全书共分六章,第1章通过实例引进和比较各类复杂数据模型,介绍模型的产生背景和本书重点应用到的bootstrap和广义推断等方面的知识.第2章分别讨论了Behrens-Fisher问题中两个正态总体均值的相等性检验、均值差的置信区间和多个正态总体共同均值的统计推断等问题.第3章讨论了异方差情形下回归模型系数的相等性检验和共同回归系数的PB置信域.第4章系统地研究了异方差下ANOVA中各种模型中的参数bootstrap检验和置信区间的构造方法和优良性.第5章则将第4章的问题拓展到MANOVA模型,并给出了MANOVA中检验的各种不变性理论.最后一章,转入混合效应模型和高维数据分析中的假设检验和置信区间等的PB方法研究.

　   复杂数据与复杂性科学相伴而生，大量产生于许多科学研究和实践中，包括常见的异方差数据、~重复观测数据、空间分层数据、面板数据或纵向数据和高维海量数据等。复杂数据的分析、建模和统计推断包含了当代几乎所有的统计研究分支，并广泛应用在生物医学、经济金融和信息互联网技术中，成为数据科学研究的重要组成部分。现在，由于数据的复杂性，统计分析已无法离开计算机技术，并为之提供学科发展动力，特别是在如今这样一个信息爆炸性增长的大数据时代，能够借助计算机技术，以有效且富于统计意义的方式来处理海量复杂数据信息成为流行趋势。Bootstrap方法是一种统计味道浓厚，兼具计算机密集使用的强有力的统计技术。Bootstrap方法的使用会让我们对统计学有更为深刻的理解，而bootstrap方法的实施又离不开计算机技术的强力支撑，本书在介绍复杂数据模型和bootstrap的基本理论与方法的基础上，论述作者及其合作者近些年在异方差模型、重复观测数据模型、生长曲线模型、面板数据模型等bootstrap推断方面的研究工作，以及其他一些与之紧密相关的最新研究进展。因为论题涉及面较广且为作者的知识和书的篇幅所限，只能着重从作者曾涉足而相对比较了解的领域来论述。
　　全书共6章，第1章通过实例引进和比较各类复杂数据模型，介绍模型的产生背景和本书重点应用到的bootstrap和广义推断等方面的知识。第2章分别讨论了Behrens-Fisher问题中异方差下两个正态总体均值的相等性检验、均值差的置信区间和多个正态总体共同均值的参数bootstrap统计推断等问题。第3章讨论了异方差情形下回归模型系数的相等性检验和共同回归系数的PB置信域。第4章系统地研究了异方差下ANOVA中各种模型中的参数bootstrap检验和置信区间的构造方法和优良性，第5章则将第4章的问题拓展到MANOVA模型，并给出了MANOVA中检验的各种不变性理论，最后一章转入混合效应模型和高维数据分析中的假设检验、置信区间和预测等的bootstrap方法研究。

前言
符号表
第1章 引言
1．1 复杂数据及模型
1．1．1 Behrens-Fisher问题
1．1．2 异方差回归模型
1．1．3 异方差的方差分析模型
1．1．4 生长曲线模型
1．1．5 Panel数据模型
1．1．6 高维数据模型
1．2 复杂数据模型的相关研究进展
1．2．1 统计推断模式演化
1．2．2 分布推断方法的发展
1．3 Bootstrap统计推断
1．3．1 Bootstrap方法简介
1．3．2 Bootstrap P值检验
1．3．3 Bootstrap置信区间
1．3．4 Bootstrap光滑方法
1．4 广义推断
1．4．1 广义p值
1．4．2 广义置信区间
第2章 Behrens-Fisher问题的bootstrap解
2．1 引言
2．2 Behrens-Fisher问题的参数bootstrap检验
2．2．1 均值相等性检验
2．2．2 模拟研究
2．3 两个正态总体均值差的PB区间估计
2．4 多个正态总体共同均值的参数bootstrap推断
2．4．1 引言
2．4．2 共同均值的推断
2．4．3 随机模拟研究
2．4．4 结论
第3章 异方差回归模型中的bootstrap推断
3．1 引言
3．2 比较异方差回归模型的PB检验
3．3 异方差回归模型共同系数的PB置信域
第4章 方差分析模型中bootstrap推断
4．1 单向方差分析模型
4．1．1 引言
4．1．2 PB检验和ADF检验方法
4．1．3 数值结果
4．1．4 定理的证明
4．2 两向方差分析模型（无交互效应）
4．2．1 引言
4．2．2 固定效应模型检验
4．2．3 第一类错误概率和势函数性质
4．2．4 混合效应模型的检验
4．3 两向方差分析模型（可能存在交互效应）
4．3．1 引言
4．3．2 交互效应的检验
4．3．3 主效应的检验
4．3．4 数值结果
4．4 两因子套分类模型
4．4．1 引言
4．4．2 检验方法
4．4．3 因子A的效应检验
4．4．4 模拟研究
4．4．5 两因子套设计模型随机套效应检验
4．4．6 实例分析
4．5 三因子套分类模型
4．5．1 引言
4．5．2 三因子套设计中固定效应的检验
4．5．3 因子A和B的效应检验
4．5．4 模拟研究
4．5．5 三因子套设计中随机套效应检验
4．5．6 一个实例
4．5．7 讨论


第5章 多元方差分析模型中bootstrap推断
5．1 单向MANOVA
5．1．1 模型及预备知识
5．1．2 PB检验
5．2 两向MANOVA（无交互效应）
5．2．1 引言
5．2．2 固定效应模型检验
5．2．3 数值结果
5．2．4 多元混合效应模型的检验
5．3 两向MANOVA（可能存在交互效应）
5．3．1 引言
5．3．2 检验方法
5．3．3 定理的证明
5．3．4 数值结果
5．4 多元套分类模型
5．4．1 引言
5．4．2 被嵌套效应的检验
5．4．3 嵌套效应的检验
5．4．4 Monte Carlo研究
第6章 混合效应模型和高维数据的bootstrap推断
6．1 引言
6．2 简单生长曲线模型中bootstrap推断
6．2．1 引言
6．2．2 固定效应和方差分量的两种推断
6．2．3 覆盖率和势函数的计算算法
6．2．4 数值结果
6．2．5 实例分析
6．3 Panel数据模型中bootstrap推断
6．3．1 引言
6．3．2 单向误差分量回归模型的推断
6．3．3 覆盖率和势函数的算法
6．3．4 Monte Carlo模拟研究
6．3．5 实际数据例子
6．3．6 两向误差分量回归模型
6．4 线性混合效应模型中EBLUP分布的PB近似
6．5 高维数据分析中的PB检验
6．5．1 资本资产定价模型
6．5．2 有效性假设
6．5．3 参数估计
6．5．4 PB检验方法
6．6 Bootstrap光滑与模型选择
6．6．1 引言
6．6．2 非参数bootstrap光滑
6．6．3 基于模型选择的模型平均
参考文献