SPSS统计分析方法及应用（第4版）pdf

SPSS统计分析方法及应用（第4版） 作者：薛薇

SPSS统计分析方法及应用（第4版） 出版社： 电子工业出版社

SPSS统计分析方法及应用（第4版） 内容简介

本书是北京市高等教育精品教材。全书以统计分析的应用需求为主线，以通俗易懂的语言对SPSS中主要统计分析方法的核心思想进行系统的介绍，并对其在SPSS中的操作实现步骤进行详尽说明，同时配合应用案例分析，使读者能够较快领会方法的要点，掌握方法的实现操作，明确方法的适用特点。本书克服了SPSS手册类教材只注重操作说明而忽略原理讲解的不足，同时弥补了统计专业教材只注重原理述论而缺乏实现工具的缺憾，是一本特色鲜明、具有广泛使用价值的精品教材。

SPSS统计分析方法及应用（第4版） 目录

第1章 SPSS统计分析软件概述

1．1 SPSS使用基础

1．1．1 SPSS的基本窗口

1．1．2 SPSS软件的退出

1．2 SPSS的基本运行方式

1．2．1 窗口菜单方式

1．2．2 程序运行方式

1．2．3 混合运行方式

1．3 利用SPSS进行数据分析的基本步骤

1．3．1 数据分析的一般步骤

1．3．2 利用SPSS进行数据分析的一般步骤

第2章 SPSS数据文件的建立和管理

2．1 SPSS数据文件

2．1．1 SPSS数据文件的特点

2．1．2 SPSS数据的基本组织方式

2．2 SPSS数据的结构和定义方法

2．2．1 变量名

2．2．2 变量类型、宽度、列宽度

2．2．3 变量名标签

2．2．4 变量值标签

2．2．5 缺失值

2．2．6 计量尺度

2．2．7 结构定义的基本操作

2．3 SPSS结构定义的应用案例

2．4 SPSS数据的录入与编辑

2．4．1 SPSS数据的录入

2．4．2 SPSS数据的编辑

2．5 SPSS数据的保存

2．5．1 SPSS支持的数据格式

2．5．2 保存SPSS数据的基本操作

2．6 读取其他格式的数据文件

2．6．1 直接读入其他格式的数据文件

2．6．2 使用文本向导读入文本文件

2．6．3 使用数据库向导读入数据

2．7 SPSS数据文件合并

2．7．1 纵向合并数据文件

2．7．2 横向合并数据文件

第3章 SPSS数据的预处理

3．1 数据的排序

3．1．1 数据排序的目的

3．1．2 数据排序的基本操作

3．1．3 数据排序的应用举例

3．2 变量计算

3．2．1 变量计算的目的

3．2．2 SPSS算术表达式

3．2．3 SPSS条件表达式

3．2．4 SPSS函数

3．2．5 变量计算的基本操作

3．2．6 变量计算的应用举例

3．3 数据选取

3．3．1 数据选取的目的

3．3．2 数据选取

3．3．3 数据选取的基本操作

3．3．4 数据抽样的应用举例

3．4 计数

3．4．1 计数目的

3．4．2 计数区间

3．4．3 计数的基本操作

3．4．4 计数的应用举例

3．5 分类汇总

3．5．1 分类汇总的目的

3．5．2 分类汇总的基本操作

3．5．3 分类汇总的应用举例

3．6 数据分组

3．6．1 数据分组的目的

3．6．2 SPSS的单变量值分组

3．6．3 SPSS的组距分组

3．6．4 SPSS的分位数分组

3．7 数据预处理的其他功能

3．7．1 数据转置

3．7．2 加权处理

3．7．3 数据拆分

第4章 SPSS基本统计分析

4．1 频数分析

4．1．1 频数分析的目的和基本任务

4．1．2 频数分析的基本操作

4．1．3 SPSS频数分析的扩展功能

4．1．4 频数分析的应用举例

4．2 计算基本描述统计量

4．2．1 基本描述统计量

4．2．2 计算基本描述统计量的基本操作

4．2．3 计算基本描述统计量的应用举例

