回归分析：因变量统计模型
作　者： （美）弗洛伊德，（美）威尔逊，（美）平沙 著，沈崇麟 译
出版时间： 2012
　　我们普遍会遇到的问题是：手头上已经有了一组有关某一应变量的观察样本或实验数据，并希望通过统计分析对它的性状（behavior）做出解释。这种分析通常都基于变量的性状是可以为某一模型所解释的这样一个前提。而这样的模型（一般）的形式是涉及其他一些变量的代数表达式。那些其他的变量描述了实验条件、描述这些条件如何影响因变量的参数和误差。而误差表达式则几乎是无所不包的这一点，则说明任何模型都不可能对因变量的性状完全做出解释。统计分析包括参数估计、推论（假设检验和置信区间）和确定误差的性质（数量）。此外，我们还必须对那些有可能使统计分析出错的问题，如数据中的误差、模型选择不当和其他违反构成统计推论法的假设等进行调查。用于这样的分析的数据既可以是实验、样本调查和过程的观察（操作数据）的数据，也可以是收集到的和第二手的数据。在使用所有这些不同来源的数据时，但尤其是在使用来自操作和第二手的数据做统计分析时，我们需要做的事不仅仅是将数目代入公式，或用一个计算机程序跑一跑数据。我们经常看到一些分析是由一些计划很差的一系列无序的步骤组成的。诸如这样的分析从定义、模型的构建、数据的筛选、计算机程序的选择，到输出结果的解释、数据异常之处和模型存在的不足的诊断，以及在分析目的的框架内提出的建言都可能存在着这样那样的问题。