序第1章 概论第2章 最小二乘回归第1节 回归模型第2节 最小二乘估计第3节 回归系数的统计推论第4节 一般线性模型第3章 共线性第1节 共线性与方差膨胀第2节 对共线性的处理:没有速效方法第4章 奇异值与强影响数据第1节 测量影响力:预测值第2节 查找奇异值:学生残差第3节 测量影响程度:Cook距离与其他诊断方法第4节 诊断统计量中的数值截断
序第1章 概论第2章 最小二乘回归第1节 回归模型第2节 最小二乘估计第3节 回归系数的统计推论第4节 一般线性模型第3章 共线性第1节 共线性与方差膨胀第2节 对共线性的处理:没有速效方法第4章 奇异值与强影响数据第1节 测量影响力:预测值第2节 查找奇异值:学生残差第3节 测量影响程度:Cook距离与其他诊断方法第4节 诊断统计量中的数值截断点第5节 联合的强影响观测子集:偏回归图第6节 非同寻常的数据应该被抛弃吗?第5章 非正态分布误差第1节 残差的正态分位数比较散点图第2节 残差的直方图第3节 通过转换矫正不对称第6章 不一致的误差方差第1节 寻找不一致的误差方差第2节 矫正不一致的误差方差第7章 非线性第1节 残差与偏残差散点图第2节 进行线性转换第8章 离散数据第1节 检验非线性第2节 检验不一致误差方差第9章 最大似然法、计分检验和构造变量第1节 y的Box-Cox转换第2节 对x的Box-Tidwell转换第3节 对不一致误差方差的矫正第10章 建议第1节 计算诊断量第2节 延伸阅读附录参考文献译名对照表