本书是关于R语言的一本应用教材。由于主要针对本科生和研究生，本书将重点放在对R语言的工作原理的解释和模型建立上。R语言涉及广泛，因此对于学生来讲，了解和掌握一些基本概念及原理是很有必要的，关于R语言的基本统计分析请见作者编写的《R语言统计分析软件教程》(2007)。在打下扎实的基础后，进行更深入的学习将会变得轻松许多。本着深入浅出的宗旨，本书将配合大量图表等形式，尽可能使用通俗的语言，使读者容易理解而不失细节。
多元统计分析方法涉及较为复杂的数学理论，计算烦琐。大多数多元统计方法无法用手工计算，必须有计算机和统计软件的支持，因此在写作上也不可能将计算步骤逐步地写出来。作者认为，对于一般的科技工作者，重要的不在于理解多元统计方法的数学原理，也不完全需要掌握具体的计算步骤，而是要了解多元统计方法的分析目的、基本思想、分析逻辑、应用条件和结果解释。所以这部分读者可以忽略有关章节中数学理论和具体计算过程的介绍，着重阅读每种方法的应用条件、基本分析思想、实例的具体应用和结果解释。
总序
前言
1 多元统计分析概述
1.1 多元统计分析的历史
1.2 多元统计分析的用途
1.3 多元统计分析的内容
1.4 软件及其在统计分析中的应用
1.4.1 强大的统计分析软件
1.4.2 完整的数值计算软件
1.4.3 免费的数据分析软件
思考练习题
2 多元数据的数学表达及R使用
2.1 如何收集和整理多元分析资料
2.2 数据的数学表达
2.3 数据矩阵及R语言表示
2.4 数据的R语言表示——数据框
2.5 多元数据的R语言调用
2.6 多元数据的简单R语言分析
思考练习题
3 多元数据的直观表示及R使用
3.1 简述
3.2 均值条图及R使用
3.3 箱尾图及R使用
3.4 星相图及R使用
3.5 脸谱图及R使用
3.6 调和曲线图及R使用
3.7 其他多元分析图
思考练习题
4 多元相关与回归分析及R使用
4.1 变量间的关系分析
4.1.1 简单相关分析的R计算
4.1.2 一元线性回归分析的R计算
4.2 多元线性回归分析
4.2.1 多元线性回归模型的建立
4.2.2 多元线性回归模型的检验
4.3 多元线性相关分析
4.3.1 矩阵相关分析
4.3.2 复相关分析
4.4 回归变量的选择方法
4.4.1 变量选择准则
4.4.2 逐步回归分析
思考练习题
5 线性与非线性模型及R使用
5.1 数据的分类与模型选择
5.1.1 变量的取值类型
5.1.2 模型选择方式
5.2 广义线性模型
5.2.1 广义线性模型概述
5.2.2 Logistic模型
5.2.3 对数线性模型
5.3 非线性回归模型
5.3.1 一元非线性回归模型及其应用
5.3.2 多元非线性回归模型概述
5.3.3 多元非线性回归模型的计算
思考练习题
6 判别分析及R使用
6.1 判别分析的概念
6.2 线性判别分析
6.3 距离判别法
6.3.1 两总体距离判别
6.3.2 多总体距离判别
6.4 Bayes判别法
6.4.1 Bayes判别准则
6.4.2 正态总体的Bayes判别
思考练习题
7 聚类分析及R使用
7.1 聚类分析的概念和类型
……
8 主成分分析及R使用
9 因子分析及R使用
10 对应分析及R使用
12 多维标度法MDS及R使用
13 综合评价方法及R使用
14 统计分析软件Rstat使用简介
15 基于Rstat的多元案例分析
附录A R使用界面和命令
附录B R语言包及其函数
附录C 自编R语言包及函数
参考文献
书单推荐
