第1章 spss综述
1.1 spss17.0概述
1.1.1 spss17.0特点
1.1.2 spss各版本特性比较
1.2 spss数据的管理
1.2.1 定义变量属性
1.2.2 个案标识
1.2.3 数据的排序
1.2.4 数据的转置
1.2.5 数据的重组
1.2.6 数据文件的合并
1.2.7 数据文件的拆分
1.2.8 数据的分类汇总
1.3 spss数据的预处理
1.3.1 spss表达式与函数
1.3.2 变量计算
1.3.3 选择个案
1.3.4 个案计数与加权
1.3.5 个案排秩
1.3.6 数据的重新编码
1.3.7 spss其他功能
1.4 基本统计分析
1.4.1 基本描述统计量的定义
1.4.2 频数分析
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图
1.4.7 q-q图
1.4.8 基本统计分析实例
1.5 本章小结
思考题
第2章 假设检验
2.1 常用分布及参数估计
2.1.1 几种与多元正态分布有关的概率分布
2.1.2 参数估计
2.1.3 正态分布的大样本推断
2.1.4 样本容量的确定
2.2 假设检验的一般问题
2.2.1 假设检验的概念
2.2.2 假设检验的基本思想
2.2.3 显著性水平及两类错误
2.2.4 假设检验的步骤
2.3 正态总体参数的假设检验
2.3.1 正态总体均值和方差的假设检验
2.3.2 总体比率的假设检验
2.4 假设检验的spss操作
2.4.1 单样本的t检验
2.4.2 两独立样本的t检验
2.4.3 两配对样本的t检验
2.5 假设检验实例
2.6 本章小结
思考题
第3章 方差分析
3.1 方差分析的基本原理
3.2 单因素方差分析
3.2.1 数据结构与线性模型
3.2.2 平方和分解与自由度
3.2.3 显著性检验
3.2.4 多重比较
3.2.5 单因素方差分析的spss操作
3.2.6 单因素方差分析实例
3.3 多因素方差分析
3.3.1 多因素方差分析的分类
3.3.2 无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 多因素方差分析实例
3.4 重复测量方差分析
3.4.1 重复测量方差分析的基本原理
3.4.2 重复测量方差分析的spss操作
3.4.3 重复测量方差分析实例
3.5 协方差分析
3.5.1 协方差分析的基本原理
3.5.2 协方差分析的spss操作
3.5.3 协方差分析实例
3.6 本章小结
思考题
第4章 非参数检验
4.1 单样本非参数检验
4.1.1 卡方检验
4.1.2 二项分布检验
4.1.3 游程检验
4.1.4 单样本k-s检验
4.2 两独立样本非参数检验
4.2.1 曼-惠特尼u检验
4.2.2 moses极端反应检验
4.2.3 k-sz检验
4.2.4 wald-wolfowitz游程检验
4.3 多独立样本非参数检验
4.3.1 中位数检验
4.3.2 kruskal-wallis检验
4.3.3 jonckheere-terpstra检验
4.4 两相关样本非参数检验
4.4.1 mcnemar变化显著性检验
4.4.2 符号检验
4.4.3 wilcoxon符号秩检验
4.5 多相关样本非参数检验
4.5.1 friedman双向评秩方差检验
4.5.2 kendallw协同系数检验
4.5.3 cochranq检验
4.6 非参数检验的spss操作
4.6.1 卡方检验
4.6.2 二项分布检验
4.6.3 游程检验
4.6.4 单样本k-s检验
4.6.5 两独立样本非参数检验
4.6.6 多独立样本非参数检验
4.6.7 两相关样本非参数检验
4.6.8 多相关样本非参数检验
4.7 非参数检验实例
4.8 本章小结
思考题
第5章 回归分析
5.1 回归分析的概念和方法
5.1.1 概述
5.1.2 回归分析的研究范围
5.1.3 实际问题建立回归模型的过程
5.2 线性回归分析
5.2.1 一元线性回归
5.2.2 多元线性回归
5.2.3 回归诊断
5.2.4 多元线性回归的有偏估计
5.2.5 线性回归spss操作全过程
5.2.6 权重估计spss操作全过程
5.2.7 两阶最小二乘法spss操作全过程
