决策分析 以Excel为分析工具PDF|Epub|txt|kindle电子书版本下载

决策分析 以Excel为分析工具PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 决策分析组件1

1.1 根据现有类别分类1

1.1.1 使用两个步骤的方法1

1.1.2 多重回归和决策分析2

1.1.3 获取参考样本3

1.1.4 多变量方差分析4

1.1.5 判别函数分析5

1.1.6 逻辑回归6

1.2 根据自然存在的群组分类7

1.2.1 主分量分析7

1.2.2 聚类分析8

1.3 一些术语学问题10

1.3.1 设计决定术语10

1.3.2 因果关系与预测的对比11

1.3.3 术语为什么重要12

第2章 逻辑回归13

2.1 逻辑回归原理14

2.1.1 比例问题15

2.1.2 关于基本假设17

2.1.3 均等分布17

2.1.4 对分法中的等方差19

2.1.5 均等分布和范围19

2.2 残差的分布21

2.2.1 残差的计算21

2.2.2 对分的残差21

2.3 使用逻辑回归22

2.3.1 使用可能性而非概率23

2.3.2 使用对数优势比24

2.3.3 使用最大似然方法代替最小二乘方法25

2.4 最大化对数似然率26

2.4.1 建立数据26

2.4.2 建立逻辑回归方程式27

2.4.3 求得优势比29

2.4.4 求得概率29

2.4.5 计算对数似然率30

2.4.6 寻找和安装规划求解加载项31

2.4.7 运行规划求解31

2.5 对数似然法原理33

2.5.1 正确分类的概率34

2.5.2 使用对数似然35

2.6 对数似然率的统计显著性37

2.6.1 建立精简模型38

2.6.2 建立完整模型40

第3章 单变量方差分析（ANOVA）42

3.1 ANOVA的逻辑43

3.1.1 使用方差43

3.1.2 方差分区44

3.1.3 方差预期值（组内）45

3.1.4 方差预期值（组间）46

3.1.5 F比率49

3.1.6 非中心F分布52

3.2 单因素ANOVA53

3.2.1 采用错误率54

3.2.2 计算统计数字55

3.2.3 得出均值的标准误差57

3.3 使用Excel的数据分析加载项59

3.3.1 安装数据分析加载项59

3.3.2 使用“方差分析：单因素方差分析”工具60

3.4 理解ANOVA输出62

3.4.1 使用描述统计62

3.4.2 使用推论统计62

3.5 回归方法65

3.5.1 使用影响编码66

3.5.2 LINEST（）公式68

3.5.3 LINEST（）结果68

3.5.4 LINEST（）推断统计70

第4章 多变量方差分析（MANOVA）72

4.1 MANOVA原理72

4.1.1 相关变量73

4.1.2 ANOVA中的相关变量73

4.2 理解多变量ANOVA74

4.2.1 单变量ANOVA结果75

4.2.2 多变量ANOVA结果76

4.2.3 均值和重心78

4.3 从ANOVA到MANOVA78

4.3.1 使用SSCP代替SS80

4.3.2 获得组间和组内SSCP矩阵83

4.3.3 平方和与SSCP矩阵85

4.4 求得多变量F比率86

4.5 Wilks’Lambda和F比率88

4.6 在Excel中运行MANOVA90

4.6.1 数据布局91

4.6.2 运行MANOVA代码91

4.6.3 描述统计92

4.6.4 离差矩阵的同一性93

4.6.5 单变量和多变量F检验95

4.7 多变量测试之后96

第5章 判别函数分析基础98

5.1 将类别当作数字处理99

5.2 判别分析原理100

5.2.1 多重回归和判别分析100

5.2.2 调整视角101

5.3 判别分析和多重回归103

5.3.1 回归、判别分析和典型相关103

5.3.2 编码和多重回归104

5.4 判别函数和回归方程式106

5.5 从判别权重到回归系数107

5.5.1 回归和判别分析中的特征结构110

5.5.2 结构系数可能引起误导112

5.6 小结113

第6章 判别函数分析：进一步的问题114

6.1 使用判别工作簿114

6.1.1 打开判别工作簿114

6.1.2 使用判别对话框116

6.2 为什么在鸢尾花上运行判别分析118

6.2.1 评估原始测度118

6.2.2 判别分析和投资119

6.3 用R进行基准测试121

6.3.1 下载R121

6.3.2 编排数据文件122

6.3.3 运行分析123

6.4 Discrim加载项的结果126

6.4.1 判别结果126

6.4.2 解读结构系数128

6.4.3 特征结构和系数129

6.4.4 系数的其他用途132

6.5 案例分类134

6.5.1 与重心的距离135

6.5.2 均值修正135

6.5.3 调整方差-协方差矩阵139

6.5.4 指定一个分类140

6.5.5 创建分类表格141

6.6 训练样本：提前知晓的分类142

第7章 主分量分析144

7.1 为主分量分析建立概念性框架145

7.1.1 主分量和测试145

7.1.2 PCA的基本原则146

7.1.3 相关与斜交因素旋转146

7.2 使用主分量加载项147

7.2.1 相关矩阵149

7.2.2 R矩阵的逆矩阵149

7.2.3 球形测试152

7.3 特征值和系数的计算以及公用因素方差的理解152

7.3.1 有几个分量153

7.3.2 因素得分系数155

7.3.3 公共因素方差155

7.4 单独结果之间的关系156

7.4.1 使用特征值和特征向量156

7.4.2 特征值、特征向量和负载157

7.4.3 特征值、特征向量和因素系数159

7.4.4 从因素得分直接获得特征值159

7.5 获得特征值和特征向量160

7.6 旋转因素以得到有意义的解决方案164

7.6.1 确定因素164

7.6.2 最大方差旋转167

7.7 分类示例169

7.7.1 州犯罪率169

7.7.2 蚜虫物理测量173

第8章 聚类分析：基础知识175

8.1 聚类分析、判别分析和逻辑回归175

8.2 欧几里得距离176

8.3 寻找群集：单连接方法180

8.4 聚类分析的自选择特性185

8.5 发现群集：全连接方法187

8.5.1 全连接：示例188

8.5.2 其他连接方法191

8.6 发现群集：K均值方法191

8.6.1 K均值分析特性191

8.6.2 K均值的一个例子192

8.7 用R对K均值方法进行基准测试196

第9章 聚类分析；更深入的问题198

9.1 使用K均值工作簿198

9.1.1 确定群集数量200

9.1.2 群集成员工作表201

9.1.3 群集重心工作表203

9.1.4 群集方差工作表204

9.1.5 F比率工作表206

9.1.6 报告过程统计208

9.2 使用主分量进行聚类分析209

9.2.1 主分量回顾210

9.2.2 葡萄酒的聚类分析213

9.2.3 结果的交叉验证216