4．3 交叉分组下的频数分析

4．3．1 交叉分组下频数分析的目的和基本任务

4．3．2 交叉列联表的主要内容

4．3．3 交叉列联表行列变量间关系的分析

4．3．4 交叉分组下的频数分析基本操作

4．3．5 交叉分组下的频数分析应用举例

4．3．6 SPSS中列联表分析的其他方法

4．4 多选项分析

4．4．1 多选项分析的目的

4．4．2 多选项分析的基本操作

4．4．3 多选项分析的应用举例

4．5 比率分析

4．5．1 比率分析的目的和主要指标

4．5．2 比率分析的基本步骤

4．5．3 比率分析的应用举例

第5章 SPSS的参数检验

5．1 参数检验概述

5．1．1 推断统计与参数检验

5．1．2 假设检验的基本思想

5．1．3 假设检验的基本步骤

5．2 单样本t检验

5．2．1 单样本t检验的目的

5．2．2 单样本t检验的基本步骤

5．2．3 单样本t检验的基本操作

5．2．4 单样本t检验的应用举例

5．3 两独立样本t检验

5．3．1 两独立样本t检验的目的

5．3．2 两独立样本t检验的基本步骤

5．3．3 两独立样本t检验的基本操作

5．3．4 两独立样本t检验的应用举例

5．4 两配对样本t检验

5．4．1 两配对样本t检验的目的

5．4．2 两配对样本t检验的基本步骤

5．4．3 两配对样本t检验的基本操作

5．4．4 两配对样本t检验的应用举例

第6章 SPSS的方差分析

6．1 方差分析概述

6．2 单因素方差分析

6．2．1 单因素方差分析的基本思想

6．2．2 单因素方差分析的数学模型

6．2．3 单因素方差分析的基本步骤

6．2．4 单因素方差分析的基本操作

6．2．5 单因素方差的应用举例

6．2．6 单因素方差分析的进一步分析

6．2．7 单因素方差应用举例的进一步分析

6．3 多因素方差分析

6．3．1 多因素方差分析的基本思想

6．3．2 多因素方差分析的数学模型

6．3．3 多因素方差分析的基本步骤

6．3．4 多因素方差分析的基本操作

6．3．5 多因素方差分析的应用举例

6．3．6 多因素方差分析的进一步分析

6．3．7 多因素方差分析应用举例的进一步分析

6．4 协方差分析

6．4．1 协方差分析的基本思路

6．4．2 协方差分析的数学模型

6．4．3 协方差分析的基本操作

6．4．4 协方差分析的应用举例

第7章 SPSS的非参数检验

7．1 单样本的非参数检验

7．1．1 总体分布的卡方检验

7．1．2 二项分布检验

7．1．3 单样本KS检验

7．1．4 变量值随机性检验

7．2 两独立样本的非参数检验

7．2．1 两独立样本的曼惠特尼U检验（MannWhitney U）

7．2．2 两独立样本的KS检验

7．2．3 两独立样本的游程检验（WaldWolfwitz Runs）

7．2．4 极端反应检验（Moses Extreme Reactions）

7．2．5 两独立样本非参数检验的基本操作

7．2．6 两独立样本非参数检验的应用举例

7．3 多独立样本的非参数检验

7．3．1 中位数检验

7．3．2 多独立样本的KruskalWallis检验

7．3．3 多独立样本的JonckheereTerpstra检验

7．3．4 多独立样本非参数检验的基本操作

7．3．5 多独立样本非参数检验的应用举例

7．4 两配对样本的非参数检验

7．4．1 两配对样本的McNemar检验

7．4．2 两配对样本的符号检验

7．4．3 两配对样本Wilcoxon符号秩检验

7．4．4 两配对样本非参数检验的基本操作

7．4．5 两配对样本非参数检验的应用举例

7．5 多配对样本的非参数检验

7．5．1 多配对样本的Friedman检验

7．5．2 多配对样本的Cochran Q检验

