SPSS統(tǒng)計(jì)分析方法及應(yīng)用（第4版）

第1章 SPSS統(tǒng)計(jì)分析軟件概述 1.1 SPSS使用基礎(chǔ) 1.1.1 SPSS的基本窗口 1.1.2 SPSS軟件的退出 1.2 SPSS的基本運(yùn)行方式 1.2.1 窗口菜單方式 1.2.2 程序運(yùn)行方式 1.2.3 混合運(yùn)行方式 1.3 利用SPSS進(jìn)行數(shù)據(jù)分析的基本步驟 1.3.1 數(shù)據(jù)分析的一般步驟 1.3.2 利用SPSS進(jìn)行數(shù)據(jù)分析的一般步驟 第2章 SPSS數(shù)據(jù)文件的建立和管理 2.1 SPSS數(shù)據(jù)文件 2.1.1 SPSS數(shù)據(jù)文件的特點(diǎn) 2.1.2 SPSS數(shù)據(jù)的基本組織方式 2.2 SPSS數(shù)據(jù)的結(jié)構(gòu)和定義方法 2.2.1 變量名 2.2.2 變量類型、寬度、列寬度 2.2.3 變量名標(biāo)簽 2.2.4 變量值標(biāo)簽 2.2.5 缺失值 2.2.6 計(jì)量尺度 2.2.7 結(jié)構(gòu)定義的基本操作 2.3 SPSS結(jié)構(gòu)定義的應(yīng)用案例 2.4 SPSS數(shù)據(jù)的錄入與編輯 2.4.1 SPSS數(shù)據(jù)的錄入 2.4.2 SPSS數(shù)據(jù)的編輯 2.5 SPSS數(shù)據(jù)的保存 2.5.1 SPSS支持的數(shù)據(jù)格式 2.5.2 保存SPSS數(shù)據(jù)的基本操作 2.6 讀取其他格式的數(shù)據(jù)文件 2.6.1 直接讀入其他格式的數(shù)據(jù)文件 2.6.2 使用文本向?qū)ёx入文本文件 2.6.3 使用數(shù)據(jù)庫向?qū)ёx入數(shù)據(jù) 2.7 SPSS數(shù)據(jù)文件合并 2.7.1 縱向合并數(shù)據(jù)文件 2.7.2 橫向合并數(shù)據(jù)文件 第3章 SPSS數(shù)據(jù)的預(yù)處理 3.1 數(shù)據(jù)的排序 3.1.1 數(shù)據(jù)排序的目的 3.1.2 數(shù)據(jù)排序的基本操作 3.1.3 數(shù)據(jù)排序的應(yīng)用舉例 3.2 變量計(jì)算 3.2.1 變量計(jì)算的目的 3.2.2 SPSS算術(shù)表達(dá)式 3.2.3 SPSS條件表達(dá)式 3.2.4 SPSS函數(shù) 3.2.5 變量計(jì)算的基本操作 3.2.6 變量計(jì)算的應(yīng)用舉例 3.3 數(shù)據(jù)選取 3.3.1 數(shù)據(jù)選取的目的 3.3.2 數(shù)據(jù)選取 3.3.3 數(shù)據(jù)選取的基本操作 3.3.4 數(shù)據(jù)抽樣的應(yīng)用舉例 3.4 計(jì)數(shù) 3.4.1 計(jì)數(shù)目的 3.4.2 計(jì)數(shù)區(qū)間 3.4.3 計(jì)數(shù)的基本操作 3.4.4 計(jì)數(shù)的應(yīng)用舉例 3.5 分類匯總 3.5.1 分類匯總的目的 3.5.2 分類匯總的基本操作 3.5.3 分類匯總的應(yīng)用舉例 3.6 數(shù)據(jù)分組 3.6.1 數(shù)據(jù)分組的目的 3.6.2 SPSS的單變量值分組 3.6.3 SPSS的組距分組 3.6.4 SPSS的分位數(shù)分組 3.7 數(shù)據(jù)預(yù)處理的其他功能 3.7.1 數(shù)據(jù)轉(zhuǎn)置 3.7.2 加權(quán)處理 3.7.3 數(shù)據(jù)拆分 第4章 SPSS基本統(tǒng)計(jì)分析 4.1 頻數(shù)分析 4.1.1 頻數(shù)分析的目的和基本任務(wù) 4.1.2 頻數(shù)分析的基本操作 4.1.3 SPSS頻數(shù)分析的擴(kuò)展功能 4.1.4 頻數(shù)分析的應(yīng)用舉例 4.2 計(jì)算基本描述統(tǒng)計(jì)量 4.2.1 基本描述統(tǒng)計(jì)量 4.2.2 計(jì)算基本描述統(tǒng)計(jì)量的基本操作 