基本信息
- 作者： 杜子芳
- 丛书名： 应用统计工程前沿丛书
- 出版社：清华大学出版社
- ISBN：9787302448921
- 上架时间：2016-11-8
- 出版日期：2016 年10月
- 开本：16开
- 页码：306
- 版次：1-1
- 所属分类：数学 > 统计 > 综合
教材 > 研究生/本科/专科教材 > 理学 > 数学
编辑推荐
本书注意将复杂方法溯源至常理、常识，对一个方法要解决的问题与解决问题的逻辑思路、前提条件，存在的障碍进行全面介绍，引导读者进入每种方法实际应用时的情景想定：比较重视教材方法的适用场景、变量类型和量纲、数据基础，后续动作；尤其重视不同方法间以及同一类方法内部的子方法间的逻辑联系，以及在介绍经典方法的同时，自然平滑地引入适合处理大数据分析的方法。
内容简介
书籍
数学书籍
本书内容广泛，通俗易懂，对数学和数理统计的要求很低，是一本极具特色的统计学教科书和工具书，既适合那些学习统计学课程的经济学、社会学、管理学和统计学专业的大学高年级本科生与研究生，也适合那些从事数据分析工作需正确理解各种多元统计方法的原理，掌握基本操作技巧的数据工程师，对于那些备考研究生的考生更不失为一本深入浅出、简明扼要的参考书。作者拥有多年授课经历和丰富的实际经验，力求说理透彻，应用地道，注意将复杂方法溯源至常理、常识，对一个方法要解决的问题与解决问题的逻辑思路、前提条件，存在的障碍进行全面介绍，引导读者进入每种方法实际应用时的情景设定: 比较重视交代方法的适用场合、变量类型和量纲、数据基础，后续动作；尤其重视不同方法间以及同一类方法内部的子方法间的逻辑联系，以及在介绍经典方法的同时，自然、平滑地引入适合处理大数据分析的方法。本书封面贴有清华大学出版社防伪标签，无标签者不得销售。
数学书籍
本书内容广泛，通俗易懂，对数学和数理统计的要求很低，是一本极具特色的统计学教科书和工具书，既适合那些学习统计学课程的经济学、社会学、管理学和统计学专业的大学高年级本科生与研究生，也适合那些从事数据分析工作需正确理解各种多元统计方法的原理，掌握基本操作技巧的数据工程师，对于那些备考研究生的考生更不失为一本深入浅出、简明扼要的参考书。作者拥有多年授课经历和丰富的实际经验，力求说理透彻，应用地道，注意将复杂方法溯源至常理、常识，对一个方法要解决的问题与解决问题的逻辑思路、前提条件，存在的障碍进行全面介绍，引导读者进入每种方法实际应用时的情景设定: 比较重视交代方法的适用场合、变量类型和量纲、数据基础，后续动作；尤其重视不同方法间以及同一类方法内部的子方法间的逻辑联系，以及在介绍经典方法的同时，自然、平滑地引入适合处理大数据分析的方法。本书封面贴有清华大学出版社防伪标签，无标签者不得销售。
作译者
杜子芳，1958年生于山东文登，1982年毕业于中国海洋大学海洋系，1988年毕业于中国人民大学统计学系，留校任教至今，长期从事统计学的教学与科研工作。现为中国人民大学统计学院教授，主要研究领域有应用统计研究、宏观经济统计和抽样调查设计，出版著作多本，发表论文30余篇，曾主持社科重大项目等国家和省部级项目多项，其他咨询类项目近百项，理论与实践兼长，在相关领域拥有一定影响，担任过国务院反垄断委员会、国家统计局、国家旅游局、国家质检总局等部门的专家顾问。
目录
第1章多元统计描述
1.1多元统计分析的内容
1.2数据及其来源
1.3统计学的若干基本概念
1.4变量与变量值
1.5随机变量与随机变量值
1.6随机变量的分布及其特征
1.7多元统计的分布图与散点图
1.7.1分布图系列
