目錄
第一章 導論
一、關於本書各章的簡介
1.變量的測度等級
2.本書所介紹的分析方法的概述
3.本書介紹的統計方法的分類框架
二、在應用統計的研究中,要以研究方法論為指導
1.理論、觀察、統計之間的關係
2.統計研究中的常見謬誤
3.社會科學的研究對象和模型
4.統計分析與理論分析
5.真理性的檢驗與統計檢驗
第二章 多元綫性迴歸
一 變量的關係和迴歸的任務
二 一元綫性迴歸模型
1.一元綫性迴歸方程
2.一元迴歸係數的意義
3.變量變換
4.最小二乘估計的統計性質
5.模型的假設條件
三、多元綫性迴歸模型
1.多元綫性迴歸方程
2.迴歸平麵和迴歸係數的意義
3.一般迴歸模型
4.多元迴歸模型估計的統計推斷
四、方程的解釋能力
1.確定係數R2
2.調整的確定係數R2adj
3.多元相關係數R
4.偏確定係數
5.偏相關係數
6.方差分析
五、迴歸方程的檢驗和迴歸係數的推斷統計
1.迴歸方程的顯著性檢驗
2.迴歸係數的顯著性檢驗
3.迴歸係數的置信區間
4.迴歸係數不顯著的原因
六、標準化迴歸係數
七、迴歸預測的區間估計
1.Y0的區間估計
2.Y0的預測
八、多重共綫性及其解決方法
1.多重共綫性的含義及其影響
2.多重共綫性的檢驗
3.補救多重共綫性影響的辦法
4.最優迴歸方程的選擇
九、虛擬變量的應用
1.虛擬變量的建立
2.虛擬變量迴歸係數的意義
3.采用虛擬變量的迴歸分析的檢驗
4.其他形式的分類變量編碼和應用
附錄 關於SPSSforWindows進行迴歸分析的有關操作
1.SPSS基本操作
2.綫性迴歸的基本操作
3.迴歸分析假設條件的檢查
4.其他迴歸分析指標輸齣
5.要求SPSS輸齣偏迴歸係數的方差協方差矩陣並計算矩陣C
6.將SPSS迴歸結果存成新變量
第三章 因子分析
一、因子分析原理
1.因子分析模型
2.因子分析中的有關概念
3.因子分析的步驟
二、求解初始因子
1.主成分分析法
2.公因子分析法
3.因子求解方法對結果的影響
三、解釋因子
1.正交鏇轉方法
2.斜交鏇轉方法
3.鏇轉方法的選擇
4.解釋因子
四、因子值及其應用
五、用SPSS軟件進行因子分析
1.五xtraction對話框
2.Rotation對話框
3.FactorScores對話框
4.Descriptive對話框
5.Options對話框
第四章 聚類分析
一、聚類分析的主要步驟
1.選擇變量
2.計算相似性
3.聚類
4.聚類結果的解釋和證實
二、相似性測度
1.相關測度
2.距離測度
3.關聯測度
4.數據的標準化問題
三、聚類方法
1.層次聚類法
2.迭代聚類法
3.分類數的確定
4.聚類方法的選擇
四、聚類結果的解釋和證實
五、利用SPSS軟件進行聚類分析
1.HierarchicalCluster
2.k-meansCluster
第五章 通徑分析
一、引言
二、通徑模型的設置
三、遞歸通徑模型與非遞歸通徑模型
1.遞歸通徑模型
2.非遞歸通徑模型
3.遞歸通徑模型分析的假設條件
四、分解簡單迴歸係數的通徑分析
1.計算一個變量對最終反應變量(ultimateresponsevariable)
的各種影響
2.以不同通徑傳遞的間接影響
3.在控製某些變量的條件下的總影響的分解工作
4.標準化與非標準化的通徑係數
5.用列錶法報告各種影響作用分解
五、分解簡單相關係數的通徑分析
六、通徑模型的調試與檢驗
1.通徑模型的調試
2.通徑模型的識彆
3.對過度識彆的通徑模型的整體檢驗方法
第六章logistic迴歸
一、引言
二、從多元綫性迴歸到logistic迴歸
1.多元綫性迴歸中使用定性因變量嚴重違反本身假設條件
2.綫性概率模型及其間題
三、logistic迴歸模型的建立
1.logistic函數及其性質
2.logistic迴歸模型因變量的不同形式
四、logistic迴歸係數的意義
1.以1ogitp方程的綫性錶達式來解釋迴歸係數
2.以發生比Ω的指數錶達式來解釋迴歸係數
3.幾種特殊情況的討論
4.標準化的logistic迴歸係數
五、logistic模型各參數估計的評價及統計檢驗
1.對於整體模型的檢驗
2.迴歸係數的檢驗
3.係數子集的聯閤假設檢驗
六、示範例題
1.對兩個自變量同時納入模型進行迴歸
2.兩個自變量並加上交互作用項的迴歸
3.自變量組分步納入的迴歸
4.自動選擇顯著自變量的分析
第七章 對數綫性模型
一、從常規交互錶分析到對數綫性模型分析
1.傳統交互錶分析的缺點
2.對數綫性模型的發展
二、對數綫性模型的基本原理
1.例1分析模型的背景情況
2.交互錶單元頻數的對數綫性模型化
3.對數綫性模型參數估計值的理解
4.對數綫性模型的統計檢驗
5.logit模型分析
三、兩種不同類型的輸入數據格式及本章例題數據
1.以交互單元為記錄的數據及SPSS中要求加權的操作
2.以原始案例為記錄的數據
