtsheim） （美国）约翰·内特（John Neter） （美国）威廉·李（William Li）
目录
英文影印版序
前言
第4部分单因子研究的分析和设计641
第15章试验和观测研究的设计引入642
15.1试验研究、观测研究和因果关系643
试验研究643
观测研究644
混合试验研究与观测研究646
15.2试验研究：基本概念647
因子647
交叉和嵌套因子648
处理649
处理的选择649
试验单元652
样本量和复制652
随机化653
约束随机化：区组化655
测量658
15.3标准试验设计概述658
完全随机设计659
析因试验660
随机全区组设计661
嵌套因子662
重复测度设计663
不完全区组设计664
二阶和分式析因实验665
响应面实验666
15.4观测研究设计666
截面研究666
前瞻性研究667
回顾性研究667
匹配668
15.5案例研究：逐对比较试验669
15.6结束语672
引用的参考文献672
问题672
练习题676
第16章单因子研究677
16.1单因子试验和观测研究677
16.2回归分析和方差分析的关系679
说明679
两类模型的选择680
16.3单因子ANOVA模型681
方格法模型681
模型的重要性质682
ANOVA模型是线性模型683
因子水平平均数的解释684
区分ANOVA模型I和模型Ⅱ685
16.4ANOVA模型的拟合685
符号686
最小二乘法和最大似然估计687
残差689
16.5方差分析690
SSTO的分块690
自由度的分解693
均方693
方差分析表694
期望均方694
16.6因子水平平均数相等性的F检验698
检验统计量698
F*的分布699
决策规则的构造699
16.7模型的交错公式701
因子效应模型701
μ的定义702
因子水平平均数相等性检验704
16.8方差单因子分析的回归法704
具有未加权平均数的因子效应模型705
具有加权平均数的因子效应模型709
方格法模型710
16.9随机化检验712
16.10功效方法的样本设计716
F检验的功效716
用表B.12进行单因子研究718
用表B.12进行进一步观测720
16.11寻找最佳处理的样本量设计721
引用的参考文献722
问题722
练习题730
课题730
实例研究732
第17章因子水平平均数分析733
17.1引言733
17.2估计因子水平平均数的作图735
线形图735
条形图和主效应图736
17.3因子水平平均数的估计和检验737
单因子水平平均数的推断737
双因子水平平均数的差分推断739
因子水平平均数的比较推断741
因子水平平均数的线性组合推断743
17.4联合推断过程的要求744
17.5Tukey多重比较方法746
学生化系列分布746
联合估计747
联合检验747
例1：相等样本量748
例2：不相等样本量750
17.6Scheffe多重比较方法753
联合估计753
联合检验754
Tukey方法和Scheffe方法的比较755
17.7Bonferroni多重比较方法756
联合估计756
联合检验756
Tukey方法、Scheffe方法和
Bonferroni方法的比较757
方法的分析758
17.8样本量估计方法设计759
例1：相等样本量759
例2：不相等样本量761
17.9因子定量时的因子效应分析762
引用的参考文献766
问题767
练习题773
课题774
实例研究774
第18章ANOVA诊断和修正测度775
18.1残差分析775
残差776
残差图776
ANOVA模型的偏差诊断778
18.2误差方差不变性的检验781
Hartley检验782
Brown—Forsythe检验784
18.3修正测度概述786
18.4加权最小二乘法786
18.5响应变量的变换789
找到变换的简单方法789
Box—Cox方法791
18.6模型偏差的效应793
非正态性793
不相等误差方差794
误差项的非独立性794
18.7非参数秩F检验795
检验方法795
多重逐对检验方法797
18.8案例：心脏移植798
引用的参考文献801
问题801
练习题807
课题807
实例研究809
第5部分多因子研究811
第19章具有相等样本量的双因子研究812
19.1双因子观测和实验研究812
双因子试验和观测研究的例子812
试验的OFAAT方法815
交叉多因子设计的优势816
19.2ANOVA模型元素的意义817
说明817
处理平均数817
因子水平平均数818
主效应818
可加因子效应819
交互因子效应822
重要和不重要的交互效应824
可变换和不可变换的交互效应826
交互作用的解释827
19.3双因子研究模型I（固定因子水平）829
方格法模型830
因子效应模型831
19.4方差分析833
说明833
记号834
ANOVA模型的拟合834
完全平方和的划分836
自由度的划分839
均方839
期望均方840
方差分析表840
19.5ANOVA模型的适当性评价842
19.6F检验843
交互效应的检验844
因子A主效应检验844
因子B主效应检验845
Kimball不相等性846
19.7分析策略847
19.8非交互因子效应分析848
