吳和成編著的《應用統計學》介紹經濟與管理學
科中常用的統計分析理論與方法。全書分七章。第1
章為統計推斷的基本內容，主要包括參數估計與檢驗
，方差分析；第2章較為繫統地介紹非參數統計檢驗
的基本方法和原理；第3章主要介紹線性回歸分析的
理論和方法；第4章簡要介紹非線性回歸分析的基本
原理和方法；第5章介紹主成分分析；第6章介紹因子
分析模型；第7章介紹馬爾可夫鏈的基本內容。
本書可作為經濟學和管理學研究生的應用統計學
教材，也可作為從事相關專業教學和研究的教師參考
用書。

前言
第1章 統計推斷
1.1 隨機變量及其分布
1.1.1 常用的隨機變量及其分布
1.1.2 隨機變量的矩
1.1.3 分位點
1.2 抽樣分布及其常用統計量的分布
1.2.1 簡單隨機樣本
1.2.2 抽樣分布
1.3 參數估計與假設檢驗
1.3.1 參數估計
1.3.2 參數假設檢驗
1.3.3 假設檢驗中的兩個問題
1.4 方差分析
1.4.1 單因素試驗的方差分析
1.4.2 雙因素試驗的方差分析
1.5 本章小結
問題與思考
第2章 非參數統計分析
2.1 符號檢驗
2.1.1 兩個總體分布是否相同的符號檢驗
2.1.2 總體中位數Me的檢驗
2.1.3 數據序列的趨勢存在性檢驗
2.1.4 威爾科克森符號秩和檢驗
2.2 秩和檢驗法
2.3 多個樣本的檢驗
2.3.1 克魯斯凱一沃利斯單向方差秩檢驗
2.3.2 費裡德曼雙向方差分析
2.4 秩相關分析
2.4.1 斯皮爾曼秩相關繫數
2.4.2 肯德爾-τ相關繫數
2.5 X2檢驗法
2.5.1 擬合優度檢驗
2.5.2 獨立性檢驗(列聯表分析)
2.6 正態性的檢驗法
2.7 本章小結
問題與思考
第3章 線性回歸分析
3.1 一元線性回歸分析
3.1.1 參數β0，β1的估計
3.1.2 誤差項ε的方差σ2的估計
3.1.3 擬合回歸線的性質
3.1.4 正態誤差回歸模型
3.1.5 線性回歸模型中自變量與因變量之間聯繫的描述測度
3.1.6 一元線性回歸建模流程
3.2 多元線性回歸模型
3.2.1 多元回歸模型
3.2.2 回歸繫數的涵義
3.2.3 回歸分析推斷
3.2.4 預測與控制
3.2.5 自變量與因變量線性相關程度的度量指標
3.2.6 多元線性回歸模型中自變量的選擇問題
3.3 回歸診斷
3.3.1 殘差及其性質
3.3.2 誤差項的異方差
3.3.3 誤差序列自相關性
3.3.4 自變量的多重共線性
3.3.5 異常點與強影響點
3.4 含定性自變量的回歸模型
3.4.1 僅含定性自變量的回歸模型
3.4.2 對一個定量自變量和一個二值定性自變量的回歸
3.4.3 對於一個定量自變量和一個多值定性自變量的回歸
3.4.4 對於一個定量自變量和兩個定性自變量的回歸
3.5 本章小結
問題與思考
第4章 非線性回歸分析
4.1 可線性化的非線性回歸模型
4.2 多項式模型
4.2.1 一元多項式模型
4.2.2 二元多項式模型
4.3 因變量為指示變量的回歸
4.3.1 回歸模型
4.3.2 關於誤差項問題
4.3.3 參數估計
4.4 邏輯斯蒂回歸模型
4.5 本章小結
問題與思考
第5章 主成分分析
5.1 隨機矩陣和隨機樣本
5.1.1 隨機矩陣
5.1.2 隨機樣本
5.2 總體主成分
5.2.1 一般形式
5.2.2 標準化變量的主成分
5.3 樣本主成分
5.4 舉例
問題與思考
第6章因子分析
6.1 正交因子模型
6.2 參數估計
6.2.1 主成分法
6.2.2 主因子法
6.2.3 極大似然估計法
6.3 因子旋轉
6.3.1 基本原理
6.3.2 計算過程
6.4 因子得分
6.4.1 加權*小二乘法
6.4.2 回歸分析法
6.5 應用舉例
問題與思考
第7章 馬爾可夫鏈
7.1 隨機過程的基本概念
7.1.1 隨機過程的定義
7.1.2 有限維分布族
7.1.3 獨立增量過程與平穩過程
7.2 泊松過程
7.2.1 計數過程
7.2.2 泊松過程的定義
7.3 馬爾可夫鏈
7.3.1 馬爾可夫性
7.3.2 馬爾可夫鏈的定義
7.3.3 C-K方程
7.3.4 遍歷性
問題與思考
參考文獻
附錄