現(xiàn)代流通科學(xué)研究方法

第1章 統(tǒng)計(jì)分析基礎(chǔ)
1．1 基本概念
1．1．1 變量與統(tǒng)計(jì)關(guān)系
1．1．2 數(shù)據(jù)與數(shù)據(jù)類型
1．1．3 統(tǒng)計(jì)分析方法
1．2 統(tǒng)計(jì)描述
1．2．1 數(shù)據(jù)的集中趨勢(shì)
1．2．2 數(shù)據(jù)的離散程度
1．2．3 數(shù)據(jù)的分布形狀
1．3 抽樣分布
1．3．1 總體、樣本及統(tǒng)計(jì)量
1．3．2 正態(tài)分布
1．3．3 由正態(tài)分布導(dǎo)出的三大重要分布
1．3．4 樣本統(tǒng)計(jì)量的分布
1．4 統(tǒng)計(jì)推斷
1．4．1 參數(shù)估計(jì)
1．4．2 假設(shè)檢驗(yàn)
1．5 統(tǒng)計(jì)軟件
1．5．1 常用統(tǒng)計(jì)軟件
1．5．2 用SPSS對(duì)數(shù)據(jù)進(jìn)行描述與推斷
1．5．3 用R對(duì)數(shù)據(jù)進(jìn)行描述與推斷
本章要點(diǎn)
第2章 相關(guān)分析
2．1 統(tǒng)計(jì)學(xué)中的相關(guān)關(guān)系
2．1．1 相關(guān)關(guān)系的概念
2．1．2 相關(guān)關(guān)系的種類
2．1．3 相關(guān)關(guān)系分析的基本內(nèi)容
2．1．4 隨機(jī)變量間的獨(dú)立與相關(guān)
2．2 定性變量之間的相關(guān)
2．2．1 列聯(lián)表
2．2．2 獨(dú)立性檢驗(yàn)
2．2．3 相關(guān)性度量
2．2．4 軟件計(jì)算
2．2．5 進(jìn)一步的討論
2．3 定量變量之間的相關(guān)
2．3．1 相關(guān)關(guān)系的圖形描述
2．3．2 相關(guān)關(guān)系的數(shù)字刻畫
2．3．3 相關(guān)系數(shù)的顯著性檢驗(yàn)
2．3．4 相關(guān)分析的軟件計(jì)算
2．3．5 偏相關(guān)分析
本章要點(diǎn)
重要公式
思考與練習(xí)
第3章 線性回歸分析
3．1 一元線性回歸分析
3．1．1 模型及參數(shù)估計(jì)
3．1．2 回歸直線的擬合優(yōu)度
3．1．3 回歸模型的檢驗(yàn)
3．1．4 利用回歸方程進(jìn)行預(yù)測(cè)
3．1．5 分析實(shí)例及軟件計(jì)算
3．2 多元線性回歸分析
3．2．1 回歸模型及參數(shù)估計(jì)
3．2．2 擬合優(yōu)度及顯著性檢驗(yàn)
3．2．3 多元回歸的三大基本問題
3．2．4 變量選擇與逐步回歸
3．2．5 多元線性回歸的應(yīng)用實(shí)例
3．3 對(duì)回歸分析的進(jìn)一步討論
3．3．1 可線性化的非線性回歸模型
3．3．2 自變量含有交互項(xiàng)的回歸模型
3．3．3 自變量為定性變量的一元回歸模型
3．3．4 自變量有定性變量的多元回歸模型
3．3．5 關(guān)于回歸分析的一個(gè)特例
本章要點(diǎn)
重要公式
思考與練習(xí)
第4章 方差分析
4．1 方差分析的基本原理
4．1．1 問題描述及分析方法
4．1．2 方差分析的軟件計(jì)算
4．2 雙因素方差分析
4．2．1 雙因素方差分析的基本原理
4．2．2 分析實(shí)例及軟件計(jì)算
4．3 進(jìn)一步的討論
4．3．1 含有數(shù)值型自變量時(shí)的方差分析
4．3．2 方差分析與回歸分析的聯(lián)系和區(qū)別
4．3．3 回歸分析與方差分析的模型適用條件診斷
本章要點(diǎn)
重要公式
思考與練習(xí)
第5章 經(jīng)典統(tǒng)計(jì)模型：分類、聚類與降維
5．1 分類方法：Logistic回歸
5．1．1 Logistic回歸的基本原理
5．1．2 用SPSS進(jìn)行Logistic 回歸
5．1．3 用R進(jìn)行Logistic回歸
5．1．4 Logistic回歸實(shí)踐應(yīng)用的注意事項(xiàng)