因子水平平均数估计848
因子水平平均数的对比估计849
因子水平平均数的线性组合估计850
因子水平平均数的多重按对比较850
因子水平平均数的多重对比852
基于处理平均数的估计853
例1：因子水平平均数的按对比较853
例2：处理平均数的估计855
19.9重要交互效应的因子效应分析856
处理平均数的多重按对比较856
处理平均数的多重对比857
例1：处理平均数的按对比较857
例2：处理平均数的对比860
19.10双因子方差分析中的平方和汇集861
19.11双因子研究的样本量设计862
功效法862
估计法863
寻找最佳处理864
问题864
练习题876
课题876
实例研究879
第20章双因子研究：次处理一个案例880
20.1非交互模型880
模型881
方差分析881
推断方法881
处理平均数的估计884
20.2可加性的Tukey检验886
检验统计量的发展886
交互效应存在的修正作用888
引用的参考文献889
问题889
练习题891
实例研究891
第21章随机完全区组设计892
21.1随机完全区组设计的基本内容892
设计描述892
区组化标准893
优点和缺点894
如何随机化895
说明895
21.2随机完全区组化设计模型897
21.3方差分析和检验898
随机完全区组化模型的拟合898
方差分析898
21.4随机完全区组化模型适当性评价901
诊断图901
可加性的Tukey检验903
21.5处理效应分析904
21.6多个区组变量的使用905
21.7每个区组中多个复制的使用906
21.8析因处理908
21.9设计随机完全区组化试验909
功效方法909
估计方法910
区组化变量的有效性911
问题912
练习题916
第22章协方差分析917
22.1基本思想917
协方差分析如何减少误差变异性917
相伴变量919
22.2单因子协方差模型920
符号921
协方差模型的发展921
协方差模型的特点922
协方差模型的推广923
协方差模型的回归公式924
协方差模型的适当性925
有趣的推断925
22.3单因子协方差分析的例子926
模型的发展926
处理效应的检验928
处理效应的估计930
平行斜度检验932
22.4双因子协方差分析933
双因子研究的协方差模型933
回归方法934
随机完全区组化设计的协方差分析937
22.5协方差分析应用的其他研究939
协方差分析代替区组化939
差分的应用939
偏倚的修正940
关注处理效应的性质940
问题941
练习题947
课题947
实例研究950
第23章具有不相等样本量的双因子研究951
23.1不相等的样本量951
符号952
23.2样本量不相等时回归方法
检验因子效应的应用953
双因子方差分析的回归方法953
23.3样本量不相等时因子效应推断959
例1：因子水平平均数的按对比较962
例2：单自由度检验964
23.4双因子研究中的空单元964
因子效应的偏分析965
无交互作用模型可能为空的分析966
随机完全区组化设计中缺失的观测值967
23.5重要性不同的处理平均数的ANOVA推断970
处理平均数的估计和因子效应971
交互效应的检验972
利用等价回归模型检验因子主效应972
利用矩阵表述检验因子主效应975
权值和样本量成比例时因子效应的检验977
23.6统计计算包980
问题981
练习题988
课题988
实例研究990
第24章
多因子研究992
24.1三因子研究的ANOVA模型992
符号992
说明993
主效应993
双因子交互效应995
三因子交互效应996
方格法模型996
因子效应模型997
24.2三因子交互效应的说明998
学习时间的例1：三因子交互效应的说明998
学习时间的例2：多重双因子交互效应的说明999
学习时间的例3：单个双因子交互效应的说明1000
24.3ANOVA模型的拟合1003
符号1003
ANOVA模型的拟合1003
ANOVA模型合适性的评价1005
24.4方差分析1008
完全平方和的分块1008
自由度和均方1009
因子效应的检验1009
24.5因子效应分析1013
分析策略1013
因子非交叉时因子效应分析1014
多重双因子交互效应和三因子交互效应的因子效应分析1016
具有单个双因子交互效应的因子效应分析1016
例：处理平均数的对比估计1018
24.6多因子研究中的不相等样本量1019
因子效应检验1019
因子水平平均数的对比推断1020
24.7样本量的设计1021
多因子研究F检验的功效1021
表B.12在多因子研究中的应用1021
引用的参考文献1022
问题1022
练习题1027
课题1027
实例研究1028
第25章
随机和混合效应模型1030
25.1单因子研究：ANOVA模型Ⅱ1031
随机方格法模型1031
感兴趣的问题1034
a2=0的检验1035
μ的估计1038
随机因子效应模型1047
25.2双因子研究：ANOVA模型Ⅱ和模型Ⅲ1047
ANOVA模型Ⅱ：随机因子效应1047
ANOVA模型Ⅲ：混合因子效应1049
25.3双因子研究：模型Ⅱ和模型Ⅲ的ANOVA检验1052
期望均方1052
检验统计量的构造1053
25.4双因子研究：模型Ⅱ和模型Ⅲ的因子效应估计1055
