SPSS数据分析实用教程(第2版)电子书

内容提要

前言

第1章 统计分析和SPSS软件简介

1.1 统计分析的基本概念

1.1.1 统计分析的步骤

1.1.2 数据的类型

1.1.3 数据的来源

1.2 常见统计分析软件简介

1.2.1 SPSS

1.2.2 SAS

1.2.3 R语言

1.2.4 其他统计分析软件

1.3 SPSS统计分析软件的历史

1.4 SPSS版本和授权

1.5 SPSS统计分析软件的特点

1.6 SPSS主要模块及功能简介

1.7 SPSS的安装

1.8 SPSS的几种基本运行方式

1.9 SPSS的界面

1.10 SPSS的图形用户界面

1.11 SPSS帮助系统

1.12 小结

思考与练习

第2章 数据文件的建立和管理

2.1 数据管理的特点

2.2 SPSS数据编辑器简介

2.2.1 开始SPSS

2.2.2 SPSS的数据编辑器界面

2.3 新建数据文件、数据字典

2.4 保存文件

2.5 读入数据

2.5.1 读入Excel数据

2.5.2 读入文本数据

2.5.3 读入数据库数据

2.6 数据文件的合并

2.6.1 添加个案

2.6.2 添加变量

2.7 数据的拆分

2.8 小结

思考与练习

附录：为数据库文件建立ODBC数据源

第3章 描述性统计分析

3.1 频率分析

3.2 中心趋势的描述：均值、中位数、众数、5%截尾均值

3.2.1 均值（或者算术平均数）

3.2.2 5%截尾均值

3.2.3 几何均值

3.2.4 中位数

3.2.5 众数

3.3 离散趋势的描述：极差、方差、标准差、均值的标准误、分位数和变异指标

3.3.1 极差

3.3.2 方差和标准差

3.3.3 均值的标准误

3.3.4 变异系数

3.3.5 分位数

3.4 分布的形状——偏度和峰度

3.5 SPSS描述性统计分析

3.5.1 频率入口

3.5.2 描述子菜单

3.5.3 探索子菜单

3.5.4 表格

3.6 应用统计图进行描述性统计分析

3.6.1 定性数据的图形描述——条形图、饼图、帕累托图

3.6.2 定量数据的图形描述——直方图、茎叶图、箱图

3.7 数据标准化

3.8 小结

思考与练习

第4章 概率论初步

4.1 随机变量的仿真

4.1.1 “均匀分布”的随机数

4.1.2 正态分布的随机数

4.2 理论分布

4.2.1 二项分布的分布函数和概率

4.2.2 连续分布的随机变量——正态分布

4.3 经验分布

4.4 抽样分布

4.5 置信区间

4.6 小结

思考与练习

第5章 均值的比较

5.1 假设检验的思想及原理

5.2 均值

5.2.1 均值过程分析

5.2.2 双因素的均值过程分析

5.3 单样本T检验

5.3.1 数据准备

5.3.2 单样本T检验

5.3.3 置信区间和自抽样选项

5.4 独立样本T检验

5.4.1 数据初探

5.4.2 T检验

5.4.3 均值差的绘图

5.5 配对样本T检验

5.6 小结

思考与练习

第6章 非参数检验

6.1 非参数检验简介

6.2 单样本非参数检验

6.2.1 卡方检验

6.2.2 二项式检验

6.2.3 K-S检验

6.2.4 Wilcoxon符号秩检验

6.2.5 游程检验

6.3 独立样本非参数检验

6.3.1 独立样本检验简介

6.3.2 独立样本检验举例

6.4 相关样本非参数检验

6.4.1 相关样本检验简介

6.4.2 相关样本检验举例

6.5 小结

思考与练习

第7章 相关分析

7.1 相关分析的基本概念

7.1.1 相关关系的种类

7.1.2 相关分析的作用

7.2 散点图

7.2.1 散点图简介

7.2.2 使用旧对话框绘制散点图

7.2.3 用图表构建程序绘制散点图

7.3 相关系数

