本书作为回归分析的应用教材，重点是结合SPSS软件使用回归分析中的各种方法，比较各种方法的适用条件，并正确解释分析结果。为了保持教材的完整性，对一些基本的公式和定理给出了推导和证明，对一些基本的理论性质也做了必要的说明。对统计学专业的本科生可以全面系统地讲述教材的内容；对非统计学专业的本科生应该舍弃其中理论性质的内容；对非统计学专业的研究生可以根据具体情况选择讲授其中的内容。

第1章 回归分析概述
1.1 变量间的统计关系
1.2 回归方程与回归名称的由来
1.3 回归分析的主要内容及其一般模型
1.4 建立实际问题回归模型的过程
1.5 回归分析应用与发展述评
思考与练习
第2章 一元线性回归
2.1 一元线性回归模型
2.2 参数β0，β1的估计
2.3 最小二乘估计的性质
2.4 回归方程的显著性检验
2.5 残差分析
2.6 回归系数的区间估计
2.7 预测和控制
2.8 本章小结与评注
思考与练习
第3章 多元线性回归
3.1 多元线性回归模型
3.2 回归参数的估计
3.3 参数估计量的性质
3.4 回归方程的显著性检验
3.5 中心化和标准化
3.6 相关阵与偏相关系数
3.7 本章小结与评注
思考与练习
第4章 违背基本假设的情况
4.1 异方差性产生的背景和原因
4.2 一元加权最小二乘估计
4.3 多元加权最小二乘估计
4.4 自相关性问题及其处理
4.5 BOX-COX变换
4.6 异常值与强影响点
4.7 本章小结与评注
思考与练习
第5章 自变量选择与逐步回归
5.1 自变量选择对估计和预测的影响
5.2 所有子集回归
5.3 逐步回归
5.4 本章小结与评注
思考与练习
第6章 多重共线性的情形及其处理
6.1 多重共线性产生的背景和原因
6.2 多重共线性对回归模型的影响
6.3 多重共线性的诊断
6.4 消除多重共线性的方法
6.5 本章小结与评注
思考与练习
第7章 岭回归
7.1 岭回归估计的定义
7.2 岭回归估计的性质
7.3 岭迹分析
7.4 岭参数k的选择
7.5 用岭回归选择变量
7.6 本章小结与评注
思考与练习
第8章 主成分回归与偏最小二乘
8.1 主成分回归
8.2 偏最小二乘
8.3 本章小结与评注
思考与练习
第9章 非线性回归
9.1 可化为线性回归的曲线回归
9.2 多项式回归
9.3 非线性模型
9.4 本章小结与评注
思考与练习
第10章 含定性变量的回归模型
10.1 自变量含定性变量的回归模型
10.2 自变量含定性变量的回归模型的应用
10.3 因变量是定性变量的回归模型
10.4 Logistic回归模型
10.5 多类别Logistic回归
10.6 因变量顺序数据的回归
10.7 本章小结与评注
思考与练习
部分练习题参考答案
附录
参考文献