方差分量估计1055
混合模型中的固定效应估计1056
25.5随机完全区组设计：随机区组效应1060
可加模型1061
交互效应模型1064
25.6三因子研究：ANOVA模型Ⅱ和模型Ⅲ1066
ANOVA模型Ⅱ：随机因子效应1066
ANOVA模型Ⅲ：混合因子效应1066
适当的检验统计量1067
效应估计1069
25.7具有不等样本量的ANOVA模型Ⅱ和模型Ⅲ1070
极大似然方法1072
引用的参考文献1077
问题1077
练习题1085
课题1085
第6部分专业化的设计1087
附录A概率统计的一些基本结果1297
附录B表1315
附录C数据集1348
附录D完善ANOVA模型的法则和平衡设计表1358
附录E参考书目1374
索引1385
序言
英文影印版序本书是在美国大学中广泛使用的教材，已经再版至第5版，不仅深受广大师生的欢迎，而且有很大的影响，己逐步成为经典。由于篇幅较大，故其英文影印版分为上、下两册。本书深入地介绍了“应用线性统计模型”这门课程中几乎所有的关键知识，但是读起来并不艰深晦涩。书中用深入浅出的方式来讲解相关概念，同时配有大量的例题、习题以及实际案例帮助学生理解知识点。同时在帮助学生独立地解决实际问题方面，本书给人留下很深刻的印象。本书图文并茂，许多例子和习题都是经过精心挑选的，来源于生活和工程实践，丰富的数据也都取材于实际案例。因此，本书不仅适用于统计专业，也可作为商业、计量经济学等专业的参考书。本书叙述比较详尽，内容比国内教材丰富，篇幅较大，因此作为教材时可适当选取主要内容讲授，其余可作为学生自学使用。
文摘
版权页：
In the remainder of this chapter，we consider three remedial measures for two common de.partures from ANOVA model（16.2）—nonconstancy of the error variance and nonnormality of the distribution of the error terms.
1.If the error terms are normally distributed but the variance of the error terms is not constant，a standard remedial measure is to use weighted least squa.res.We have already considered weighted least squares for nonconstancy of the error variance in regression models.These weighted least squares procedures for regression carry_over directly to analysis of variance models.
2.Often，nonconstancy of the error variance is accompanied by nonnormality of the error term distribution.A standard remedial measure here is to transform the response variable Y.We shall present two approaches to finding an appropriate transformation to make the error distribution more nearly normal and to help stabilize the variance of the error termssome simple guides and the Box—Cox procedure.The latter was considered in Chapter 3 for regression models and is directly applicable to analysis of variance models.
3.When there are major departures from ANOVA model（16.2）and transformations are not successful in stabilizing the error variance and bringing the error distribution close to normal，a nonparametric test for the equality of the factor level means may be used instead of the standard F test.We shall consider a nonparametric test that is based on the ranks of the Y observations.
We begin our discussion of remedial measures with weighted least squares.
