第1章 spss綜述
1.1 spss17.0概述
1.1.1 spss17.0特點
1.1.2 spss各版本特性比較
1.2 spss數據的管理
1.2.1 定義變量屬性
1.2.2 個案標識
1.2.3 數據的排序
1.2.4 數據的轉置
1.2.5 數據的重組
1.2.6 數據文件的閤並
1.2.7 數據文件的拆分
1.2.8 數據的分類匯總
1.3 spss數據的預處理
1.3.1 spss錶達式與函數
1.3.2 變量計算
1.3.3 選擇個案
1.3.4 個案計數與加權
1.3.5 個案排秩
1.3.6 數據的重新編碼
1.3.7 spss其他功能
1.4 基本統計分析
1.4.1 基本描述統計量的定義
1.4.2 頻數分析
1.4.3 描述性分析
1.4.4 探索性分析
1.4.5 比率分析
1.4.6 p-p圖
1.4.7 q-q圖
1.4.8 基本統計分析實例
1.5 本章小結
思考題
第2章 假設檢驗
2.1 常用分布及參數估計
2.1.1 幾種與多元正態分布有關的概率分布
2.1.2 參數估計
2.1.3 正態分布的大樣本推斷
2.1.4 樣本容量的確定
2.2 假設檢驗的一般問題
2.2.1 假設檢驗的概念
2.2.2 假設檢驗的基本思想
2.2.3 顯著性水平及兩類錯誤
2.2.4 假設檢驗的步驟
2.3 正態總體參數的假設檢驗
2.3.1 正態總體均值和方差的假設檢驗
2.3.2 總體比率的假設檢驗
2.4 假設檢驗的spss操作
2.4.1 單樣本的t檢驗
2.4.2 兩獨立樣本的t檢驗
2.4.3 兩配對樣本的t檢驗
2.5 假設檢驗實例
2.6 本章小結
思考題
第3章 方差分析
3.1 方差分析的基本原理
3.2 單因素方差分析
3.2.1 數據結構與綫性模型
3.2.2 平方和分解與自由度
3.2.3 顯著性檢驗
3.2.4 多重比較
3.2.5 單因素方差分析的spss操作
3.2.6 單因素方差分析實例
3.3 多因素方差分析
3.3.1 多因素方差分析的分類
3.3.2 無交互作用的多因素方差分析
3.3.3 有交互作用的多因素方差分析
3.3.4 多因素方差分析的spss操作
3.3.5 多因素方差分析實例
3.4 重復測量方差分析
3.4.1 重復測量方差分析的基本原理
3.4.2 重復測量方差分析的spss操作
3.4.3 重復測量方差分析實例
3.5 協方差分析
3.5.1 協方差分析的基本原理
3.5.2 協方差分析的spss操作
3.5.3 協方差分析實例
3.6 本章小結
思考題
第4章 非參數檢驗
4.1 單樣本非參數檢驗
4.1.1 卡方檢驗
4.1.2 二項分布檢驗
4.1.3 遊程檢驗
4.1.4 單樣本k-s檢驗
4.2 兩獨立樣本非參數檢驗
4.2.1 曼-惠特尼u檢驗
4.2.2 moses極端反應檢驗
4.2.3 k-sz檢驗
4.2.4 wald-wolfowitz遊程檢驗
4.3 多獨立樣本非參數檢驗
4.3.1 中位數檢驗
4.3.2 kruskal-wallis檢驗
4.3.3 jonckheere-terpstra檢驗
4.4 兩相關樣本非參數檢驗
4.4.1 mcnemar變化顯著性檢驗
4.4.2 符號檢驗
4.4.3 wilcoxon符號秩檢驗
4.5 多相關樣本非參數檢驗
4.5.1 friedman雙嚮評秩方差檢驗
4.5.2 kendallw協同係數檢驗
4.5.3 cochranq檢驗
4.6 非參數檢驗的spss操作
4.6.1 卡方檢驗
4.6.2 二項分布檢驗
4.6.3 遊程檢驗
4.6.4 單樣本k-s檢驗
4.6.5 兩獨立樣本非參數檢驗
4.6.6 多獨立樣本非參數檢驗
4.6.7 兩相關樣本非參數檢驗
4.6.8 多相關樣本非參數檢驗
4.7 非參數檢驗實例
4.8 本章小結
思考題
第5章 迴歸分析
5.1 迴歸分析的概念和方法
5.1.1 概述
5.1.2 迴歸分析的研究範圍
5.1.3 實際問題建立迴歸模型的過程
5.2 綫性迴歸分析
5.2.1 一元綫性迴歸
5.2.2 多元綫性迴歸
5.2.3 迴歸診斷
5.2.4 多元綫性迴歸的有偏估計
5.2.5 綫性迴歸spss操作全過程
5.2.6 權重估計spss操作全過程
5.2.7 兩階最小二乘法spss操作全過程