4.2.3 計(jì)算基本描述統(tǒng)計(jì)量的應(yīng)用舉例 4.3 交叉分組下的頻數(shù)分析 4.3.1 交叉分組下頻數(shù)分析的目的和基本任務(wù) 4.3.2 交叉列聯(lián)表的主要內(nèi)容 4.3.3 交叉列聯(lián)表行列變量間關(guān)系的分析 4.3.4 交叉分組下的頻數(shù)分析基本操作 4.3.5 交叉分組下的頻數(shù)分析應(yīng)用舉例 4.3.6 SPSS中列聯(lián)表分析的其他方法 4.4 多選項(xiàng)分析 4.4.1 多選項(xiàng)分析的目的 4.4.2 多選項(xiàng)分析的基本操作 4.4.3 多選項(xiàng)分析的應(yīng)用舉例 4.5 比率分析 4.5.1 比率分析的目的和主要指標(biāo) 4.5.2 比率分析的基本步驟 4.5.3 比率分析的應(yīng)用舉例 第5章 SPSS的參數(shù)檢驗(yàn) 5.1 參數(shù)檢驗(yàn)概述 5.1.1 推斷統(tǒng)計(jì)與參數(shù)檢驗(yàn) 5.1.2 假設(shè)檢驗(yàn)的基本思想 5.1.3 假設(shè)檢驗(yàn)的基本步驟 5.2 單樣本t檢驗(yàn) 5.2.1 單樣本t檢驗(yàn)的目的 5.2.2 單樣本t檢驗(yàn)的基本步驟 5.2.3 單樣本t檢驗(yàn)的基本操作 5.2.4 單樣本t檢驗(yàn)的應(yīng)用舉例 5.3 兩獨(dú)立樣本t檢驗(yàn) 5.3.1 兩獨(dú)立樣本t檢驗(yàn)的目的 5.3.2 兩獨(dú)立樣本t檢驗(yàn)的基本步驟 5.3.3 兩獨(dú)立樣本t檢驗(yàn)的基本操作 5.3.4 兩獨(dú)立樣本t檢驗(yàn)的應(yīng)用舉例 5.4 兩配對樣本t檢驗(yàn) 5.4.1 兩配對樣本t檢驗(yàn)的目的 5.4.2 兩配對樣本t檢驗(yàn)的基本步驟 5.4.3 兩配對樣本t檢驗(yàn)的基本操作 5.4.4 兩配對樣本t檢驗(yàn)的應(yīng)用舉例 第6章 SPSS的方差分析 6.1 方差分析概述 6.2 單因素方差分析 6.2.1 單因素方差分析的基本思想 6.2.2 單因素方差分析的數(shù)學(xué)模型 6.2.3 單因素方差分析的基本步驟 6.2.4 單因素方差分析的基本操作 6.2.5 單因素方差的應(yīng)用舉例 6.2.6 單因素方差分析的進(jìn)一步分析 6.2.7 單因素方差應(yīng)用舉例的進(jìn)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 多因素方差分析的數(shù)學(xué)模型 6.3.3 多因素方差分析的基本步驟 6.3.4 多因素方差分析的基本操作 6.3.5 多因素方差分析的應(yīng)用舉例 6.3.6 多因素方差分析的進(jìn)一步分析 6.3.7 多因素方差分析應(yīng)用舉例的進(jìn)一步分析 6.4 協(xié)方差分析 6.4.1 協(xié)方差分析的基本思路 6.4.2 協(xié)方差分析的數(shù)學(xué)模型 6.4.3 協(xié)方差分析的基本操作 6.4.4 協(xié)方差分析的應(yīng)用舉例 第7章 SPSS的非參數(shù)檢驗(yàn) 7.1 單樣本的非參數(shù)檢驗(yàn) 7.1.1 總體分布的卡方檢驗(yàn) 7.1.2 二項(xiàng)分布檢驗(yàn) 7.1.3 單樣本KS檢驗(yàn) 7.1.4 變量值隨機(jī)性檢驗(yàn) 7.2 兩獨(dú)立樣本的非參數(shù)檢驗(yàn) 7.2.1 兩獨(dú)立樣本的曼惠特尼U檢驗(yàn)（MannWhitney U） 7.2.2 兩獨(dú)立樣本的KS檢驗(yàn) 7.2.3 兩獨(dú)立樣本的游程檢驗(yàn)（WaldWolfwitz Runs） 7.2.4 極端反應(yīng)檢驗(yàn)(Moses Extreme Reactions) 7.2.5 兩獨(dú)立樣本非參數(shù)檢驗(yàn)的基本操作 7.2.6 兩獨(dú)立樣本非參數(shù)檢驗(yàn)的應(yīng)用舉例 7.3 多獨(dú)立樣本的非參數(shù)檢驗(yàn) 7.3.1 