1.7.2散点图系列
1.7.3混合图系列
第2章多元统计推断
2.1统计推断概述
2.2简单随机抽样与简单估计理论
2.3多元的点估计及其优良性
2.3.1矩估计法
2.3.2极大似然估计法
2.3.3最小二乘估计
2.3.4估计量的优良性
2.4区间估计
1.1多元统计分析的内容
1.2数据及其来源
1.3统计学的若干基本概念
1.4变量与变量值
1.5随机变量与随机变量值
1.6随机变量的分布及其特征
1.7多元统计的分布图与散点图
1.7.1分布图系列
1.7.2散点图系列
1.7.3混合图系列
第2章多元统计推断
2.1统计推断概述
2.2简单随机抽样与简单估计理论
2.3多元的点估计及其优良性
2.3.1矩估计法
2.3.2极大似然估计法
2.3.3最小二乘估计
2.3.4估计量的优良性
2.4区间估计
书摘
插图：
探索性因子分析的前提是，与研究问题有关的显变量的数据经由调查已经得到，这些显变量彼此可能存在一定的相关性，因子分析通过对这些数据的特殊处理，探寻确定隐藏在这些显变量背后的彼此不相关的隐变量，并间接获得这些因子的数值。易见探索性因子分析的前提与主成分分析的几乎完全一致。
3.因子分析的例子
（1）验证性因子分析的例子
生理学证明，植物神经的交感神经与副交感神经支配着五个生理指标：收缩压、舒张压、心跳间隔、呼吸间隔和舌下温度，这五个生理指标都容易使用医学设备测量得到，而交感神经与副交感神经是不可测量的，现在欲知道这些生理指标是否就是受交感神经与副交感神经两个因子的影响，以及五个生理指标的一个特定生理指标多大程度上受交感神经影响，多大程度上叉受副交感神经的影响？也就是要验证，这五个生理指标确实只受两个因子的影响（而没有其他因子的影响），并最终通过五个生理指标的数值将交感神经与副交感神经两个因子间接测量出来。
（2）探索性因子分析的例子
林登（Linden）对“二战”后奥林匹克运动会的160个10项全能比赛成绩（分数）进行研究，这些比赛分数来白于139个运动员，由于这些运动员有的参加了不止一次比赛，为了消除同一个运动员几场比赛间的相互关系，所以采用简单随机抽样方式只选择一次比赛成绩作为代表，因此分析依据的最终数据阵是139×10的。
探索性因子分析的前提是，与研究问题有关的显变量的数据经由调查已经得到，这些显变量彼此可能存在一定的相关性，因子分析通过对这些数据的特殊处理，探寻确定隐藏在这些显变量背后的彼此不相关的隐变量，并间接获得这些因子的数值。易见探索性因子分析的前提与主成分分析的几乎完全一致。
3.因子分析的例子
（1）验证性因子分析的例子
生理学证明，植物神经的交感神经与副交感神经支配着五个生理指标：收缩压、舒张压、心跳间隔、呼吸间隔和舌下温度，这五个生理指标都容易使用医学设备测量得到，而交感神经与副交感神经是不可测量的，现在欲知道这些生理指标是否就是受交感神经与副交感神经两个因子的影响，以及五个生理指标的一个特定生理指标多大程度上受交感神经影响，多大程度上叉受副交感神经的影响？也就是要验证，这五个生理指标确实只受两个因子的影响（而没有其他因子的影响），并最终通过五个生理指标的数值将交感神经与副交感神经两个因子间接测量出来。
（2）探索性因子分析的例子
林登（Linden）对“二战”后奥林匹克运动会的160个10项全能比赛成绩（分数）进行研究，这些比赛分数来白于139个运动员，由于这些运动员有的参加了不止一次比赛，为了消除同一个运动员几场比赛间的相互关系，所以采用简单随机抽样方式只选择一次比赛成绩作为代表，因此分析依据的最终数据阵是139×10的。