7．5．3 多配对样本的Kendall协同系数检验

7．5．4 多配对样本非参数检验的基本操作

7．5．5 多配对样本非参数检验的应用举例

第8章 SPSS的相关分析和线性回归分析

8．1 相关分析和回归分析概述

8．2 相关分析

8．2．1 散点图

8．2．2 相关系数

8．2．3 相关分析应用举例

8．3 偏相关分析

8．3．1 偏相关分析和偏相关系数

8．3．2 偏相关分析的基本操作

8．3．3 偏相关分析的应用举例

8．4 回归分析

8．4．1 回归分析概述

8．4．2 线性回归模型

8．4．3 回归参数的普通小二乘估计

8．4．4 回归方程的统计检验

8．4．5 多元回归分析中的其他问题

8．4．6 线性回归分析的基本操作

8．4．7 线性回归分析的其他操作

8．4．8 线性回归分析的应用举例

8．5 曲线估计

8．5．1 曲线估计概述

8．5．2 曲线估计的基本操作

8．5．3 曲线估计的应用举例

第9章 SPSS的Logistic回归分析

9．1 Logistic回归分析概述

9．2 二项Logistic回归分析

9．2．1 二项Logistic回归方程

9．2．2 二项Logistic回归方程系数的含义

9．2．3 二项Logistic回归方程的检验

9．2．4 二项Logistic回归分析中的虚拟自变量

9．3 二项Logistic回归分析的应用

9．3．1 二项Logistic回归分析的基本操作

9．3．2 二项Logistic回归分析的其他操作

9．3．3 二项Logistic回归应用示例

9．4 多项Logistic回归分析

9．4．1 多项Logistic回归分析概述

9．4．2 多项Logistic回归分析的基本操作和应用

9．4．3 多项Logistic回归分析的其他操作和应用

9．5 多项有序回归分析

9．5．1 多项有序回归分析概述

9．5．2 多项有序回归分析的基本操作和应用

第10章 SPSS的聚类分析

10．1 聚类分析的一般问题

10．1．1 聚类分析的意义

10．1．2 聚类分析中“亲疏程度”的度量方法

10．1．3 聚类分析几点说明

10．2 层次聚类

10．2．1 层次聚类的两种类型和两种方式

10．2．2 个体与小类、小类与小类间“亲疏程度”的度量方法

10．2．3 层次聚类的基本操作

10．2．4 层次聚类的应用举例

10．3 KMeans聚类

10．3．1 KMeans聚类分析的核心步骤

10．3．2 KMeans聚类分析的基本操作

10．3．3 KMeans聚类分析的应用举例

第11章 SPSS的因子分析

11．1 因子分析概述

11．1．1 因子分析的意义

11．1．2 因子分析的数学模型和相关概念

11．2 因子分析的基本内容

11．2．1 因子分析的基本步骤

11．2．2 因子分析的前提条件

11．2．3 因子提取和因子载荷矩阵的求解

11．2．4 因子的命名

11．2．5 计算因子得分

11．3 因子分析的基本操作及案例

11．3．1 因子分析的基本操作

11．3．2 因子分析的应用举例

第12章 SPSS的对应分析

12．1 对应分析概述

12．1．1 对应分析的提出

12．1．2 对应分析的基本思想

12．2 对应分析的基本步骤

12．3 对应分析的基本操作及案例

12．3．1 对应分析的基本操作

12．3．2 对应分析的应用举例

第13章 SPSS的判别分析

13．1 判别分析概述

13．2 距离判别法

13．2．1 距离判别的基本思路

13．2．2 判别函数的计算

13．3 Fisher判别法

13．3．1 Fisher判别的基本思路

13．3．2 Fisher判别的计算

13．4 贝叶斯判别法