7.3.1 线性相关的度量——尺度数据间的相关性的度量

7.3.2 Spearman等级相关系数—定序变量之间的相关性的度量

7.3.3 Kendall的tau系数

7.4 偏相关分析

7.5 小结

思考与练习

第8章 回归分析

8.1 线性回归分析的基本概念

8.1.1 线性回归

8.1.2 非线性回归

8.2 简单线性回归

8.2.1 简单回归方程的求解

8.2.2 回归方程拟合程度检验

8.2.3 用回归方程预测

8.2.4 简单线性回归举例

8.3 多元线性回归

8.3.1 多元线性回归方程简介

8.3.2 多元线性回归方程的显著性检验

8.3.3 应用举例

8.3.4 线性回归自变量进入的方式

8.4 线性回归的诊断和线性回归过程中的其他选项

8.4.1 回归分析的前提条件

8.4.2 回归分析前提条件的检验

8.4.3 回归诊断

8.5 非线性回归

8.6 曲线估计

8.7 小结

思考与练习

第9章 方差分析

9.1 方差分析的术语与前提

9.2 单因素的方差分析

9.2.1 描述性数据分析

9.2.2 单因素方差分析

9.3 多因素方差分析

9.3.1 多因素方差分析简介

9.3.2 多因素方差分析案例分析

9.4 协方差分析

9.4.1 协方差分析简介

9.4.2 协方差分析案例分析

9.5 小结

思考与练习

第10章 聚类分析

10.1 聚类分析简介

10.2 聚类分析原理

10.3 个案间距离

10.3.1 尺度（或定距）数据的距离定义方式

10.3.2 分类数据的频数数据

10.3.3 二分类数据

10.3.4 聚类分析计算距离的方法设定

10.4 类之间的距离

10.5 系统聚类

10.5.1 系统聚类算法过程

10.5.2 系统聚类案例：山东餐饮市场分层

10.6 K-均值聚类

10.6.1 K-均值聚类方法简介

10.6.2 K-均值法案例分析

10.7 两步法聚类

10.7.1 两步法简介

10.7.2 两步法案例分析

10.8 小结

思考与练习

第11章 主成分分析

11.1 主成分分析简介

11.1.1 主成分分析的目的与功能

11.1.2 主成分分析的数学理论

11.2 主成分分析的应用条件

11.2.1 Bartlett球形检验

11.2.2 KMO统计量

11.2.3 基于相关系数矩阵还是协方差矩阵

11.3 主成分分析案例

11.3.1 综合评价案例

11.3.2 主成分分析用于探索变量间结构关系

11.4 小结

思考与练习

第12章 因子分析法

12.1 因子分析简介

12.2 因子分析的统计理论

12.2.1 因子分析的模型

12.2.2 因子分析模型的求解方法

12.2.3 因子分析的应用前提

12.2.4 因子个数的确定

12.2.5 因子的解释

12.2.6 因子旋转

12.2.7 因子得分

12.3 因子分析案例分析

12.3.1 探索变量间的结构关系

12.3.2 因子分析在市场调查中的应用

12.4 因子分析结果的有效性

12.5 因子分析和主成分分析的比较

12.6 小结

思考与练习

第13章 判别分析

13.1 判别分析的基本概念与理论

13.1.1 Fisher判别法

13.1.2 马式距离判别法

13.2 逐步判别分析

13.3 判别分析中的假设检验

13.4 案例分析

13.4.1 两个总体的判别分析——找出可能会购买新书的客户

13.4.2 两个以上总体的判别——电信客户分类

13.5 小结

思考与练习

第14章 典型相关分析

14.1 典型相关分析简介

14.1.1 典型相关分析的应用范围

14.1.2 典型相关分析的功能

14.2 典型相关分析算法简介

14.3 典型相关系数的显著性检验

14.4 案例分析

14.5 小结

思考与练习

参考文献