序
第1章 概论
第2章 最小二乘回归
第1节 回归模型
第2节 最小二乘估计
第3节 回归系数的统计推论
第4节 一般线性模型
第3章 共线性
第1节 共线性与方差膨胀
第2节 对共线性的处理：没有速效方法
第4章 奇异值与强影响数据
第1节 测量影响力：预测值
第2节 查找奇异值：学生残差
第3节 测量影响程度：Cook距离与其他诊断方法
第4节 诊断统计量中的数值截断点
第5节 联合的强影响观测子集：偏回归图
第6节 非同寻常的数据应该被抛弃吗?
第5章 非正态分布误差
第1节 残差的正态分位数比较散点图
第2节 残差的直方图
第3节 通过转换矫正不对称
第6章 不一致的误差方差
第1节 寻找不一致的误差方差
第2节 矫正不一致的误差方差
第7章 非线性
第1节 残差与偏残差散点图
第2节 进行线性转换
第8章 离散数据
第1节 检验非线性
第2节 检验不一致误差方差
第9章 最大似然法、计分检验和构造变量
第1节 y的Box-Cox转换
第2节 对x的Box-Tidwell转换
第3节 对不一致误差方差的矫正
第10章 建议
第1节 计算诊断量
第2节 延伸阅读
附录
参考文献
译名对照表

回归诊断是对回归分析中的假设以及数据的检验与分析，研究者通常利用回归诊断检验回归分析中的假设是否合理，或者检验观测值中是否有异常数据。
本书的内容包括：回顾最小二乘线性回归，讨论多元回归中共线性的问题，处理奇异与强影响数据，探讨非正态分布误差、不一致的误差方差、非线性、离散数据产生的问题，介绍基于最大似然法、计分检验和构造变量的较复杂的诊断方法。作者还探讨了如何将介绍的具体诊断方法和技术应用到研究中去。
主要特点
·运用大量实例和数据进行讲解
·附录提供了有关回归诊断的更深入的内容和技术细节