前言 第1章 緒論 1.1 模型 1.1.1 線性回歸模型 1.1.2 聯合均值與方差模型 1.1.3 雙重廣義線性模型 1.1.4 聯合位置、尺度與偏度模型 1.2 變量選擇方法 1.2.1 子集選擇法 1.2.2 系數壓縮法 1.3 經驗似然推斷方法 1.4 統計診斷方法 1.5 缺失數據分析 1.5.1 缺失數據機制 1.5.2 缺失數據處理策略 第2章 正態數據下聯合均值與方差模型 2.1 變量選擇 2.1.1 引言 2.1.2 變量選擇過程 2.1.3 迭代計算 2.1.4 模擬研究 2.1.5 實例分析 2.1.6 小結 2.2 經驗似然推斷 2.2.1 一般聯合均值與方差模型 2.2.2 經驗似然推斷過程 2.2.3 模擬研究 2.2.4 實例分析 2.2.5 小結 2.3 缺失數據分析 2.3.1 引言 2.3.2 缺失數據的插補方法和參數估計 2.3.3 模擬研究 2.3.4 實例分析 2.3.5 小結 2.4 基于頻率下的統計診斷 2.4.1 引言 2.4.2 基于數據刪除模型的統計診斷 2.4.3 局部影響分析 2.4.4 模擬研究 2.4.5 實例分析 2.4.6 小結 2.5 基于Bayes下的統計診斷 2.5.1 引言 2.5.2 Bayes聯合模型 2.5.3 診斷統計量 2.5.4 模擬研究 2.5.5 實例分析 2.5.6 小結 第3章 偏態數據下聯合位置與尺度模型 3.1 偏正態數據下的變量選擇 3.1.1 引言 3.1.2 變量選擇過程 3.1.3 模擬研究 3.1.4 實例分析 3.1.5 定理的證明 3.1.6 小結 3.2 缺失數據分析 3.2.1 引言 3.2.2 缺失數據的插補方法和參數估計 3.2.3 模擬研究 3.2.4 實例分析 3.2.5 小結 3.3 統計診斷 3.3.1 引言 3.3.2 極大似然估計 3.3.3 基于數據刪除模型的統計診斷 3.3.4 局部影響分析 3.3.5 模擬研究 3.3.6 實例分析 3.3.7 小結 3.4 偏t正態數據下的變量選擇 3.4.1 引言 3.4.2 變量選擇過程 3.4.3 模擬研究 3.4.4 小結 第4章 Box-Cox變換下聯合均值與方差模型 4.1 引言 4.2 變量選擇過程 4.2.1 變換參數的極大似然估計 4.2.2 懲罰極大似然估計 4.2.3 漸近性質 4.2.4 迭代計算 4.3 模擬研究 4.3.1 變換參數的極大似然估計模擬結果 4.3.2 基于不同懲罰函數和不同樣本量的模擬比較 4.3.3 基于不同懲罰函數和不同變換參數的模擬比較 4.3.4 基于不同樣本量和不同變換參數的模擬比較 4.4 實例分析 4.5 小結 第5章 雙重廣義線性模型 5.1 雙重廣義線性模型的經驗似然推斷 5.1.1 引言 5.1.2 完全數據下的經驗似然推斷 5.1.3 缺失數據下的經驗似然推斷 5.1.4 模擬研究 5.1.5 實例分析 5.1.6 小結 5.2 缺失數據下雙重廣義線性模型的參數估計 5.2.1 引言 5.2.2 *大擴展擬似然估計與*大偽似然估計 5.2.3 缺失數據的*近距離插補和反距離加權插補 5.2.4 模擬研究 5.2.5 實例分析 5.2.6 小結 5.3 t型雙重廣義線性模型的變量選擇 5.3.1 引言 5.3.2 變量選擇過程 5.3.3 模擬研究 5.3.4 定理的證明 5.3.5 小結 第6章 偏態數據下聯合位置、尺度與偏度模型 6.1 偏正態數據下的變量選擇 6.1.1 引言 6.1.2 變量選擇過程 6.1.3 模擬研究 6.1.4 實例分析 6.1.5 小結 6.2 偏t正態數據下的變量選擇 6.2.1 引言 6.2.2 變量選擇過程 6.2.3 模擬研究 6.2.4 實例分析 6.2.5 小結 參考文獻 索引