SPSS與統(tǒng)計(jì)分析（第2版）

目 錄
基 礎(chǔ) 篇
第1 章 概 述 2
1．1 SPSS 簡(jiǎn)介 2
1．2 使用SPSS 進(jìn)行數(shù)據(jù)分析的基本步驟 3
1．3 主要窗口和功能 3
1．3．1 數(shù)據(jù)編輯窗口 4
1．3．2 結(jié)果瀏覽窗口 6
1．3．3 程序編輯窗口 13
1．4 通過(guò)數(shù)據(jù)編輯窗口輸入數(shù)據(jù) 14
1．4．1 使用數(shù)據(jù)窗口輸入數(shù)據(jù) 14
1．4．2 定義變量 15
1．4．3 數(shù)據(jù)輸入實(shí)例 20
1．5 SPSS 數(shù)據(jù)文件的存取 24
1．5．1 存取保存的SPSS 文件 24
1．5．2 讀取保存的數(shù)據(jù)文件 25
1．5．3 讀取Excel 電子表格數(shù)據(jù)文件 25
1．5．4 讀取Access 數(shù)據(jù)庫(kù)（ODBC 數(shù)據(jù)接口） 26
1．5．5 保存SPSS 數(shù)據(jù)文件 29
1．6 數(shù)據(jù)的編輯與整理 30
1．6．1 發(fā)現(xiàn)重復(fù)數(shù)據(jù) 30
1．6．2 選擇數(shù)據(jù) 32
1．6．3 定義權(quán)重 35
1．6．4 數(shù)據(jù)排序 36
1．6．5 數(shù)據(jù)轉(zhuǎn)置 37
1．6．6 數(shù)據(jù)合并 38
1．6．7 數(shù)據(jù)拆分 40
1．6．8 數(shù)據(jù)匯總 41
1．6．9 查找數(shù)據(jù) 43
1．7 數(shù)據(jù)轉(zhuǎn)換 45
1．7．1 公式計(jì)算 45
1．7．2 數(shù)據(jù)編碼 48
1．7．3 替代缺失數(shù)據(jù) 50
1．7．4 數(shù)據(jù)例編秩 51
1．7．5 頻數(shù)分組 53
1．8 幫助的獲取 53
1．8．1 按專題組織的幫助 53
1．8．2 通過(guò)對(duì)話框內(nèi)的Help 按鈕使用幫助 54
1．8．3 使用統(tǒng)計(jì)教練 54
1．8．4 使用聯(lián)機(jī)幫助和網(wǎng)絡(luò)討論組 54
第2 章 數(shù)據(jù)類型與統(tǒng)計(jì)學(xué)描述 55
2．1 數(shù)據(jù)分類 55
2．2 制作頻數(shù)表 56
2．2．1 區(qū)間數(shù)據(jù)頻數(shù)分段 56
2．2．2 用Frequencies 編制頻數(shù)表 62
2．3 用Descriptives 進(jìn)行區(qū)間數(shù)據(jù)的統(tǒng)計(jì)描述 67
2．3．1 操作過(guò)程 67
2．3．2 結(jié)果解釋 68
2．4 用Explore 進(jìn)行區(qū)間數(shù)據(jù)的統(tǒng)計(jì)描述 69
2．4．1 操作過(guò)程 70
2．4．2 結(jié)果解釋 72
2．5 用Bivariate 進(jìn)行變量間的相關(guān)與協(xié)方差分析 76
2．5．1 操作過(guò)程 76
2．5．2 結(jié)果解釋 77
2．5．3 描述性統(tǒng)計(jì)分析過(guò)程的比較 78
2．6 名義數(shù)據(jù)的統(tǒng)計(jì)描述 80
2．6．1 單個(gè)名義變量的描述分析 80
2．6．2 多指標(biāo)的描述分析 82
第3 章 概率分布與正態(tài)性檢驗(yàn) 87
3．1 概率分布 87
3．1．1 正態(tài)分布 87
3．1．2 二項(xiàng)分布 90
3．1．3 Poisson 分布 94
3．2 抽樣分布 96
3．2．1 t 分布 96
3．2．2 2 分布 98
3．2．3 F 分布 100
3．3 正態(tài)性檢驗(yàn) 101
3．3．1 P-P 圖法 102
3．3．2 Q-Q 圖法 104
3．3．3 直方圖、箱式圖與莖葉圖 105
3．3．4 計(jì)算法 111
第4 章 區(qū)間估計(jì)與假設(shè)檢驗(yàn) 114
4．1 均數(shù)的區(qū)間估計(jì) 114
4．1．1 已知時(shí)總體均數(shù)的置信區(qū)間 115
4．1．2 未知時(shí)總體均數(shù)的置信區(qū)間 116
4．1．3 兩總體均數(shù)間差值的置信區(qū)間 118
4．2 總體方差、總體標(biāo)準(zhǔn)差的置信區(qū)間 120