中位數(shù)檢驗(yàn) 7.3.2 多獨(dú)立樣本的KruskalWallis檢驗(yàn) 7.3.3 多獨(dú)立樣本的JonckheereTerpstra檢驗(yàn) 7.3.4 多獨(dú)立樣本非參數(shù)檢驗(yàn)的基本操作 7.3.5 多獨(dú)立樣本非參數(shù)檢驗(yàn)的應(yīng)用舉例 7.4 兩配對樣本的非參數(shù)檢驗(yàn) 7.4.1 兩配對樣本的McNemar檢驗(yàn) 7.4.2 兩配對樣本的符號檢驗(yàn) 7.4.3 兩配對樣本W(wǎng)ilcoxon符號秩檢驗(yàn) 7.4.4 兩配對樣本非參數(shù)檢驗(yàn)的基本操作 7.4.5 兩配對樣本非參數(shù)檢驗(yàn)的應(yīng)用舉例 7.5 多配對樣本的非參數(shù)檢驗(yàn) 7.5.1 多配對樣本的Friedman檢驗(yàn) 7.5.2 多配對樣本的Cochran Q檢驗(yàn) 7.5.3 多配對樣本的Kendall協(xié)同系數(shù)檢驗(yàn) 7.5.4 多配對樣本非參數(shù)檢驗(yàn)的基本操作 7.5.5 多配對樣本非參數(shù)檢驗(yàn)的應(yīng)用舉例 第8章 SPSS的相關(guān)分析和線性回歸分析 8.1 相關(guān)分析和回歸分析概述 8.2 相關(guān)分析 8.2.1 散點(diǎn)圖 8.2.2 相關(guān)系數(shù) 8.2.3 相關(guān)分析應(yīng)用舉例 8.3 偏相關(guān)分析 8.3.1 偏相關(guān)分析和偏相關(guān)系數(shù) 8.3.2 偏相關(guān)分析的基本操作 8.3.3 偏相關(guān)分析的應(yīng)用舉例 8.4 回歸分析 8.4.1 回歸分析概述 8.4.2 線性回歸模型 8.4.3 回歸參數(shù)的普通最小二乘估計(jì) 8.4.4 回歸方程的統(tǒng)計(jì)檢驗(yàn) 8.4.5 多元回歸分析中的其他問題 8.4.6 線性回歸分析的基本操作 8.4.7 線性回歸分析的其他操作 8.4.8 線性回歸分析的應(yīng)用舉例 8.5 曲線估計(jì) 8.5.1 曲線估計(jì)概述 8.5.2 曲線估計(jì)的基本操作 8.5.3 曲線估計(jì)的應(yīng)用舉例 第9章 SPSS的Logistic回歸分析 9.1 Logistic回歸分析概述 9.2 二項(xiàng)Logistic回歸分析 9.2.1 二項(xiàng)Logistic回歸方程 9.2.2 二項(xiàng)Logistic回歸方程系數(shù)的含義 9.2.3 二項(xiàng)Logistic回歸方程的檢驗(yàn) 9.2.4 二項(xiàng)Logistic回歸分析中的虛擬自變量 9.3 二項(xiàng)Logistic回歸分析的應(yīng)用 9.3.1 二項(xiàng)Logistic回歸分析的基本操作 9.3.2 二項(xiàng)Logistic回歸分析的其他操作 9.3.3 二項(xiàng)Logistic回歸應(yīng)用示例 9.4 多項(xiàng)Logistic回歸分析 9.4.1 多項(xiàng)Logistic回歸分析概述 9.4.2 多項(xiàng)Logistic回歸分析的基本操作和應(yīng)用 9.4.3 多項(xiàng)Logistic回歸分析的其他操作和應(yīng)用 9.5 多項(xiàng)有序回歸分析 9.5.1 多項(xiàng)有序回歸分析概述 9.5.2 多項(xiàng)有序回歸分析的基本操作和應(yīng)用 第10章 SPSS的聚類分析 10.1 聚類分析的一般問題 10.1.1 聚類分析的意義 10.1.2 聚類分析中“親疏程度”的度量方法 10.1.3 聚類分析幾點(diǎn)說明 10.2 層次聚類 10.2.1 層次聚類的兩種類型和兩種方式 10.2.2 個體與小類、小類與小類間“親疏程度”的度量方法 10.2.3 層次聚類的基本操作 10.2.4 層次聚類的應(yīng)用舉例 10.3 KMeans聚類 10.3.1 KMeans聚類分析的核心步驟 10.3.2 KMeans聚類分析的基本操作 10.3.3 KMeans聚類分析的應(yīng)用舉例 第11章 SPSS的因子分析 11.1 因子分析概述 