5.3 非线性回归分析
5.3.1 可化为线性回归的曲线回归分析
5.3.2 曲线估计spss操作全过程
5.3.3 多项式回归分析
5.3.4 部分最小平方回归spss操作全过程
5.3.5 非线性回归分析
5.3.6 非线性回归spss操作全过程
5.4 logistic回归分析
5.4.1 自变量中含有定性变量的回归模型
5.4.2 处理定性变量的最优尺度回归spss操作全过程
5.4.3 逻辑回归模型
5.4.4 二元逻辑回归spss操作全过程
5.4.5 多项逻辑回归spss操作全过程
5.4.6 概率回归分析spss操作全过程
5.4.7 有序回归分析spss操作全过程
5.5 回归分析实例
5.5.1 线性回归实例
5.5.2 非线性回归实例
5.5.3 逻辑回归实例
5.6 本章小结
思考题
第6章 聚类分析与判别分析
6.1 聚类分析和判别分析的基本原理
6.2 相似性度量
6.2.1 区间变量
6.2.2 二值变量
6.2.3 定序变量
6.3 聚类分析方法
6.3.1 系统聚类法
6.3.2 逐步聚类法
6.3.3 二阶聚类法
6.4 聚类分析的spss操作
6.4.1 系统聚类
6.4.2 k-均值聚类
6.4.3 二阶聚类
6.5 判别分析方法
6.5.1 距离判别
6.5.2 bayes判别
6.5.3 fisher判别
6.5.4 判别分析步骤
6.6 判别分析的spss操作
6.7 聚类分析和判别分析实例
6.7.1 聚类分析实例
6.7.2 判别分析实例
6.8 本章小结
思考题
第7章 主成分分析与因子分析
7.1 主成分分析与因子分析的基本思想
7.2 主成分分析的模型与方法
7.2.1 主成分分析的代数模型与几何意义
7.2.2 总体的主成分
7.2.3 样本的主成分
7.3 主成分分析的spss操作
7.4 因子分析的模型与方法
7.4.1 正交因子模型
7.4.2 相关性分析
7.4.3 因子的提取
7.4.4 因子旋转
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实例
7.6.1 主成分分析实例
7.6.2 因子分析实例
7.7 本章小结
思考题
第8章 对应分析
8.1 列联表与列联表分析
8.1.1 列联表
8.1.2 列联表分析
8.2 简单对应分析的基本原理
8.2.1 行轮廓与列轮廓
8.2.2 总惯量
8.2.3 行列轮廓的坐标
8.2.4 对应分析图
8.2.5 简单对应分析的步骤
8.2.6 简单对应分析的逻辑框图
8.3 简单对应分析的spss操作
8.4 多重对应分析及其spss操作
8.4.1 多重对应分析
8.4.2 多重对应分析的基本操作
8.5 对应分析实例
8.6 本章小结
思考题
第9章 时间序列分析
9.1 时间序列的相关概念以及时间序列分析步骤
9.1.1 时间序列与统计学其他分析方法的关系
9.1.2 时间序列的相关概念
9.1.3 时间序列分析原理与分类
9.1.4 时间序列分析一般步骤
9.1.5 spss时间序列分析
9.2 时间序列的数据准备与检验
9.2.1 时间序列的数据准备
9.2.2 时间序列的数据检验
9.2.3 时间序列的数据图形化检验
9.2.4 时间序列的数据统计量检验
9.3 时间序列的数据预处理
9.3.1 时间序列缺失数据的处理
9.3.2 时间序列数据的变换处理
9.4 时间序列的确定性分析
9.4.1 非平稳时间序列的组成要素
9.4.2 平滑法
9.4.3 趋势分析法
9.4.4 季节性分解法
9.5 时间序列的随机性分析
9.5.1 适用于平稳性序列的随机性时间序列模型
9.5.2 适用于非平稳性序列的随机性时间序列模型
9.5.3 时间序列随机性分析步骤
9.5.4 arima模型的参数设置
9.6 时间序列模型的spss操作
9.7 spss时间序列的案例分析
9.8 本章小结
思考题
第10章 信度分析
10.1 信度的基本原理
10.1.1 信度的统计学原理
10.1.2 信度影响因素
10.1.3 信度评价指标
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 信度分析实例
10.4.1 嵝哦认凳ǚ治?
