-
第一章方差分析基础
介绍完全随机设计和随机区组设计方差分析基本思想，合理解释方差分析和多重比较结果。
-
●1.1完全随机设计方差分析（1）
介绍完全随机设计方差分析平方和划分的思想，合理解释方差分析结果。
-
●1.2完全随机设计方差分析（2）
介绍完全随机设计方差分析多重比较方法，合理解释多重比较结果。
-
●1.3随机区组设计方差分析
介绍随机区组设计方差分析平方和划分的思想，合理解释方差分析和多重比较结果。
-
第二章析因实验设计的方差分析
本章主要介绍析因设计的基本概念、两因素析因设计资料的方差分析。
-
●2.1析因设计及基本概念
t-test、ANOVA用于一个处理因素（研究因素）不同水平定量资料的比较。 当处理因素不止一个，比较多个因素不同水平的效应时，可以采用多因素实验设计方法；在评价指标为定量变量时，采用多因素方差分析。
-
●2.2两因素析因设计资料的方差分析
析因试验设计是K个因素不同水平完全交叉的设计方法，干预因素或研究对象的某种属性特征； 各处理组的受试对象是独立的; 其适合于因素个数和水平个数相对少的研究设计方案。
-
第三章重复测量数据的方差分析
本章主要介绍重复测量重复测量数据的概念、设计类型、特点等内容。
-
●3.1重复测量数据及设计类型
本节主要介绍重复测量资料的设计类型。
-
●3.2设立了平行对照的前后测量设计资料的方差分析
本节主要介绍平行对照的前后测量设计（两因素两水平）资料的方差分析。
-
●3.3重复测量设计资料的方差分析
重复测量次数m≥3，方差分析要求各时点间满足球对称（sphericity）的假设，重复测量误差的协方差矩阵经正交对比变换后，与单位矩阵成比例，即各时点间独立，不具有相关性。
-
第四章多重线性回归分析
本章介绍多重线性回归方程的建立、假设检验、评价、变量筛选方法、回归方程的应用及其注意事项。
-
●4.1多重线性回归分析概述及方程建立
介绍数据形式、模型表达式及参数估计方法。
-
●4.2多重线性回归方程的假设检验及评价
介绍回归方程的假设检验及评价和各自变量的假设检验和评价。
-
●4.3多重线性回归方程的变量选择方法
介绍全局择优法和逐步选择法。
-
●4.4多重线性回归方程的应用及其注意事项
介绍多重线性回归方程的应用，包括影响因素分析、预测预报和统计控制；介绍多重线性回归分析的注意事项。
-
第五章Logistic回归
本章介绍Logistic回归模型的建立、参数估计、假设检验、变量筛选方法、应用及其注意事项。
-
●5.1Logistic回归模型
介绍数据形式、模型表达式及参数估计方法。
-
●5.2Logistic回归的统计推断
介绍回归方程的参数估计和假设检验及评价。
-
●5.3Logistic回归的实例分析
用实例介绍Logistic模型及结果解释。
-
●5.4Logistic回归的应用及其注意事项
介绍Logistic回归模型的应用，包括危险因素分析、临床试验数据分析预测和判别；介绍Logistic回归分析的注意事项。
-
第六章生存分析
本章介绍生存资料或事件-时间资料的基本统计分析方法，包括生存分析基本概念，生存率的估计，生存曲线的比较，以及Cox比例风险回归模型。
-
●6.1生存分析基本概念
介绍生存分析基本概念，包括生存分析，生存时间（完全数据和删失数据），死亡概率，生存概率和生存率。
-
●6.2生存率估计
介绍生存率估计的Kaplan-Meier法和寿命表法
-
●6.3生存曲线比较
介绍生存曲线比较的log-rank检验及其注意事项
-
●6.4Cox回归
介绍生存资料多因素分析的Cox比例风险回归模型，包括Cox回归模型基本形式，参数解释，参数估计，假设检验，变量筛选，实例分析，以及注意事项。
-
第七章主成分分析
本章介绍主成分分析的概念、基本思想、数学模型、分析步骤以及实例应用。
-
●7.1主成分分析（1）
介绍主成分分析的概念、基本思想及各主成分的含义、主成分分析的数学模型及满足的条件。
-
●7.2主成分分析（2）
介绍主成分分析的步骤及确定主成分个数的方法。用实例讲解主成分模型及结果解释。
-
第八章因子分析
本章介绍因子分析的概念、基本思想、数学模型、因子旋转、因子得分及实例应用。
-
●8.1因子分析（1）
介绍因子分析的概念、基本思想及因子分析的分类、数学模型、因子分析中载荷矩阵的统计意义、因子载荷矩阵的估计方法、使用主成分法求解因子载荷阵的一般步骤。
-
●8.2因子分析（2）
介绍用特征根法和累积方差贡献率确定公因子个数的方法、因子旋转、正交旋转和正交方差最大旋转。介绍因子得分的概念及因子得分函数。用实例讲解因子分析模型、结果解释以及因子分析的注意事项。
-
第九章判别分析
本章介绍分类问题中在已知分为若干个类的前提下，获得判别模型，并用来判定新观察对象的归类。
-
●9.1判别分析（1）
介绍判别分析基本概念，以定量指标判别个体属性分类的Fisher判别和Bayes判别。
-
●9.2判别分析（2）
介绍以定性指标判别个体属性分类的最大似然判别法和Bayes公式判别法
-
第十章聚类分析
本章介绍分类问题中在不知道应分多少类合适的情况下，试图借助数理统计的方法，用已收集到的资料找出研究对象的归类方法。
-
●10.1聚类分析（1）
介绍聚类分析的基本思想，相似性的度量，以及最常用的系统聚类。
-
●10.2聚类分析（2）
介绍K-均值聚类，两步聚类，聚类分析的一般步骤和注意事项。
