SPSS多元统计分析方法及应用pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
下载压缩包 [复制下载地址] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页

SPSS多元统计分析方法及应用PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章SPSS综述 1

1.1 SPSS 17.0概述 1

1.1.1 SPSS 17.0特点 1

1.1.2 SPSS各版本特性比较 2

1.2 SPSS数据的管理 6

1.2.1定义变量属性 7

1.2.2个案标识 9

1.2.3数据的排序 13

1.2.4数据的转置 15

1.2.5数据的重组 15

1.2.6数据文件的合并 22

1.2.7数据文件的拆分 25

1.2.8数据的分类汇总 25

1.3 SPSS数据的预处理 26

1.3.1 SPSS表达式与函数 27

1.3.2变量计算 28

1.3.3选择个案 29

1.3.4个案计数与加权 31

1.3.5个案排秩 32

1.3.6数据的重新编码 34

1.3.7 SPSS其他功能 37

1.4基本统计分析 39

1.4.1基本描述统计量的定义 39

1.4.2频数分析 41

1.4.3描述性分析 43

1.4.4探索性分析 44

1.4.5比率分析 45

1.4.6 P-P图 46

1.4.7 QQ图 48

1.4.8基本统计分析实例 48

1.5本章小结 54

思考题 54

第2章 假设检验 55

2.1常用分布及参数估计 55

2.1.1几种与多元正态分布有关的概率分布 55

2.1.2参数估计 59

2.1.3正态分布的大样本推断 67

2.1.4样本容量的确定 68

2.2假设检验的一般问题 68

2.2.1假设检验的概念 69

2.2.2假设检验的基本思想 69

2.2.3显著性水平及两类错误 69

2.2.4假设检验的步骤 70

2.3正态总体参数的假设检验 70

2.3.1正态总体均值和方差的假设检验 71

2.3.2总体比率的假设检验 72

2.4假设检验的SPSS操作 72

2.4.1单样本的T检验 72

2.4.2两独立样本的T检验 73

2.4.3两配对样本的T检验 75

2.5假设检验实例 76

2.6本章小结 77

思考题 77

第3章 方差分析 78

3.1方差分析的基本原理 78

3.2单因素方差分析 79

3.2.1数据结构与线性模型 79

3.2.2平方和分解与自由度 80

3.2.3显著性检验 81

3.2.4多重比较 82

3.2.5单因素方差分析的SPSS操作 83

3.2.6单因素方差分析实例 86

3.3多因素方差分析 89

3.3.1多因素方差分析的分类 89

3.3.2无交互作用的多因素方差分析 90

3.3.3有交互作用的多因素方差分析 92

3.3.4多因素方差分析的SPSS操作 93

3.3.5多因素方差分析实例 98

3.4重复测量方差分析 101

3.4.1重复测量方差分析的基本原理 101

3.4.2重复测量方差分析的SPSS操作 102

3.4.3重复测量方差分析实例 103

3.5协方差分析 106

3.5.1协方差分析的基本原理 106

3.5.2协方差分析的SPSS操作 107

3.5.3协方差分析实例 108

3.6本章小结 111

思考题 111

第4章 非参数检验 112

4.1单样本非参数检验 113

4.1.1卡方检验 113

4.1.2二项分布检验 113

4.1.3游程检验 114

4.1.4单样本K-S检验 115

4.2两独立样本非参数检验 116

4.2.1曼-惠特尼U检验 116

4.2.2 Moses极端反应检验 117

4.2.3 K-S Z检验 117

4.2.4 Wald-Wolfowitz游程检验 118

4.3多独立样本非参数检验 118

4.3.1中位数检验 119

4.3.2 Kruskal-Wallis检验 119

4.3.3 Jonckheere-Terpstra检验 120

4.4两相关样本非参数检验 121

4.4.1 McNemar变化显著性检验 121

4.4.2符号检验 122

4.4.3 Wilcoxon符号秩检验 122

4.5多相关样本非参数检验 123

4.5.1 Friedman双向评秩方差检验 123

4.5.2 Kendall W协同系数检验 124

4.5.3 Cochran Q检验 125

4.6非参数检验的SPSS操作 126

4.6.1卡方检验 126

4.6.2二项分布检验 128

4.6.3游程检验 129

4.6.4单样本K-S检验 129

4.6.5两独立样本非参数检验 130

4.6.6多独立样本非参数检验 131

4.6.7两相关样本非参数检验 132

4.6.8多相关样本非参数检验 132

4.7非参数检验实例 133

4.8本章小结 135

思考题 135

第5章 回归分析 136