4．3 率的區(qū)間估計(jì) 121
4．3．1 總體率的置信區(qū)間 121
4．3．2 兩總體率差值的置信區(qū)間 121
4．4 假設(shè)檢驗(yàn)與兩類錯(cuò)誤 121
4．4．1 假設(shè)檢驗(yàn)的概念與原理 122
4．4．2 假設(shè)檢驗(yàn)的兩類錯(cuò)誤 123
4．4．3 假設(shè)檢驗(yàn)的基本步驟 124
4．5 樣本含量的估計(jì)與檢驗(yàn)效能 125
4．5．1 影響樣本量大小的因素 125
4．5．2 總體均數(shù)區(qū)間估計(jì)的樣本含量 126
4．5．3 樣本均數(shù)與總體均數(shù)比較樣本含量估計(jì) 126
4．5．4 完全隨機(jī)設(shè)計(jì)兩樣本均數(shù)比較的樣本含量估計(jì) 127
4．5．5 完全隨機(jī)設(shè)計(jì)多個(gè)樣本均數(shù)比較的樣本含量估計(jì) 128
4．5．6 估計(jì)總體率時(shí)的樣本含量估計(jì) 129
4．5．7 樣本率與總體率比較的樣本含量估計(jì) 129
4．5．8 兩樣本率比較的樣本含量估計(jì) 130
4．5．9 多個(gè)樣本率比較的樣本含量估計(jì) 130
4．5．10 直線相關(guān)分析的樣本含量估計(jì) 131
4．5．11 檢驗(yàn)效能 131
第5 章 區(qū)間數(shù)據(jù)的統(tǒng)計(jì)推斷 134
5．1 t 檢驗(yàn) 134
5．1．1 單個(gè)總體均數(shù)的t 檢驗(yàn) 134
5．1．2 獨(dú)立樣本成組t 檢驗(yàn) 136
5．1．3 成對(duì)樣本t 檢驗(yàn) 138
5．2 單因素方差分析 140
5．2．1 兩組資料的單因素方差分析 140
5．2．2 多組資料的單因素方差分析 140
5．3 雙因素方差分析 142
5．3．1 基本分析步驟 142
5．3．2 關(guān)于Univariate 過(guò)程對(duì)話框的說(shuō)明 145
5．4 對(duì)比與事后檢驗(yàn) 148
5．4．1 對(duì)比 148
5．4．2 事后檢驗(yàn) 150
5．4．3 Bootstrap 153
5．5 方差齊性檢驗(yàn) 155
第6 章 名義分類數(shù)據(jù)的統(tǒng)計(jì)推斷 157
6．1 四格表數(shù)據(jù)的卡方檢驗(yàn) 157
6．1．1 一般四格表卡方檢驗(yàn) 157
6．1．2 連續(xù)性校正卡方檢驗(yàn) 165
6．2 R×C 無(wú)序列聯(lián)表的卡方檢驗(yàn) 169
6．2．1 多個(gè)樣本率的卡方檢驗(yàn) 169
6．2．2 多個(gè)樣本構(gòu)成的卡方檢驗(yàn) 171
6．3 Fisher’s 精確檢驗(yàn) 173
6．3．1 四格表的精確概率法 173
6．3．2 RC 列聯(lián)表精確概率 175
第7 章 有序數(shù)據(jù)的統(tǒng)計(jì)推斷 179
7．1 R×C 單向有序列聯(lián)表的檢驗(yàn) 179
7．1．1 Wilcoxon 秩和檢驗(yàn) 179
7．1．2 趨勢(shì)檢驗(yàn)182
7．1．3 Kruskal-Wallis 檢驗(yàn) 184
7．1．4 實(shí)例與操作 185
7．2 雙向有序列聯(lián)表的檢驗(yàn) 187
7．2．1 Spearman 等級(jí)相關(guān) 187
7．2．2 Jonckheere-Terpstra 檢驗(yàn) 189
7．2．3 Cochran-Mantel-Haenszel 統(tǒng)計(jì)分析 191
7．3 幾個(gè)相關(guān)有序樣本的非參數(shù)檢驗(yàn) 194
7．3．1 2 相關(guān)樣本的秩檢驗(yàn) 194
7．3．2 多組相關(guān)樣本檢驗(yàn) 198
第8 章 簡(jiǎn)單線性回歸與相關(guān) 201
8．1 一般的簡(jiǎn)單線性回歸 201
8．1．1 線性回歸的概念 201
8．1．2 建立線性回歸方程 202
8．1．3 回歸系數(shù)的假設(shè)檢驗(yàn) 203
8．1．4 實(shí)例與操作 204
8．2 加權(quán)的簡(jiǎn)單線性回歸 213
8．2．1 加權(quán)最小二乘估計(jì) 214
8．2．2 加權(quán)線性回歸方程的假設(shè)檢驗(yàn) 214
8．2．3 實(shí)例與操作 215