《应用线性统计模型(下册)(英文影印版·原书第5版)》可作为高等院校统计学专业和理工科各专业本科生和研究生的教材使用。
作者简介
作者：（美国）迈克尔 H.库特纳（Michael H.Kutner） （美国）克里斯托弗 J.纳彻舍姆（Christopher J.Nachtsheim） （美国）约翰·内特（John Neter） （美国）威廉·李（William Li）
目录
英文影印版序
前言
第4部分单因子研究的分析和设计641
第15章试验和观测研究的设计引入642
15.1试验研究、观测研究和因果关系643
试验研究643
观测研究644
混合试验研究与观测研究646
15.2试验研究：基本概念647
因子647
交叉和嵌套因子648
处理649
处理的选择649
试验单元652
样本量和复制652
随机化653
约束随机化：区组化655
测量658
15.3标准试验设计概述658
完全随机设计659
析因试验660
随机全区组设计661
嵌套因子662
重复测度设计663
不完全区组设计664
二阶和分式析因实验665
响应面实验666
15.4观测研究设计666
截面研究666
前瞻性研究667
回顾性研究667
匹配668
15.5案例研究：逐对比较试验669
15.6结束语672
引用的参考文献672
问题672
练习题676
第16章单因子研究677
16.1单因子试验和观测研究677
16.2回归分析和方差分析的关系679
说明679
两类模型的选择680
16.3单因子ANOVA模型681
方格法模型681
模型的重要性质682
ANOVA模型是线性模型683
因子水平平均数的解释684
区分ANOVA模型I和模型Ⅱ685
16.4ANOVA模型的拟合685
符号686
最小二乘法和最大似然估计687
残差689
16.5方差分析690
SSTO的分块690
自由度的分解693
均方693
方差分析表694
期望均方694
16.6因子水平平均数相等性的F检验698
检验统计量698
F*的分布699
决策规则的构造699
16.7模型的交错公式701
因子效应模型701
μ的定义702
因子水平平均数相等性检验704
16.8方差单因子分析的回归法704
具有未加权平均数的因子效应模型705
具有加权平均数的因子效应模型709
方格法模型710
16.9随机化检验712
16.10功效方法的样本设计716
F检验的功效716
用表B.12进行单因子研究718
用表B.12进行进一步观测720
16.11寻找最佳处理的样本量设计721
引用的参考文献722
问题722
练习题730
课题730
实例研究732
第17章因子水平平均数分析733
17.1引言733
17.2估计因子水平平均数的作图735
线形图735
条形图和主效应图736
17.3因子水平平均数的估计和检验737
单因子水平平均数的推断737
双因子水平平均数的差分推断739
因子水平平均数的比较推断741
因子水平平均数的线性组合推断743
17.4联合推断过程的要求744
17.5Tukey多重比较方法746
学生化系列分布746
联合估计747
联合检验747
例1：相等样本量748
例2：不相等样本量750
17.6Scheffe多重比较方法753
联合估计753
联合检验754
Tukey方法和Scheffe方法的比较755
17.7Bonferroni多重比较方法756
联合估计756
联合检验756
Tukey方法、Scheffe方法和
Bonferroni方法的比较757
方法的分析758
17.8样本量估计方法设计759
例1：相等样本量759
例2：不相等样本量761
17.9因子定量时的因子效应分析762
引用的参考文献766
问题767
练习题773
课题774
实例研究774
第18章ANOVA诊断和修正测度775
18.1残差分析775
残差776
残差图776
ANOVA模型的偏差诊断778
18.2误差方差不变性的检验781
Hartley检验782
Brown—Forsythe检验784
18.3修正测度概述786
18.4加权最小二乘法786
18.5响应变量的变换789
找到变换的简单方法789
Box—Cox方法791
18.6模型偏差的效应793
非正态性793
不相等误差方差794
误差项的非独立性794
18.7非参数秩F检验795
检验方法795
多重逐对检验方法797
18.8案例：心脏移植798
引用的参考文献801
问题801
练习题807
课题807
实例研究809
第5部分多因子研究811
第19章具有相等样本量的双因子研究812
19.1双因子观测和实验研究812
双因子试验和观测研究的例子812
试验的OFAAT方法815
交叉多因子设计的优势816
19.2ANOVA模型元素的意义817
说明817
处理平均数817
因子水平平均数818
主效应818
可加因子效应819
交互因子效应822
重要和不重要的交互效应824
可变换和不可变换的交互效应826
交互作用的解释827
19.3双因子研究模型I（固定因子水平）829
方格法模型830
因子效应模型831
19.4方差分析833
说明833
记号834
ANOVA模型的拟合834
完全平方和的划分836
自由度的划分839
均方839
期望均方840
方差分析表840
19.5ANOVA模型的适当性评价842
19.6F检验843
交互效应的检验844
因子A主效应检验844
