第一部分  回归分析
  第一章  回归分析
    1.1  什么是回归分析
    1.2  回归分析的主要内容
    1.3  回归分析在数据分析中的地位和作用
    习题一
  第二章  线性回归分析
    2.1  一元线性回归分析
      2.1.1  一元线性回归模型的基本形式
      2.1.2  最小二乘估计
      2.1.3  最大似然估计
      2.1.4  显著性检验
      2.1.5  预测
    2.2  多元线性回归分析
      2.2.1  多元线性回归模型的基本形式
      2.2.2  最小二乘估计
      2.2.3  最大似然估计
      2.2.4  估计量的性质
      2.2.5  显著性检验
    2.3  变量选择
      2.3.1  最优子集选择法
      2.3.2  自变量选择方法
    2.4  模型诊断方法
      2.4.1  异常点和强影响点的诊断
      2.4.2  异方差性诊断
      2.4.3  自相关性诊断
      2.4.4  多重共线性诊断
    习题二
  第三章  高维线性回归分析
    3.1  高维线性回归模型
    3.2  稀疏建模与参数估计
      3.2.1  岭回归
      3.2.2  LASSO回归
      3.2.3  弹性网络回归
      3.2.4  SCAD回归
      3.2.5  MCP回归
    3.3  特征筛选
      3.3.1  SIS特征筛选
      3.3.2  DC-SIS特征筛选
    习题三
  第四章  逻辑斯谛回归
    4.1  逻辑斯谛回归与分类
      4.1.1  分类与回归的关系
      4.1.2  逻辑斯谛回归
    4.2  逻辑斯谛回归的统计推断
      4.2.1  最大似然估计及其算法
      4.2.2  显著性检验
      4.2.3  拟合优度检验
      4.2.4  预测与应用
    4.3  多值响应分析方法
      4.3.1  无序多分类逻辑斯谛回归
      4.3.2  有序多分类逻辑斯谛回归
    习题四
  参考文献
第二部分  多元统计分析
第三部分  非参数统计分析
第四部分  时间序列分析
第五部分  因果分析