5.3 非綫性迴歸分析
5.3.1 可化為綫性迴歸的麯綫迴歸分析
5.3.2 麯綫估計spss操作全過程
5.3.3 多項式迴歸分析
5.3.4 部分最小平方迴歸spss操作全過程
5.3.5 非綫性迴歸分析
5.3.6 非綫性迴歸spss操作全過程
5.4 logistic迴歸分析
5.4.1 自變量中含有定性變量的迴歸模型
5.4.2 處理定性變量的最優尺度迴歸spss操作全過程
5.4.3 邏輯迴歸模型
5.4.4 二元邏輯迴歸spss操作全過程
5.4.5 多項邏輯迴歸spss操作全過程
5.4.6 概率迴歸分析spss操作全過程
5.4.7 有序迴歸分析spss操作全過程
5.5 迴歸分析實例
5.5.1 綫性迴歸實例
5.5.2 非綫性迴歸實例
5.5.3 邏輯迴歸實例
5.6 本章小結
思考題
第6章 聚類分析與判彆分析
6.1 聚類分析和判彆分析的基本原理
6.2 相似性度量
6.2.1 區間變量
6.2.2 二值變量
6.2.3 定序變量
6.3 聚類分析方法
6.3.1 係統聚類法
6.3.2 逐步聚類法
6.3.3 二階聚類法
6.4 聚類分析的spss操作
6.4.1 係統聚類
6.4.2 k-均值聚類
6.4.3 二階聚類
6.5 判彆分析方法
6.5.1 距離判彆
6.5.2 bayes判彆
6.5.3 fisher判彆
6.5.4 判彆分析步驟
6.6 判彆分析的spss操作
6.7 聚類分析和判彆分析實例
6.7.1 聚類分析實例
6.7.2 判彆分析實例
6.8 本章小結
思考題
第7章 主成分分析與因子分析
7.1 主成分分析與因子分析的基本思想
7.2 主成分分析的模型與方法
7.2.1 主成分分析的代數模型與幾何意義
7.2.2 總體的主成分
7.2.3 樣本的主成分
7.3 主成分分析的spss操作
7.4 因子分析的模型與方法
7.4.1 正交因子模型
7.4.2 相關性分析
7.4.3 因子的提取
7.4.4 因子鏇轉
7.4.5 因子得分
7.5 因子分析的spss操作
7.6 主成分分析和因子分析實例
7.6.1 主成分分析實例
7.6.2 因子分析實例
7.7 本章小結
思考題
第8章 對應分析
8.1 列聯錶與列聯錶分析
8.1.1 列聯錶
8.1.2 列聯錶分析
8.2 簡單對應分析的基本原理
8.2.1 行輪廓與列輪廓
8.2.2 總慣量
8.2.3 行列輪廓的坐標
8.2.4 對應分析圖
8.2.5 簡單對應分析的步驟
8.2.6 簡單對應分析的邏輯框圖
8.3 簡單對應分析的spss操作
8.4 多重對應分析及其spss操作
8.4.1 多重對應分析
8.4.2 多重對應分析的基本操作
8.5 對應分析實例
8.6 本章小結
思考題
第9章 時間序列分析
9.1 時間序列的相關概念以及時間序列分析步驟
9.1.1 時間序列與統計學其他分析方法的關係
9.1.2 時間序列的相關概念
9.1.3 時間序列分析原理與分類
9.1.4 時間序列分析一般步驟
9.1.5 spss時間序列分析
9.2 時間序列的數據準備與檢驗
9.2.1 時間序列的數據準備
9.2.2 時間序列的數據檢驗
9.2.3 時間序列的數據圖形化檢驗
9.2.4 時間序列的數據統計量檢驗
9.3 時間序列的數據預處理
9.3.1 時間序列缺失數據的處理
9.3.2 時間序列數據的變換處理
9.4 時間序列的確定性分析
9.4.1 非平穩時間序列的組成要素
9.4.2 平滑法
9.4.3 趨勢分析法
9.4.4 季節性分解法
9.5 時間序列的隨機性分析
9.5.1 適用於平穩性序列的隨機性時間序列模型
9.5.2 適用於非平穩性序列的隨機性時間序列模型
9.5.3 時間序列隨機性分析步驟
9.5.4 arima模型的參數設置
9.6 時間序列模型的spss操作
9.7 spss時間序列的案例分析
9.8 本章小結
思考題
第10章 信度分析
10.1 信度的基本原理
10.1.1 信度的統計學原理
10.1.2 信度影響因素
10.1.3 信度評價指標
10.2 信度分析及其基本方法
10.2.1 信度分析
10.2.2 信度分析的基本方法
10.3 信度分析的spss操作
10.4 信度分析實例
10.4.1 嶁哦認凳ǚ治?
