| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·论文的意义和研究内容 | 第16页 |
| ·论文的意义 | 第16页 |
| ·论文的研究内容 | 第16页 |
| ·论文的结构 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 软件估算中统计分析的应用 | 第18-21页 |
| ·数据集分析中的统计学应用 | 第18页 |
| ·统计分析在软件估算模型中的应用 | 第18-19页 |
| ·统计分析对于软件估算的意义 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 回归分析在软件估算中的应用 | 第21-29页 |
| ·线性回归分析理论的假设条件 | 第21页 |
| ·一元线性回归 | 第21-23页 |
| ·一元线性回归模型 | 第21-22页 |
| ·一元线性回归模型的检验 | 第22-23页 |
| ·多元线性回归 | 第23-25页 |
| ·多元线性回归模型 | 第23-24页 |
| ·多元回归模型的适用情况 | 第24页 |
| ·多元线性回归中的统计量 | 第24-25页 |
| ·多元线性模型的检验 | 第25页 |
| ·多元逐步回归 | 第25-26页 |
| ·常用的逐步回归分析方法 | 第25-26页 |
| ·逐步回归分析的适用情况 | 第26页 |
| ·逐步回归中的统计量 | 第26页 |
| ·加权回归 | 第26-27页 |
| ·加权回归模型 | 第26-27页 |
| ·加权回归适用的情况 | 第27页 |
| ·加权回归中的统计量 | 第27页 |
| ·岭回归 | 第27-28页 |
| ·岭回归的定义 | 第28页 |
| ·岭回归的适用情况 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于回归分析的软件估算方法 | 第29-37页 |
| ·历史数据的预处理 | 第29-31页 |
| ·数据集的选择 | 第30页 |
| ·处理缺失值 | 第30页 |
| ·数据验证及预处理 | 第30页 |
| ·处理异常点数据 | 第30-31页 |
| ·建立回归模型 | 第31-32页 |
| ·确定F 检验值 | 第31页 |
| ·建立回归模型 | 第31-32页 |
| ·相关统计量的计算 | 第32页 |
| ·回归模型的校准 | 第32-33页 |
| ·多重共线性的分析与处理 | 第32页 |
| ·模型中因子的重要性 | 第32-33页 |
| ·模型的检验 | 第33-34页 |
| ·拟合度分析 | 第33页 |
| ·模型显著性检验 | 第33页 |
| ·模型系数显著性检验 | 第33页 |
| ·残差检验 | 第33-34页 |
| ·回归模型的性能分析 | 第34-35页 |
| ·平均误差率MMRE | 第35页 |
| ·预测范围概率Pred(x) | 第35页 |
| ·模型的预测应用 | 第35页 |
| ·本章小结 | 第35-37页 |
| 第五章 基于回归分析的估算模型的应用 | 第37-54页 |
| ·ISBSGv9 数据集的回归分析 | 第37-48页 |
| ·历史数据的选取和预处理 | 第37-40页 |
| ·建立回归模型 | 第40-43页 |
| ·回归模型的校准 | 第43-45页 |
| ·模型检验 | 第45-47页 |
| ·回归模型预测能力分析 | 第47-48页 |
| ·Albrecht 数据集的回归分析 | 第48-53页 |
| ·数据集的预处理 | 第48-49页 |
| ·建立回归模型 | 第49-50页 |
| ·回归模型的校准 | 第50-51页 |
| ·模型的检验 | 第51-52页 |
| ·回归模型性能分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 结束语 | 第54-55页 |
| ·成果总结 | 第54页 |
| ·下一步的工作 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 作者在学期间取得的学术成果 | 第58-59页 |
| 附录A ISBSGv9 数据集数据（部分） | 第59-60页 |
| 附录B Albrecht 数据集 | 第60-61页 |
| 附录C 回归分析中部分常用统计量 | 第61-62页 |
| 附录D ISBSGv9 数据集开发生产率的Mahal 距离分析结果 | 第62-63页 |
| 附录E Albrecht 数据集岭回归分析系数矩阵表 | 第63页 |