13．4．1 贝叶斯判别的基本思路

13．4．2 贝叶斯判别的计算

13．5 判别分析的基本操作及案例

13．5．1 判别分析的基本操作

13．5．2 判别分析的准备工作：均值检验和协差阵齐性检验

13．5．3 解读判别结果

第14章 SPSS的信度分析

14．1 信度分析概述

14．1．1 信度分析的提出

14．1．2 信度分析的基本原理

14．2 信度分析的基本操作及案例

14．2．1 信度分析的基本操作

14．2．2 信度分析的应用举例

第15章 SPSS的一般对数线性分析模型

15．1 一般对数线性分析模型概述

15．1．1 模型的提出

15．1．2 基本概念和基本思路

15．2 饱和模型和非饱和层次对数线性模型

15．2．1 饱和模型和参数估计

15．2．2 饱和模型检验

15．2．3 非饱和层次模型

15．2．4 建立饱和模型和非饱和层次对数线性模型的基本操作

15．2．5 饱和模型和非饱和层次对数线性模型的应用举例

15．3 一般对数线性模型

15．3．1 一般对数线性模型的概述

15．3．2 建立一般对数线性模型的基本操作

15．3．3 一般对数线性模型的应用举例

15．4 Logit对数线性模型

15．4．1 Logit对数线性模型的概述

15．4．2 Logit对数线性模型的应用举例

第16章 SPSS的时间序列分析

16．1 时间序列分析概述

16．1．1 时间序列的相关概念

16．1．2 时间序列分析的一般步骤

16．1．3 SPSS时间序列分析的特点

16．2 数据准备

16．3 时间序列的图形化观察及检验

16．3． 1 时间序列的图形化观察及检验目的

16．3．2 时间序列的图形化观察工具

16．3．3 时间序列的检验方法

16．3．4 时间序列的图形化观察的基本操作和应用举例

16．4 时间序列的预处理

16．4．1 时间序列预处理的目的和主要方法

16．4．2 时间序列预处理的基本操作

16．5 时间序列的简单回归分析法和趋势外推法

16．5．1 简单回归分析法和趋势外推法概述

16．5．2 简单回归分析法和趋势外推法应用举例

16．6 指数平滑法

16．6．1 指数平滑法的基本思想

16．6．2 指数平滑法的模型

16．6．3 指数平滑法的基本操作

16．6．4 指数平滑法的应用举例

16．7 ARIMA模型分析

16．7．1 ARIMA分析的基本思想和模型

16．7．2 ARIMA分析的基本操作

16．7．3 ARIMA分析的应用举例

16．8 季节调整法

16．8．1 季节调整法的基本思想和模型

16．8．2 季节调整法的基本操作

16．8．3 季节调整法的应用举例

SPSS统计分析方法及应用（第4版） 精彩文摘

10.1.1聚类分析的意义

聚类分析是统计学中研究“物以类聚”问题的多元统计分析方法。聚类分析在统计分析的应用领域已经得到了极为广泛的应用。

“物以类聚”问题在经济社会研究中十分常见。例如，市场营销中的市场细分和客户细分问题。大型商厦收集到客户人口特征、消费行为和喜好方面的数据，并希望对这些客户进行特征分析。可从客户分类人手，根据客户的年龄、职业、收入、消费金额、消费频率、喜好等方面进行单变量或多变量的客户分组。这种分组是极为常见的客户细分方式，但存在的不足是客户群划分带有明显的主观色彩，需要有丰富的行业经验才能得到比较合理和理想的客户细分，否则得到的分组可能无法充分反映和展现客户的特点，主要表现在，同一客户细分段中的客户在某些特征方面并不相似，而不同客户细分段中的客户在某些特征方面却又很相似。因此，这种客户细分并没有真正起到划分客户群的作用。为解决该问题，希望从数据自身出发，充分利用数据进行客户的客观分组，使诸多特征有相似性的客户被分在同一组，而不相似的客户被区分到另一些组中。这时便可采用聚类分析方法。