因子B主效应检验845
Kimball不相等性846
19.7分析策略847
19.8非交互因子效应分析848
因子水平平均数估计848
因子水平平均数的对比估计849
因子水平平均数的线性组合估计850
因子水平平均数的多重按对比较850
因子水平平均数的多重对比852
基于处理平均数的估计853
例1：因子水平平均数的按对比较853
例2：处理平均数的估计855
19.9重要交互效应的因子效应分析856
处理平均数的多重按对比较856
处理平均数的多重对比857
例1：处理平均数的按对比较857
例2：处理平均数的对比860
19.10双因子方差分析中的平方和汇集861
19.11双因子研究的样本量设计862
功效法862
估计法863
寻找最佳处理864
问题864
练习题876
课题876
实例研究879
第20章双因子研究：次处理一个案例880
20.1非交互模型880
模型881
方差分析881
推断方法881
处理平均数的估计884
20.2可加性的Tukey检验886
检验统计量的发展886
交互效应存在的修正作用888
引用的参考文献889
问题889
练习题891
实例研究891
第21章随机完全区组设计892
21.1随机完全区组设计的基本内容892
设计描述892
区组化标准893
优点和缺点894
如何随机化895
说明895
21.2随机完全区组化设计模型897
21.3方差分析和检验898
随机完全区组化模型的拟合898
方差分析898
21.4随机完全区组化模型适当性评价901
诊断图901
可加性的Tukey检验903
21.5处理效应分析904
21.6多个区组变量的使用905
21.7每个区组中多个复制的使用906
21.8析因处理908
21.9设计随机完全区组化试验909
功效方法909
估计方法910
区组化变量的有效性911
问题912
练习题916
第22章协方差分析917
22.1基本思想917
协方差分析如何减少误差变异性917
相伴变量919
22.2单因子协方差模型920
符号921
协方差模型的发展921
协方差模型的特点922
协方差模型的推广923
协方差模型的回归公式924
协方差模型的适当性925
有趣的推断925
22.3单因子协方差分析的例子926
模型的发展926
处理效应的检验928
处理效应的估计930
平行斜度检验932
22.4双因子协方差分析933
双因子研究的协方差模型933
回归方法934
随机完全区组化设计的协方差分析937
22.5协方差分析应用的其他研究939
协方差分析代替区组化939
差分的应用939
偏倚的修正940
关注处理效应的性质940
问题941
练习题947
课题947
实例研究950
第23章具有不相等样本量的双因子研究951
23.1不相等的样本量951
符号952
23.2样本量不相等时回归方法
检验因子效应的应用953
双因子方差分析的回归方法953
23.3样本量不相等时因子效应推断959
例1：因子水平平均数的按对比较962
例2：单自由度检验964
23.4双因子研究中的空单元964
因子效应的偏分析965
无交互作用模型可能为空的分析966
随机完全区组化设计中缺失的观测值967
23.5重要性不同的处理平均数的ANOVA推断970
处理平均数的估计和因子效应971
交互效应的检验972
利用等价回归模型检验因子主效应972
利用矩阵表述检验因子主效应975
权值和样本量成比例时因子效应的检验977
23.6统计计算包980
问题981
练习题988
课题988
实例研究990
第24章
多因子研究992
24.1三因子研究的ANOVA模型992
符号992
说明993
主效应993
双因子交互效应995
三因子交互效应996
方格法模型996
因子效应模型997
24.2三因子交互效应的说明998
学习时间的例1：三因子交互效应的说明998
学习时间的例2：多重双因子交互效应的说明999
学习时间的例3：单个双因子交互效应的说明1000
24.3ANOVA模型的拟合1003
符号1003
ANOVA模型的拟合1003
ANOVA模型合适性的评价1005
24.4方差分析1008
完全平方和的分块1008
自由度和均方1009
因子效应的检验1009
24.5因子效应分析1013
分析策略1013
因子非交叉时因子效应分析1014
多重双因子交互效应和三因子交互效应的因子效应分析1016
具有单个双因子交互效应的因子效应分析1016
例：处理平均数的对比估计1018
24.6多因子研究中的不相等样本量1019
因子效应检验1019
因子水平平均数的对比推断1020
24.7样本量的设计1021
多因子研究F检验的功效1021
表B.12在多因子研究中的应用1021
引用的参考文献1022
问题1022
练习题1027
课题1027
实例研究1028
第25章
随机和混合效应模型1030
25.1单因子研究：ANOVA模型Ⅱ1031
随机方格法模型1031
感兴趣的问题1034
a2=0的检验1035
μ的估计1038
随机因子效应模型1047
25.2双因子研究：ANOVA模型Ⅱ和模型Ⅲ1047
ANOVA模型Ⅱ：随机因子效应1047
ANOVA模型Ⅲ：混合因子效应1049
25.3双因子研究：模型Ⅱ和模型Ⅲ的ANOVA检验1052
期望均方1052
检验统计量的构造1053
25.4双因子研究：模型Ⅱ和模型Ⅲ的因子效应估计1055
方差分量估计1055
