编辑推荐

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，已逐步成为经典。

由于篇幅较大，股起英文影印版分为上、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，因此作为教材时刻适当选取主要内容讲授，其余可作为学生自学使用。

内容简介

　　本书接续上册，分为三部分：第4部分单因子研究的分析和设计，内容涉及试验和观测研究的设计引入，单因子研究，因子水平平均数分析，ANOVA诊断和修正测度，；第5部分多因子研究，内容涉及具有相等样本量的双因子研究，双因子研究：次处理一个，随机完全区组设计，协方差分析，具有不相等样本量的双因子研究，多因子研究，随机和混合效应模型；第6部分专业化的设计，内容涉及嵌套设计、二次抽样和偏套设计，重复和相关设计，平衡不完全区组、拉丁方和相关设计，探索性试验：二阶析因设计和分式析因设计，响应面方法论。本书篇幅适中，例子涉及各个应用领域，在介绍统计思想方面比较突出，数据丰富。

本书适用于高等院校统计学专业和理工科各专业本科生和研究生作为教材使用。

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Ⅱ　685
16.4　ANOVA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
17.5　Tukey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
17.6　Scheffé多重比较方法　753
联合估计　753
联合检验　754
Tukey方法和Scheffé方法的比较　755
17.7　Bonferroni多重比较方法　756
联合估计　756
联合检验　756
Tukey方法、Scheffé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
19.2　ANOVA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
......

前言/序言

Linear regression models are widely used today in business administration, economics,engineering, and the social, health, and biological sciences. Successful applications ofthese models require a sound understanding of both the underlying theory and the practicalproblems that are encountered in using the models in reallife situations. While Applied

Linear Regression Models, Fourth Edition, is basically an applied book, it seeks to blendtheory and applications effectively, avoiding the extremes of presenting theory in isolationand of giving elements of applications without the needed understanding of the theoretical

foundations.

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，已逐步成为经典。

由于篇幅较大，股起英文影印版分为上、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，因此作为教材时刻适当选取主要内容讲授，其余可作为学生自学使用。