5.1回归分析的概念和方法 136

5.1.1概述 136

5.1.2回归分析的研究范围 137

5.1.3实际问题建立回归模型的过程 138

5.2线性回归分析 140

5.2.1一元线性回归 140

5.2.2多元线性回归 143

5.2.3回归诊断 147

5.2.4多元线性回归的有偏估计 152

5.2.5线性回归SPSS操作全过程 154

5.2.6权重估计SPSS操作全过程 159

5.2.7两阶最小二乘法SPSS操作全过程 159

5.3非线性回归分析 160

5.3.1可化为线性回归的曲线回归分析 160

5.3.2曲线估计SPSS操作全过程 162

5.3.3多项式回归分析 163

5.3.4部分最小平方回归SPSS操作全过程 165

5.3.5非线性回归分析 167

5.3.6非线性回归SPSS操作全过程 168

5.4 Logistic回归分析 171

5.4.1自变量中含有定性变量的回归模型 171

5.4.2处理定性变量的最优尺度回归SPSS操作全过程 173

5.4.3逻辑回归模型 179

5.4.4二元逻辑回归SPSS操作全过程 183

5.4.5多项逻辑回归SPSS操作全过程 186

5.4.6概率回归分析SPSS操作全过程 192

5.4.7有序回归分析SPSS操作全过程 194

5.5回归分析实例 196

5.5.1线性回归实例 196

5.5.2非线性回归实例 201

5.5.3逻辑回归实例 203

5.6本章小结 207

思考题 208

第6章 聚类分析与判别分析 209

6.1聚类分析和判别分析的基本原理 209

6.2相似性度量 210

6.2.1区间变量 210

6.2.2二值变量 212

6.2.3定序变量 213

6.3聚类分析方法 214

6.3.1系统聚类法 214

6.3.2逐步聚类法 217

6.3.3二阶聚类法 218

6.4聚类分析的SPSS操作 218

6.4.1系统聚类 218

6.4.2 K-均值聚类 220

6.4.3二阶聚类 222

6.5判别分析方法 224

6.5.1距离判别 225

6.5.2 Bayes判别 226

6.5.3 Fisher判别 227

6.5.4判别分析步骤 228

6.6判别分析的SPSS操作 230

6.7聚类分析和判别分析实例 233

6.7.1聚类分析实例 234

6.7.2判别分析实例 235

6.8本章小结 240

思考题 240

第7章 主成分分析与因子分析 241

7.1主成分分析与因子分析的基本思想 241

7.2主成分分析的模型与方法 242

7.2.1主成分分析的代数模型与几何意义 242

7.2.2总体的主成分 243

7.2.3样本的主成分 247

7.3主成分分析的SPSS操作 248

7.4因子分析的模型与方法 251

7.4.1正交因子模型 251

7.4.2相关性分析 253

7.4.3因子的提取 254

7.4.4因子旋转 256

7.4.5因子得分 257

7.5因子分析的SPSS操作 258

7.6主成分分析和因子分析实例 262

7.6.1主成分分析实例 262

7.6.2因子分析实例 264

7.7本章小结 268

思考题 268

第8章 对应分析 269

8.1列联表与列联表分析 269

8.1.1列联表 269

8.1.2列联表分析 270

8.2简单对应分析的基本原理 271

8.2.1行轮廓与列轮廓 271

8.2.2总惯量 272

8.2.3行列轮廓的坐标 273

8.2.4对应分析图 274

8.2.5简单对应分析的步骤 275

8.2.6简单对应分析的逻辑框图 275

8.3简单对应分析的SPSS操作 276

8.4多重对应分析及其SPSS操作 279

8.4.1多重对应分析 279

8.4.2多重对应分析的基本操作 280

8.5对应分析实例 286

8.6本章小结 290

思考题 290

第9章 时间序列分析 291

9.1时间序列的相关概念以及时间序列分析步骤 291

9.1.1时间序列与统计学其他分析方法的关系 291

9.1.2时间序列的相关概念 292

9.1.3时间序列分析原理与分类 294

9.1.4时间序列分析一般步骤 294

9.1.5 SPSS时间序列分析 295

9.2时间序列的数据准备与检验 295

9.2.1时间序列的数据准备 296

9.2.2时间序列的数据检验 296

9.2.3时间序列的数据图形化检验 297

9.2.4时间序列的数据统计量检验 303

9.3时间序列的数据预处理 304

9.3.1时间序列缺失数据的处理 304

9.3.2时间序列数据的变换处理 305

9.4时间序列的确定性分析 308

9.4.1非平稳时间序列的组成要素 308

9.4.2平滑法 309

9.4.3趋势分析法 313

9.4.4季节性分解法 313

9.5时间序列的随机性分析 316

9.5.1适用于平稳性序列的随机性时间序列模型 316

9.5.2适用于非平稳性序列的随机性时间序列模型 318

9.5.3时间序列随机性分析步骤 318