10.4.2 折半信度系数法分析
10.5 本章小结
思考题
第11章 联合分析
11.1 联合分析的基本原理
11.2 联合分析的步骤
11.2.1 属性和属性水平的确定
11.2.2 受测设计
11.2.3 受测体的评价
11.2.4 效用值的估计
11.2.5 效用值的聚集
11.3 联合分析的spss操作
11.3.1 生成正交设计
11.3.2 显示设计
11.3.3 运行联合分析
11.4 联合分析实例
11.5 本章小结
思考题
第12章 生存分析
12.1 生存分析的基本概念和内容
12.1.1 生存分析的定义
12.1.2 生存分析的基本概念
12.1.3 生存分析的基本内容和方法
12.1.4 spss中的生存分析过程
12.2 寿命表分析
12.2.1 寿命表分析的基本原理及步骤
12.2.2 spss中的寿命表分析过程
12.3 kaplan-meier分析
12.3.1 kaplan-meier分析的基本原理及步骤
12.3.2 spss中的kaplan-meier分析过程
12.4 cox回归模型分析
12.4.1 cox回归模型的基本形式和原理
12.4.2 spss中的cox回归模型分析过程
12.4.3 依时协变量cox回归模型的基本原理
12.4.4 spss中的依时协变量cox回归模型分析过程
12.5 生存分析实例
12.5.1 寿命表分析实例
12.5.2 kaplan-meier分析实例
12.5.3 cox回归模型分析实例
12.6 本章小结
思考题
第13章 神经网络分析
13.1 神经网络的发展历史以及神经网络相关概念
13.1.1 时间序列的发展历史简介
13.1.2 生物神经元模型
13.1.3 人工神经元模型
13.1.4 spss神经网络分析
13.2 多层感知器模型
13.2.1 感知器神经元模型
13.2.2 感知器的网络结构
13.2.3 感知器神经网络的学习规则
13.2.4 感知器神经网络的训练
13.3 径向基函数模型
13.3.1 径向基函数神经网络结构
13.3.2 径向基函数的学习算法
13.4 神经网络的spss操作
13.4.1 变量设置
13.4.2 分区设置
13.4.3 体系结构设置
13.4.4 培训的设置
13.4.5 输出的设置
13.4.6 保存的设置
13.4.7 导出的设置
13.4.8 选项的设置
13.5 spss神经网络的案例分析
13.5.1 数据准备
13.5.2 数据分析
13.5.3 过程摘要
13.6 本章小结
思考题
第14章 结构方程模型
14.1 结构方程模型概述
14.1.1 结构方程模型方法与统计学其他分析方法的关系
14.1.2 模型方程模型相关概念
14.1.3 结构方程模型原理与基本假定
14.1.4 结构方程模型特性
14.1.5 结构方程模型方法一般步骤
14.2 结构方程模型设定和识别
14.2.1 结构方程模型设定
14.2.2 结构方程模型识别
14.2.3 amos模型设定操作
14.3 结构方程模型数据准备
14.3.1 缺失数据的处理
14.3.2 数据的信度与效度
14.3.3 数据文件导入
14.4 结构方程模型参数估计
14.4.1 参数估计常用方法
14.4.2 amos参数估计操作
14.5 结构方程模型评价与修正
14.5.1 参数检验
14.5.2 模型整体拟合评价
14.5.3 模型限制修正
14.5.4 模型扩展修正
14.6 结构方程模型解释
14.6.1 相关关系
14.6.2 因果关系
14.7 本章小结
思考题
附录spss函数名及其含义
参考文献