8．3 簡(jiǎn)單線性相關(guān) 218
8．3．1 概念 218
8．3．2 線性相關(guān)系數(shù)的意義和計(jì)算 219
8．3．3 相關(guān)系數(shù)的假設(shè)檢驗(yàn) 219
8．3．4 實(shí)例與操作 220
第9 章 曲線回歸與非線性回歸 224
9．1 曲線直線化變換方法 224
9．1．1 變量的變換 224
9．1．2 變量變換后實(shí)現(xiàn)線性回歸的步驟 225
9．1．3 實(shí)例與操作 225
9．2 曲線回歸 227
9．2．1 一般步驟 227
9．2．2 SPSS 操作提示 228
9．2．3 實(shí)例與操作 230
9．3 非線性回歸 233
9．3．1 基本原理 233
9．3．2 SPSS 操作提示 233
9．3．3 實(shí)例與操作 237
第10 章 多重線性回歸與相關(guān) 241
10．1 多項(xiàng)式回歸 241
10．2 多重回歸分析方法 242
10．2．1 多重回歸模型 242
10．2．2 參數(shù)估計(jì) 242
10．2．3 回歸方程的假設(shè)檢驗(yàn)與擬合優(yōu)度評(píng)價(jià) 243
10．2．4 自變量的選擇 243
10．2．5 SPSS 操作提示 244
10．2．6 實(shí)例與操作 247
10．3 共線性解決方案與校正 252
10．3．1 多重共線性的診斷 252
10．3．2 共線性解決方案 253
10．4 殘差分析與回歸診斷 254
10．5 交互作用與啞變量問(wèn)題 254
10．5．1 交互作用 254
10．5．2 啞變量的設(shè)置 255
10．6 復(fù)相關(guān)系數(shù)與偏相關(guān)系數(shù) 256
10．6．1 復(fù)相關(guān)系數(shù)、決定系數(shù)與調(diào)整決定系數(shù) 257
10．6．2 偏相關(guān)系數(shù) 257
第11 章 統(tǒng)計(jì)圖的制作 261
11．1 條圖 262
11．2 3-D 條圖 268
11．3 線圖 269
11．4 面積圖 273
11．5 圓圖 274
11．6 高低圖 275
11．7 帕累托圖 277
11．8 質(zhì)量控制圖 279
11．9 箱圖 282
11．10 誤差條圖 284
11．11 分群金字塔圖 286
11．12 散點(diǎn)圖 287
11．13 直方圖 291
11．14 P-P 概率圖 292
11．15 Q-Q 概率圖 294
11．16 序列圖 295
11．17 統(tǒng)計(jì)圖形的編輯加工 297
11．17．1 圖形編輯窗口簡(jiǎn)介 297
11．17．2 圖形特征的編輯 298
11．17．3 坐標(biāo)軸編輯 304
11．17．4 圖例的編輯 306
11．17．5 添加和顯示/隱藏圖形元素 306
第12 章 診斷試驗(yàn)評(píng)價(jià)與ROC 分析 308
12．1 常用的診斷試驗(yàn)評(píng)價(jià)指標(biāo) 308
12．1．1 正確率 309
12．1．2 靈敏度 309
12．1．3 特異度 310
12．1．4 Youden 指數(shù) 311
12．1．5 陽(yáng)性似然比 311
12．1．6 陰性似然比 312
12．1．7 陽(yáng)性預(yù)測(cè)價(jià)值 312
12．1．8 陰性預(yù)測(cè)價(jià)值 313
12．1．9 優(yōu)勢(shì)比及其有關(guān)指標(biāo) 314
12．1．10 Kappa 316
12．2 ROC 曲線 317
12．2．1 ROC 分析的基本原理 318
12．2．2 SPSS 操作說(shuō)明 320
12．2．3 實(shí)例與結(jié)果解釋 322
第13 章 缺失值分析 331
13．1 缺失值分析簡(jiǎn)介 331
13．1．1 基本概念 331
13．1．2 缺失機(jī)制 332
13．1．3 缺失值的常用處理方法 335
13．2 SPSS 操作提示 340
13．2．1 SPSS 的缺失值處理方法 340
13．2．2 缺失值處理的SPSS 操作 341
13．3 結(jié)果解釋 345
高 級(jí) 篇
第14 章 logistic 回歸 356
14．1 二項(xiàng)分類logistic 回歸 356
14．1．1 方法介紹 357
14．1．2 SPSS 操作選項(xiàng)說(shuō)明 366
14．1．3 實(shí)例與結(jié)果解釋 371