四、SPSS對數綫性模型分析各種功能的介紹
1.選用不同模型
2.設置模型中變量
3.定義模型中的項目
4.設置Delta值和參照組類彆
5.設置輸齣類型
6.在分層模型分析中增設自動篩選顯著效應項
7.對於SPSS對數綫性模型各主要功能的歸納
五、例2分析,
1.對於例2飽和模型的分層檢驗及篩選齣重要效應項
2.采用一般模型來取得例2簡約模型的參數估計
3.對例2簡約logit模型參數估計的分析
第八章 多元方差分析
一、簡介多元方差分析與一元方差分析的關係
1.從t檢驗到一元方差分析
2.從一元方差分析到多元方差分析
二、多元方差分析的數據要求和假設條件
三、例題數據及三個分析模型
四、第一模型:單因素二元模型
1.SPSS多元方差分析中單因素模型及其他檢查的設置
2.第一模型分析輸齣的結果及討論
3.多元方差分析假設條件的檢查
4.關於第一模型分析的小結
五、多元方差分析與一元方差分析區彆的圖示說明
六、第二模型:雙因素二元飽和模型
1.SPSS多元方差分析中多因素飽和模型的設置
2.第二模型分析輸齣的結果及討論
七、第三模型:雙因素二元非飽和模型
1.SPSS多元方差分析中多因素非飽和模型的設置
2.第三模型分析輸齣的結果及討論
第九章 鑒彆分析
一、鑒彆分析的假設條件和基本模型
1.鑒彆分析的假設條件
2.鑒彆分析的基本模型
二、關於例題
三、鑒彆分析模型的各參數指標及統計檢驗
1.非標準化鑒彆係數
2.標準化鑒彆係數
3.結構係數
4.分組的矩心
5.鑒彆力指數
6.殘餘鑒彆力
7.Fisher鑒彆係數
四、用SPSS進行鑒彆分析的程序
1.SPSS鑒彆分析數據格式
2.利用SPSS菜單定義鑒彆模型及各項參數
3.SPSS鑒彆分析結果的輸齣格式
第十章 典型相關分析
一、典型相關分析思路的簡介
二、典型相關模型的基本假設和數據要求
三、應用SPSS軟件進行典型相關分析
1.使用SPSS附帶的典型相關分析命令程序進行分析
2.用SPSS中MANOVA菜單進行典型相關分析
3.關於兩種操作方法可能取得某些統計指標的不同結果的
討論
四、典型相關分析的統計指標
1.典型相關係數
2.典型相關係數的平方
3.特徵值及其他有關指標
4.檢驗典型相關係數
5.典型係數
6.典型負載係數
7.交叉負載係數
8.變式對本組觀測變量總方差的代錶比例
9.冗餘指數
五、關於典型冗餘分析的討論
六、例題分析
第十一章 結構方程模型
一、應用結構方程模型分析的五個主要步驟
二、模型的設定
三、模型的識彆
四、模型估計
五、模型評價
六、模型的修正
七、LISREL模型使用的示範
附錄 例題的小樣本及有關統計軟件應用的說明
1.LISREL第8版軟件應用操作的簡介
2.LISREL命令程序及有關說明
3.在SPSS中進行prelis和lisrel統計分析
第十二章 事件史分析
一、什麼是事件史分析
1.傳統OLS迴歸模型的局限性
2.事件史分析概述
3.刪截的類型
4.一些統計關係
5.估計生存函數的Kaplan-Meyer方法
二、事件曆史分析模型
1.離散時間Logit模型
2.Cox比例風險模型
3.其他一些連續時間模型
4.關於模型的選擇
三、事件史分析的四個例子
1.關於職位晉升的假設例子――離散時間風險模型
2.研究初育間隔的假設例子――Cox比例風險模型
3.省際遷移的離散時間風險模型實例分析
4.初育間隔的Cox比例風險模型實例分析
四、需要注意的問題
附錄
第十三章 使用SPSS軟件對事件史原始數據進行預處理
一、輸入數據類型
1.用變量編排時間信息,時間變量的個數隨案例而變化
2.用個數相等的時間變量編排時間信息並以編碼標誌事件
發生
3.用記錄編排的時間信息、時間記錄不等量
4.用記錄編排時間信息、等量的時間變量
二、明確時間信息數據的處理
1.例1:對第一類數據(需計算各風險期長度)的改造
2.例2:對第一類數據(各風險期長度已知)的改造
3.例3:對風險期案例的條件性選擇及統計
三、隱含時間信息數據的處理
1.例4:對第二類數據的改造
2.例5:將第二類數據改造為含動態變量的離散時間模型
數據
四、討論
第十四章 對應分析
一、什麼是對應分析
1.對應分析的概念與基本形式
2.有關多元對應分析
3.對應分析的基本思路
4.對應分析方法的優點
5.對應分析方法的局限性
二、對應分析的假設條件
1.被調查者迴答問題時並不都從同一角度(或稱維度)作齣
判斷
2.所有被調查者對於某一維度重要性的評價不必一樣
3.被調查者的評判角度和看法可以改變
三、使用SPSS統計軟件進行對應分析
四、對應分析示例
五、另一個示例:兩個變量類彆數都超過三類
附錄 關於用Exc,l軟件取得統計檢驗臨界值的方法
附錶1:Durbin-Watson檢驗錶(α=0.05)
附錶2:Durbin-Watson 檢驗錶(α=0.01)
· · · · · · (
收起)