5．1．5 廣義線性模型簡(jiǎn)介
5．2 分類方法：判別分析
5．2．1 判別分析的基本原理
5．2．2 用SPSS進(jìn)行判別分析
5．2．3 用R進(jìn)行判別分析
5．2．4 判別分析實(shí)踐應(yīng)用的注意事項(xiàng)
5．3 聚類方法：聚類分析
5．3．1 聚類分析的基本原理
5．3．2 用SPSS進(jìn)行層次聚類
5．3．3 用R進(jìn)行聚類分析
5．3．4 聚類分析實(shí)踐應(yīng)用的注意事項(xiàng)
5．4 降維方法：主成分分析
5．4．1 主成分的基本原理
5．4．2 用SPSS進(jìn)行主成分分析
5．4．3 用R進(jìn)行主成分分析
5．4．4 主成分分析實(shí)踐應(yīng)用的注意事項(xiàng)
5．5 降維方法：因子分析
5．5．1 因子分析的基本原理
5．5．2 用SPSS進(jìn)行因子分析
5．5．3 用R進(jìn)行因子分析
5．5．4 因子分析與主成分分析的區(qū)別
5．5．5 因子分析的實(shí)踐應(yīng)用及適用條件
本章要點(diǎn)
重要公式
思考與練習(xí)
第6章 結(jié)構(gòu)方程模型
6．1 結(jié)構(gòu)方程模型的基本原理
6．1．1 概念、符號(hào)與圖例
6．1．2 模型識(shí)別、假定與估計(jì)
6．1．3 結(jié)構(gòu)方程模型的評(píng)價(jià)
6．2 結(jié)構(gòu)方程模型應(yīng)用范例
6．2．1 技術(shù)接受模型（TAM）
6．2．2 用Amos進(jìn)行結(jié)構(gòu)方程建模
6．3 PLS-SEM原理及應(yīng)用
6．3．1 PLS-SEM方法簡(jiǎn)介
6．3．2 用SmartPLS進(jìn)行結(jié)構(gòu)方程建模
6．4 進(jìn)一步的討論
本章要點(diǎn)
第7章 交互、中介與調(diào)節(jié)效應(yīng)
7．1 交互效應(yīng)
7．1．1 交互效應(yīng)的概念
7．1．2 交互效應(yīng)的檢驗(yàn)與分析
7．2 中介效應(yīng)
7．2．1 中介效應(yīng)的概念
7．2．2 中介效應(yīng)的檢驗(yàn)與分析
7．2．3 中介效應(yīng)分析實(shí)例
7．3 調(diào)節(jié)效應(yīng)
7．3．1 調(diào)節(jié)效應(yīng)的概念
7．3．2 調(diào)節(jié)效應(yīng)與交互效應(yīng)
7．3．3 調(diào)節(jié)效應(yīng)的檢驗(yàn)與分析
7．4 PLS-SEM分析實(shí)例一企業(yè)聲譽(yù)模型
7．4．1 企業(yè)聲譽(yù)模型概述
7．4．2 模型估計(jì)與評(píng)價(jià)
7．4．3 中介效應(yīng)分析
7．4．4 調(diào)節(jié)效應(yīng)分析
本章要點(diǎn)
第8章 生理活動(dòng)數(shù)據(jù)分析簡(jiǎn)介
8．1 腦電分析原理與應(yīng)用
8．1．1 基本概念
8．1．2 腦電實(shí)驗(yàn)在管理領(lǐng)域的應(yīng)用情況
8．1．3 事件相關(guān)腦電位分析方法
8．1．4 腦電實(shí)驗(yàn)案例分析
8．2 眼動(dòng)實(shí)驗(yàn)設(shè)計(jì)與應(yīng)用
8．2．1 眼動(dòng)追蹤技術(shù)
8．2．2 眼動(dòng)實(shí)驗(yàn)設(shè)計(jì)的基本問題
8．2．3 眼動(dòng)實(shí)驗(yàn)的設(shè)計(jì)方法
8．2．4 眼動(dòng)實(shí)驗(yàn)案例分析
本章要點(diǎn)
附錄 常用概率分布表及計(jì)算方法
標(biāo)準(zhǔn)正態(tài)分布概率表
t分布上側(cè)分位數(shù)表
x2分布上側(cè)分位數(shù)表
F分布上側(cè)分位數(shù)表(a=0．05）
F分布上側(cè)分位數(shù)表(a=0．10）
用Excel計(jì)算累積概率、分位數(shù)和p值
參考文獻(xiàn)