SPSS數(shù)據(jù)分析教程

第1章 統(tǒng)計(jì)學(xué)和SPSS統(tǒng)計(jì)分析軟件簡介
1.1 統(tǒng)計(jì)分析的基本概念
1.1.1 統(tǒng)計(jì)分析的步驟
1.1.2 數(shù)據(jù)的類型
1.2 常見統(tǒng)計(jì)分析軟件簡介
1.2.1 SPSS
1.2.2 SAS
1.2.3 Splus或者R
1.2.4 其他數(shù)據(jù)分析軟件
1.3 SPSS統(tǒng)計(jì)分析軟件的發(fā)展
1.4 SPSS版本和授權(quán)
1.5 SPSS統(tǒng)計(jì)分析軟件的特點(diǎn)
1.6 主要模塊及功能簡介
1.7 SPSS的安裝
1.8 SPSS的幾種基本運(yùn)行方式
1.9 SPSS的界面
1.10 SPSS的圖形用戶界面
1.11 SPSS幫助系統(tǒng)
1.12 小結(jié)
思考與練習(xí)
參考文獻(xiàn)
第2章 數(shù)據(jù)文件的建立和管理
2.1 數(shù)據(jù)管理的特點(diǎn)
2.2 SPSS數(shù)據(jù)編輯器簡介
2.2.1 開始SPSS
2.2.2 SPSS的數(shù)據(jù)編輯器界面
2.3 新建數(shù)據(jù)文件、數(shù)據(jù)字典
2.4 保存文件
2.5 讀入數(shù)據(jù)
2.5.1 讀入Excel數(shù)據(jù)
2.5.2 讀入文本數(shù)據(jù)
2.5.3 讀入數(shù)據(jù)庫數(shù)據(jù)
2.6 數(shù)據(jù)文件的合并
2.6.1 添加個案
2.6.2 添加變量
2.7 數(shù)據(jù)文件的拆分
附錄：如何為數(shù)據(jù)庫文件建立ODBC數(shù)據(jù)源
2.8 小結(jié)
思考與練習(xí)
參考文獻(xiàn)
第3章 描述性統(tǒng)計(jì)分析
3.1 頻率分析
3.2 中心趨勢的描述：均值、中位數(shù)、眾數(shù)、5％截尾均值
3.2.1 均值
3.2.2 中位數(shù)
3.2.3 眾數(shù)
3.2.4 5％截尾均值
3.3 離散趨勢的描述：極差、方差、標(biāo)準(zhǔn)差、均值的標(biāo)準(zhǔn)誤、分位數(shù)和變異指標(biāo)
3.3.1 極差
3.3.2 方差和標(biāo)準(zhǔn)差
3.3.3 均值的標(biāo)準(zhǔn)誤
3.3.4 變異系數(shù)
3.3.5 分位數(shù)
3.4 分布的形狀——偏度和峰度
3.5 SPSS描述性統(tǒng)計(jì)分析
3.5.1 頻率入口
3.5.2 描述子菜單
3.5.3 探索子菜單
3.5.4 表格
3.6 應(yīng)用統(tǒng)計(jì)圖進(jìn)行描述性統(tǒng)計(jì)分析
3.6.1 定性數(shù)據(jù)的圖形描述——條形圖、餅圖、帕累托圖
3.6.2 定量數(shù)據(jù)的圖形描述——直方圖、莖葉圖和箱圖
3.7 數(shù)據(jù)標(biāo)準(zhǔn)化
3.8 小結(jié)
思考與練習(xí)
參考文獻(xiàn)
第4章 概率論初步
4.1 離散型隨機(jī)變量的仿真
4.1.1 均勻分布的隨機(jī)數(shù)
4.1.2 正態(tài)分布的隨機(jī)數(shù)
4.2 理論分布
4.2.1 二項(xiàng)分布的分布函數(shù)和概率
4.2.2 連續(xù)分布的隨機(jī)變量——正態(tài)分布
4.3 經(jīng)驗(yàn)分布
4.4 抽樣分布
4.5 置信區(qū)間
4.6 小結(jié)
思考與練習(xí)
第5章 均值的比較
5.1 假設(shè)檢驗(yàn)的思想及原理
5.2 均值
5.2.1 均值過程分析
5.2.2 雙因素的均值過程分析
5.3 單樣本T檢驗(yàn)
5.3.1 數(shù)據(jù)準(zhǔn)備
5.3.2 單樣本T檢驗(yàn)
5.3.3 置信區(qū)間和自抽樣選項(xiàng)
5.4 獨(dú)立樣本T檢驗(yàn)
5.4.1 數(shù)據(jù)初探
5.4.2 T檢驗(yàn)
5.4.3 均值差的繪圖
5.5 配對樣本T檢驗(yàn)
5.6 小結(jié)
思考與練習(xí)
參考文獻(xiàn)
第6章 非參數(shù)檢驗(yàn)
6.1 非參數(shù)檢驗(yàn)簡介
6.2 單樣本非參數(shù)檢驗(yàn)
6.2.1 卡方檢驗(yàn)
6.2.2 二項(xiàng)式檢驗(yàn)
6.2.3 K-S檢驗(yàn)
6.2.4 Wilcoxon符號秩檢驗(yàn)
6.2.5 游程檢驗(yàn)