11.1.1 因子分析的意義 11.1.2 因子分析的數(shù)學(xué)模型和相關(guān)概念 11.2 因子分析的基本內(nèi)容 11.2.1 因子分析的基本步驟 11.2.2 因子分析的前提條件 11.2.3 因子提取和因子載荷矩陣的求解 11.2.4 因子的命名 11.2.5 計(jì)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 因子分析的應(yīng)用舉例 第12章 SPSS的對應(yīng)分析 12.1 對應(yīng)分析概述 12.1.1 對應(yīng)分析的提出 12.1.2 對應(yīng)分析的基本思想 12.2 對應(yīng)分析的基本步驟 12.3 對應(yīng)分析的基本操作及案例 12.3.1 對應(yīng)分析的基本操作 12.3.2 對應(yīng)分析的應(yīng)用舉例 第13章 SPSS的判別分析 13.1 判別分析概述 13.2 距離判別法 13.2.1 距離判別的基本思路 13.2.2 判別函數(shù)的計(jì)算 13.3 Fisher判別法 13.3.1 Fisher判別的基本思路 13.3.2 Fisher判別的計(jì)算 13.4 貝葉斯判別法 13.4.1 貝葉斯判別的基本思路 13.4.2 貝葉斯判別的計(jì)算 13.5 判別分析的基本操作及案例 13.5.1 判別分析的基本操作 13.5.2 判別分析的準(zhǔn)備工作：均值檢驗(yàn)和協(xié)差陣齊性檢驗(yàn) 13.5.3 解讀判別結(jié)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 信度分析的應(yīng)用舉例 第15章 SPSS的一般對數(shù)線性分析模型 15.1 一般對數(shù)線性分析模型概述 15.1.1 模型的提出 15.1.2 基本概念和基本思路 15.2 飽和模型和非飽和層次對數(shù)線性模型 15.2.1 飽和模型和參數(shù)估計(jì) 15.2.2 飽和模型檢驗(yàn) 15.2.3 非飽和層次模型 15.2.4 建立飽和模型和非飽和層次對數(shù)線性模型的基本操作 15.2.5 飽和模型和非飽和層次對數(shù)線性模型的應(yīng)用舉例 15.3 一般對數(shù)線性模型 15.3.1 一般對數(shù)線性模型的概述 15.3.2 建立一般對數(shù)線性模型的基本操作 15.3.3 一般對數(shù)線性模型的應(yīng)用舉例 15.4 Logit對數(shù)線性模型 15.4.1 Logit對數(shù)線性模型的概述 15.4.2 Logit對數(shù)線性模型的應(yīng)用舉例 第16章 SPSS的時間序列分析 16.1 時間序列分析概述 16.1.1 時間序列的相關(guān)概念 16.1.2 時間序列分析的一般步驟 16.1.3 SPSS時間序列分析的特點(diǎn) 16.2 數(shù)據(jù)準(zhǔn)備 16.3 時間序列的圖形化觀察及檢驗(yàn) 16.3. 1 時間序列的圖形化觀察及檢驗(yàn)?zāi)康? 16.3.2 時間序列的圖形化觀察工具 16.3.3 時間序列的檢驗(yàn)方法 16.3.4 時間序列的圖形化觀察的基本操作和應(yīng)用舉例 16.4 時間序列的預(yù)處理 16.4.1 時間序列預(yù)處理的目的和主要方法 16.4.2 時間序列預(yù)處理的基本操作 16.5 時間序列的簡單回歸分析法和趨勢外推法 16.5.1 簡單回歸分析法和趨勢外推法概述 16.5.2 簡單回歸分析法和趨勢外推法應(yīng)用舉例 16.6 指數(shù)平滑法 16.6.1 指數(shù)平滑法的基本思想 16.6.2 指數(shù)平滑法的模型 16.6.3 指數(shù)平滑法的基本操作 16.6.4 指數(shù)平滑法的應(yīng)用舉例 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分析的應(yīng)用舉例 16.8 季節(jié)調(diào)整法 16.8.1 季節(jié)調(diào)整法的基本思想和模型 16.8.2 季節(jié)調(diào)整法的基本操作 16.8.3 季節(jié)調(diào)整法的應(yīng)用舉例