14．2 條件logistic 回歸 386
14．2．1 方法介紹 386
14．2．2 SPSS 操作選項(xiàng)說(shuō)明 387
14．2．3 實(shí)例與結(jié)果解釋 387
14．3 有序logistic 回歸 393
14．3．1 方法介紹 393
14．3．2 SPSS 操作選項(xiàng)說(shuō)明 395
14．3．3 實(shí)例與結(jié)果解釋 398
14．4 多項(xiàng)分類logistic 回歸 404
14．4．1 方法介紹 404
14．4．2 SPSS 操作選項(xiàng)說(shuō)明 406
14．4．3 實(shí)例與結(jié)果解釋 409
第15 章 對(duì)數(shù)線性模型與Poisson 回歸 414
15．1 列聯(lián)表的對(duì)數(shù)線性模型 414
15．1．1 方法介紹 414
15．1．2 實(shí)例與操作 416
15．2 Poisson 回歸 430
15．2．1 基本原理 430
15．2．2 實(shí)例與操作 431
第16 章 生存分析與Cox 模型 435
16．1 常用術(shù)語(yǔ) 435
16．2 非參數(shù)分析 437
16．2．1 壽命表法 437
16．2．2 Kaplan-Meier 法 442
16．3 Cox 回歸模型447
16．3．1 方法介紹 447
16．3．2 實(shí)例與操作 449
16．4 時(shí)間依存變量的處理方法 455
16．4．1 時(shí)間依存變量Cox 模型 455
16．4．2 Cox w/Time-Dep Cov 過(guò)程操作說(shuō)明 457
第17 章 聚類、判別與決策樹(shù)分析 460
17．1 概述 460
17．1．1 聚類分析基礎(chǔ)知識(shí) 460
17．1．2 判別分析基礎(chǔ)知識(shí) 461
17．1．3 SPSS 聚類和判別分析模塊 463
17．2 聚類分析 463
17．2．1 二階段聚類 463
17．2．2 K 中心聚類 468
17．2．3 層次聚類 470
17．3 判別分析 474
17．4 決策樹(shù)分析 481
17．4．1 基本原理 481
17．4．2 決策樹(shù) 490
17．4．3 操作提示 491
17．4．4 結(jié)果解釋 492
第18 章 主成分分析與因子分析 496
18．1 主成分分析 496
18．1．1 概述 496
18．1．2 實(shí)例與操作 498
18．2 因子分析 511
18．2．1 概述 511
18．2．2 實(shí)例與操作 512
18．3 主成分分析與因子分析的聯(lián)系及區(qū)別 518
第19 章 多因素方差分析 520
19．1 隨機(jī)區(qū)組設(shè)計(jì)及其方差分析 520
19．1．1 概述 520
19．1．2 實(shí)例與操作 521
19．2 析因設(shè)計(jì)及其方差分析 525
19．2．1 概述 525
19．2．2 實(shí)例與操作 525
19．3 嵌套設(shè)計(jì)及其方差分析 528
19．3．1 概述 528
19．3．2 實(shí)例與操作 528
19．4 交叉設(shè)計(jì)及其方差分析 530
19．4．1 概述 530
19．4．2 實(shí)例與操作 530
第20 章 重復(fù)測(cè)量與混合效應(yīng)模型 533
20．1 重復(fù)測(cè)量方差分析 533
20．1．1 分層隨機(jī)抽樣重復(fù)測(cè)量數(shù)據(jù) 534
20．1．2 重復(fù)測(cè)量設(shè)計(jì)臨床試驗(yàn)數(shù)據(jù) 546
20．2 線性混合效應(yīng)模型 549
20．2．1 分層隨機(jī)抽樣調(diào)查數(shù)據(jù)的混合效應(yīng)模型分析 549
20．2．2 重復(fù)測(cè)量數(shù)據(jù)的混合效應(yīng)模型分析 555
第21 章 多變量方差分析 560
21．1 單因素設(shè)計(jì)資料的多元方差分析 561
21．1．1 單樣本分析 561
21．1．2 兩樣本單因素設(shè)計(jì)資料 564
21．2 多因素資料的多元方差分析 566
21．2．1 兩因素設(shè)計(jì) 566
21．2．2 配對(duì)設(shè)計(jì)資料的多元方差分析 574
21．2．3 重復(fù)測(cè)量設(shè)計(jì)資料的多元方差分析 576
21．3 典型相關(guān)分析 577