6.3 獨(dú)立樣本非參數(shù)檢驗(yàn)
6.3.1 獨(dú)立樣本檢驗(yàn)簡介
6.3.2 獨(dú)立樣本檢驗(yàn)舉例
6.4 相關(guān)樣本非參數(shù)檢驗(yàn)
6.4.1 相關(guān)樣本檢驗(yàn)簡介
6.4.2 相關(guān)樣本檢驗(yàn)舉例
6.5 小結(jié)
思考與練習(xí)
參考文獻(xiàn)
第7章 相關(guān)分析
7.1 相關(guān)分析的基本概念
7.1.1 相關(guān)關(guān)系的種類
7.1.2 相關(guān)分析的作用
7.2 散點(diǎn)圖
7.2.1 散點(diǎn)圖簡介
7.2.2 散點(diǎn)圖——舊對話框
7.2.3 用圖表構(gòu)建程序繪制散點(diǎn)圖
7.3 相關(guān)系數(shù)
7.3.1 線性相關(guān)的度量——尺度數(shù)據(jù)間的相關(guān)性的度量
7.3.2 Spearman等級相關(guān)系數(shù)——定序變量之間的相關(guān)性的度量
7.3.3 Kendall的tau-b(K)
7.4 偏相關(guān)分析
7.5 小結(jié)
思考與練習(xí)
參考文獻(xiàn)
第8章 回歸分析
8.1 線性回歸分析的基本概念
8.2 簡單線性回歸
8.2.1 簡單回歸方程的求解
8.2.2 回歸方程擬合程度檢驗(yàn)
8.2.3 用回歸方程預(yù)測
8.2.4 簡單線性回歸舉例
8.3 多元線性回歸
8.3.1 多元線性回歸方程簡介
8.3.2 多元線性回歸方程的顯著性檢驗(yàn)
8.3.3 應(yīng)用舉例
8.3.4 線性回歸自變量進(jìn)入的方式
8.4 線性回歸的診斷和線性回歸過程中的其他選項(xiàng)
8.4.1 回歸分析的前提條件
8.4.2 回歸分析前提條件的檢驗(yàn)
8.4.3 回歸診斷
8.5 非線性回歸
8.6 曲線估計(jì)
8.7 小結(jié)
思考與練習(xí)
參考文獻(xiàn)
第9章 方差分析
9.1 方差分析的術(shù)語與前提
9.2 單因素的方差分析
9.2.1 描述性數(shù)據(jù)分析
9.2.2 單因素方差分析
9.3 多因素方差分析
9.3.1 多因素方差分析簡介
9.3.2 多因素方差分析舉例
9.4 協(xié)方差分析
9.4.1 協(xié)方差分析簡介
9.4.2 協(xié)方差分析案例分析
9.5 小結(jié)
思考與練習(xí)
參考文獻(xiàn)
第10章 聚類分析
10.1 聚類分析簡介
10.2 個案間的距離
10.2.1 定距數(shù)據(jù)(Scale Mearsurement)距離定義方式
10.2.2 分類數(shù)據(jù)的頻數(shù)數(shù)據(jù)(Count)之間的距離
10.2.3 二分類數(shù)據(jù)
10.3 類之間的距離
10.4 系統(tǒng)聚類算法過程
10.5 系統(tǒng)聚類案例
10.6 K-均值聚類
10.6.1 K-均值法簡介
10.6.2 K-均值法案例
10.7 兩步法聚類
10.7.1 兩步法簡介
10.7.2 兩步法案例分析
10.8 聚類分析注意事項(xiàng)
10.9 小結(jié)
思考與練習(xí)
參考文獻(xiàn)
第11章 主成分分析
11.1 主成分分析簡介
11.1.1 主成分分析的目的與功能
11.1.2 主成分分析的數(shù)學(xué)理論
11.2 主成分分析的應(yīng)用條件
11.2.1 Bartlett球形檢驗(yàn)
11.2.2 KMO統(tǒng)計(jì)量
11.2.3 基于相關(guān)系數(shù)矩陣還是協(xié)方差矩陣
11.3 主成分分析案例
11.3.1 綜合評價案例
11.3.2 主成分分析用于探索變量間結(jié)構(gòu)關(guān)系
11.4 小結(jié)
思考與練習(xí)
參考文獻(xiàn)
第12章 因子分析
12.1 因子分析簡介
12.2 因子分析的統(tǒng)計(jì)理論
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 因子分析的應(yīng)用前提
12.2.4 因子個數(shù)的確定
12.2.5 因子的解釋
12.2.6 因子旋轉(zhuǎn)
12.2.7 因子得分
12.3 因子分析案例
12.3.1 探索變量間的結(jié)構(gòu)關(guān)系
12.3.2 因子分析在市場調(diào)查中的應(yīng)用
12.4 因子分析結(jié)果的有效性
12.5 因子分析和主成分分析的比較
12.6 小結(jié)
思考與練習(xí)
參考文獻(xiàn)