10.4.2 摺半信度係數法分析
10.5 本章小結
思考題
第11章 聯閤分析
11.1 聯閤分析的基本原理
11.2 聯閤分析的步驟
11.2.1 屬性和屬性水平的確定
11.2.2 受測設計
11.2.3 受測體的評價
11.2.4 效用值的估計
11.2.5 效用值的聚集
11.3 聯閤分析的spss操作
11.3.1 生成正交設計
11.3.2 顯示設計
11.3.3 運行聯閤分析
11.4 聯閤分析實例
11.5 本章小結
思考題
第12章 生存分析
12.1 生存分析的基本概念和內容
12.1.1 生存分析的定義
12.1.2 生存分析的基本概念
12.1.3 生存分析的基本內容和方法
12.1.4 spss中的生存分析過程
12.2 壽命錶分析
12.2.1 壽命錶分析的基本原理及步驟
12.2.2 spss中的壽命錶分析過程
12.3 kaplan-meier分析
12.3.1 kaplan-meier分析的基本原理及步驟
12.3.2 spss中的kaplan-meier分析過程
12.4 cox迴歸模型分析
12.4.1 cox迴歸模型的基本形式和原理
12.4.2 spss中的cox迴歸模型分析過程
12.4.3 依時協變量cox迴歸模型的基本原理
12.4.4 spss中的依時協變量cox迴歸模型分析過程
12.5 生存分析實例
12.5.1 壽命錶分析實例
12.5.2 kaplan-meier分析實例
12.5.3 cox迴歸模型分析實例
12.6 本章小結
思考題
第13章 神經網絡分析
13.1 神經網絡的發展曆史以及神經網絡相關概念
13.1.1 時間序列的發展曆史簡介
13.1.2 生物神經元模型
13.1.3 人工神經元模型
13.1.4 spss神經網絡分析
13.2 多層感知器模型
13.2.1 感知器神經元模型
13.2.2 感知器的網絡結構
13.2.3 感知器神經網絡的學習規則
13.2.4 感知器神經網絡的訓練
13.3 徑嚮基函數模型
13.3.1 徑嚮基函數神經網絡結構
13.3.2 徑嚮基函數的學習算法
13.4 神經網絡的spss操作
13.4.1 變量設置
13.4.2 分區設置
13.4.3 體係結構設置
13.4.4 培訓的設置
13.4.5 輸齣的設置
13.4.6 保存的設置
13.4.7 導齣的設置
13.4.8 選項的設置
13.5 spss神經網絡的案例分析
13.5.1 數據準備
13.5.2 數據分析
13.5.3 過程摘要
13.6 本章小結
思考題
第14章 結構方程模型
14.1 結構方程模型概述
14.1.1 結構方程模型方法與統計學其他分析方法的關係
14.1.2 模型方程模型相關概念
14.1.3 結構方程模型原理與基本假定
14.1.4 結構方程模型特性
14.1.5 結構方程模型方法一般步驟
14.2 結構方程模型設定和識彆
14.2.1 結構方程模型設定
14.2.2 結構方程模型識彆
14.2.3 amos模型設定操作
14.3 結構方程模型數據準備
14.3.1 缺失數據的處理
14.3.2 數據的信度與效度
14.3.3 數據文件導入
14.4 結構方程模型參數估計
14.4.1 參數估計常用方法
14.4.2 amos參數估計操作
14.5 結構方程模型評價與修正
14.5.1 參數檢驗
14.5.2 模型整體擬閤評價
14.5.3 模型限製修正
14.5.4 模型擴展修正
14.6 結構方程模型解釋
14.6.1 相關關係
14.6.2 因果關係
14.7 本章小結
思考題
附錄spss函數名及其含義
參考文獻
· · · · · · (收起)