混合模型中的固定效应估计1056
25.5随机完全区组设计：随机区组效应1060
可加模型1061
交互效应模型1064
25.6三因子研究：ANOVA模型Ⅱ和模型Ⅲ1066
ANOVA模型Ⅱ：随机因子效应1066
ANOVA模型Ⅲ：混合因子效应1066
适当的检验统计量1067
效应估计1069
25.7具有不等样本量的ANOVA模型Ⅱ和模型Ⅲ1070
极大似然方法1072
引用的参考文献1077
问题1077
练习题1085
课题1085
第6部分专业化的设计1087
附录A概率统计的一些基本结果1297
附录B表1315
附录C数据集1348
附录D完善ANOVA模型的法则和平衡设计表1358
附录E参考书目1374
索引1385
序言
英文影印版序本书是在美国大学中广泛使用的教材，已经再版至第5版，不仅深受广大师生的欢迎，而且有很大的影响，己逐步成为经典。由于篇幅较大，故其英文影印版分为上、下两册。本书深入地介绍了“应用线性统计模型”这门课程中几乎所有的关键知识，但是读起来并不艰深晦涩。书中用深入浅出的方式来讲解相关概念，同时配有大量的例题、习题以及实际案例帮助学生理解知识点。同时在帮助学生独立地解决实际问题方面，本书给人留下很深刻的印象。本书图文并茂，许多例子和习题都是经过精心挑选的，来源于生活和工程实践，丰富的数据也都取材于实际案例。因此，本书不仅适用于统计专业，也可作为商业、计量经济学等专业的参考书。本书叙述比较详尽，内容比国内教材丰富，篇幅较大，因此作为教材时可适当选取主要内容讲授，其余可作为学生自学使用。
文摘
版权页：
In the remainder of this chapter，we consider three remedial measures for two common de.partures from ANOVA model（16.2）—nonconstancy of the error variance and nonnormality of the distribution of the error terms.
1.If the error terms are normally distributed but the variance of the error terms is not constant，a standard remedial measure is to use weighted least squa.res.We have already considered weighted least squares for nonconstancy of the error variance in regression models.These weighted least squares procedures for regression carry_over directly to analysis of variance models.
2.Often，nonconstancy of the error variance is accompanied by nonnormality of the error term distribution.A standard remedial measure here is to transform the response variable Y.We shall present two approaches to finding an appropriate transformation to make the error distribution more nearly normal and to help stabilize the variance of the error termssome simple guides and the Box—Cox procedure.The latter was considered in Chapter 3 for regression models and is directly applicable to analysis of variance models.
3.When there are major departures from ANOVA model（16.2）and transformations are not successful in stabilizing the error variance and bringing the error distribution close to normal，a nonparametric test for the equality of the factor level means may be used instead of the standard F test.We shall consider a nonparametric test that is based on the ranks of the Y observations.
We begin our discussion of remedial measures with weighted least squares.
| ISBN | 9787111526049 |
|---|---|
| 出版社 | 机械工业出版社 |
| 作者 | Michael Kutner |
| 尺寸 | 16 |