第22 章 廣義線性模型 583
22．1 概述 583
22．1．1 模型的組成 583
22．1．2 常見(jiàn)的幾種廣義線性模型 585
22．1．3 廣義線性模型的三種估計(jì)方程及參數(shù)估計(jì) 585
22．1．4 模型診斷 585
22．2 logistic 回歸 586
22．3 Poisson 對(duì)數(shù)線性模型 594
第23 章 廣義估計(jì)方程 600
23．1 概述 600
23．1．1 廣義估計(jì)方程的基本理論 600
23．1．2 作業(yè)相關(guān)矩陣 602
23．1．3 廣義估計(jì)方程的應(yīng)用 603
23．2 實(shí)例與操作 604
23．2．1 數(shù)據(jù)的一般情況 604
23．2．2 SPSS 操作提示與選項(xiàng)說(shuō)明 604
23．2．3 SPSS 輸出結(jié)果及其解釋 609
第24 章 對(duì)應(yīng)分析與結(jié)合分析 613
24．1 對(duì)應(yīng)分析 613
24．1．1 方法介紹 613
24．1．2 SPSS 操作選項(xiàng)說(shuō)明 616
24．1．3 實(shí)例分析 617
24．1．4 多重對(duì)應(yīng)分析 620
24．2 結(jié)合分析 620
24．2．1 方法介紹 620
24．2．2 SPSS 操作選項(xiàng)說(shuō)明 625
24．2．3 實(shí)例分析 625
第25 章 信度分析 630
25．1 重復(fù)測(cè)量法與分半信度法 631
25．1．1 方法介紹 631
25．1．2 實(shí)例與操作 632
25．2 Cronbach α 系數(shù) 635
25．2．1 方法介紹 635
25．2．2 SPSS 操作選項(xiàng)說(shuō)明 635
25．2．3 實(shí)例描述 637
25．3 Kappa 系數(shù) 638
25．3．1 方法介紹 638
25．3．2 實(shí)例描述 639
25．3．3 操作選項(xiàng)說(shuō)明 640
25．3．4 結(jié)果解釋 641
25．4 Kendall 和諧系數(shù) 642
25．4．1 方法介紹 642
25．4．2 實(shí)例描述 642
25．4．3 SPSS 操作選項(xiàng)說(shuō)明 643
25．4．4 主要結(jié)果 644
第26 章 時(shí)間序列分析 645
26．1 概述 645
26．1．1 時(shí)間序列數(shù)據(jù)及其分析方法 645
26．1．2 時(shí)間序列分析的模型、公式和記號(hào) 646
26．1．3 SPSS 時(shí)間序列分析功能 650
26．2 時(shí)間序列數(shù)據(jù)的預(yù)處理 651
26．2．1 定義日期變量 651
26．2．2 創(chuàng)建時(shí)間序列 653
26．2．3 填補(bǔ)缺失數(shù)據(jù) 658
26．3 指數(shù)平滑法 660
26．3．1 指數(shù)平滑法的原理 660
26．3．2 指數(shù)平滑法的操作 662
26．4 ARIMA 模型 667
26．4．1 概述 667
26．4．2 ARIMA 模型識(shí)別、建模和模型評(píng)價(jià)、預(yù)測(cè) 668
26．4．3 帶有季節(jié)因子的ARIMA 模型 679
26．5 季節(jié)性結(jié)構(gòu)分量模型 680
26．5．1 概述 680
26．5．2 分析實(shí)例 681
第27 章 神經(jīng)網(wǎng)絡(luò)模型 684
27．1 概述 684
27．1．1 模型的組成 684
27．1．2 神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)樣本 686
27．1．3 神經(jīng)網(wǎng)絡(luò)的種類 686
27．2 多層感知器神經(jīng)網(wǎng)絡(luò)模型 687
27．2．1 概述 687
27．2．2 實(shí)例與操作 687
27．3 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型 701
27．3．1 概述 701
27．3．2 實(shí)例與操作 701
附錄A SPSS 函數(shù) 710
附錄B SPSS 統(tǒng)計(jì)分析程序簡(jiǎn)介 717
附錄C 統(tǒng)計(jì)分析方法路徑圖 728
參考文獻(xiàn) 732