9.5.4 ARIMA模型的参数设置 321

9.6时间序列模型的SPSS操作 322

9.7 SPSS时间序列的案例分析 328

9.8本章小结 334

思考题 334

第10章 信度分析 335

10.1信度的基本原理 335

10.1.1信度的统计学原理 335

10.1.2信度影响因素 336

10.1.3信度评价指标 337

10.2信度分析及其基本方法 338

10.2.1信度分析 338

10.2.2信度分析的基本方法 339

10.3信度分析的SPSS操作 343

10.4信度分析实例 346

10.4.1 α信度系数法分析 346

10.4.2折半信度系数法分析 347

10.5本章小结 348

思考题 348

第11章 联合分析 349

11.1联合分析的基本原理 349

11.2联合分析的步骤 350

11.2.1属性和属性水平的确定 351

11.2.2受测设计 352

11.2.3受测体的评价 354

11.2.4效用值的估计 355

11.2.5效用值的聚集 357

11.3联合分析的SPSS操作 359

11.3.1生成正交设计 359

11.3.2显示设计 360

11.3.3运行联合分析 361

11.4联合分析实例 364

11.5本章小结 370

思考题 370

第12章生存分析 371

12.1生存分析的基本概念和内容 371

12.1.1生存分析的定义 371

12.1.2生存分析的基本概念 372

12.1.3生存分析的基本内容和方法 374

12.1.4 SPSS中的生存分析过程 375

12.2寿命表分析 376

12.2.1寿命表分析的基本原理及步骤 376

12.2.2 SPSS中的寿命表分析过程 378

12.3 Kaplan-Meier分析 379

12.3.1 Kaplan-Meier分析的基本原理及步骤 379

12.3.2 SPSS中的Kaplan-Meier分析过程 381

12.4 Cox回归模型分析 383

12.4.1 Cox回归模型的基本形式和原理 384

12.4.2 SPSS中的Cox回归模型分析过程 386

12.4.3依时协变量Cox回归模型的基本原理 389

12.4.4 SPSS中的依时协变量Cox回归模型分析过程 390

12.5生存分析实例 391

12.5.1寿命表分析实例 391

12.5.2 Kaplan-Meier分析实例 395

12.5.3 Cox回归模型分析实例 398

12.6本章小结 403

思考题 404

第13章 神经网络分析 405

13.1神经网络的发展历史以及神经网络相关概念 405

13.1.1时间序列的发展历史简介 405

13.1.2生物神经元模型 406

13.1.3人工神经元模型 406

13.1.4 SPSS神经网络分析 406

13.2多层感知器模型 407

13.2.1感知器神经元模型 407

13.2.2感知器的网络结构 408

13.2.3感知器神经网络的学习规则 408

13.2.4感知器神经网络的训练 409

13.3径向基函数模型 409

13.3.1径向基函数神经网络结构 409

13.3.2径向基函数的学习算法 409

13.4神经网络的SPSS操作 410

13.4.1变量设置 410

13.4.2分区设置 412

13.4.3体系结构设置 413

13.4.4培训的设置 415

13.4.5输出的设置 417

13.4.6保存的设置 418

13.4.7导出的设置 419

13.4.8选项的设置 420

13.5 SPSS神经网络的案例分析 421

13.5.1数据准备 421

13.5.2数据分析 422

13.5.3过程摘要 422

13.6本章小结 427

思考题 427

第14章 结构方程模型 428

14.1结构方程模型概述 428

14.1.1结构方程模型方法与统计学其他分析方法的关系 428

14.1.2模型方程模型相关概念 429

14.1.3结构方程模型原理与基本假定 430

14.1.4结构方程模型特性 431

14.1.5结构方程模型方法一般步骤 432

14.2结构方程模型设定和识别 433

14.2.1结构方程模型设定 433

14.2.2结构方程模型识别 435

14.2.3 Amos模型设定操作 436

14.3结构方程模型数据准备 441

14.3.1缺失数据的处理 441

14.3.2数据的信度与效度 442

14.3.3数据文件导入 442

14.4结构方程模型参数估计 443

14.4.1参数估计常用方法 443

14.4.2 Amos参数估计操作 444

14.5结构方程模型评价与修正 447

14.5.1参数检验 447

14.5.2模型整体拟合评价 448

14.5.3模型限制修正 449

14.5.4模型扩展修正 449

14.6结构方程模型解释 451

14.6.1相关关系 452

14.6.2因果关系 453

14.7本章小结 454

思考题 455

附录SPSS函数名及其含义 456

参考文献 468