具体描述
《21世纪高等学校规划教材（财经管理与应用）：SPSS多元统计分析方法及应用》在阐述了SPSS基本功能的基础上，着重对多元统计分析的各个方法，针对目前部分统计教材以及SPSS丛书存在的问题，以数据分析应用需求为主线，对假设检验、方差分析、非参数检验、回归分析、聚类分析、判别分析、主成分分析、因子分析、对应分析、时间序列分析、信度分析、联合分析、生存分析、神经网络分析和结构方程模型15类方法，按照实际数据分析步骤从基本原理到软件操作进行了深入浅出的论述。本书基于SPSS17.0版本，并在SPSS17.0软件操作后附以独立案例进行分析。本书以自然科学和社会科学各领域研究人员为主要对象，同时也可供相关专业本科生、研究生、专业统计分析人员以及管理决策者进行学习或参考。
作者简介
目录信息
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
· · · · · · (收起)
读后感
评分
评分
评分
评分
用户评价
作为一名长期在市场调研领域工作的人士，我一直在寻找一本能将前沿统计方法与实际商业问题无缝对接的工具书。这本书恰好满足了我的需求。它不仅仅停留在传统的多元方差分析（MANOVA）层面，还引入了更贴近现代商业分析的复杂模型。例如，书中对聚类分析的讲解，不仅清晰地区分了层次聚类和非层次聚类（如K-Means），还探讨了如何根据业务目标来选择最佳的聚类数，这对于我们进行客户细分至关重要。最让我眼前一亮的，是关于结构方程模型（SEM）的应用部分。作者通过一个零售客户满意度调查的实例，将潜变量的构建、路径分析的设定以及模型的拟合优度检验，一步步展示得淋漓尽致。这种将抽象的统计工具转化为解决实际商业难题的路径，让这本书的实用价值飙升，完全不是那种只适合象牙塔内研究的教材可比拟的。
评分这本书的封面设计非常朴实，几乎没有多余的装饰，让人一眼就能感受到它是一本严谨的学术著作。内页的排版也延续了这种风格，字体清晰易读，图表制作得非常规范。对于我这个刚接触多元统计分析领域的新手来说，这本书的结构安排得非常友好。它从最基础的概念讲起，循序渐进地引入更复杂的模型，例如主成分分析、因子分析以及判别分析等。作者在讲解理论推导时，并没有过多地纠缠于复杂的数学公式，而是用非常直观的语言和丰富的案例来阐释背后的逻辑。这种“先懂概念，再学应用”的教学方式，让我能够比较轻松地跟上作者的思路。我特别喜欢书中有大量真实的案例分析，这些案例不仅展示了如何操作SPSS软件，更重要的是教会了我如何解读输出结果，并将其转化为实际的业务洞察。书中对每个分析步骤的详细截图和讲解，极大地降低了初学者的学习门槛。这本书更像是一位经验丰富的导师，耐心引导读者从零开始掌握多元统计的精髓，而不是一味地堆砌理论。
评分这本书的内容深度远超我的预期，它不仅仅是一本操作手册，更是一本深入洞察数据背后规律的宝典。我过去尝试过几本号称“多元统计”的书籍，但大多流于表面，要么只讲理论却不教软件操作，要么只展示软件步骤却缺乏对模型假设的深入探讨。然而，这本书在这两个方面都做得非常出色。它花了大量的篇幅来讨论各种统计方法的适用条件和潜在的局限性。例如，在讲解多元回归分析时，作者不仅详述了如何进行变量选择和模型诊断，还深入探讨了多重共线性、异方差等常见问题及其对结果可靠性的影响。这种对细节的关注，使得我对每一个分析结果都有了更审慎的态度。我发现，真正有价值的统计分析，绝不仅仅是得到一个P值，而是要理解这个P值背后的数据结构和模型构建过程。这本书正是通过这种严谨的论证和详尽的案例，帮助我建立了扎实的统计思维框架。
评分说实话，初次翻开这本书时，我对它抱持着一种“又一本介绍SPSS的工具书”的刻板印象。然而，深入阅读后我发现自己完全错了。这本书的价值核心并不在于教你“如何点击SPSS的菜单”，而在于“在什么情况下应该选择哪种分析，以及为什么”。它花了大量笔墨讨论统计推断背后的哲学基础和伦理考量。例如，在讲解因子旋转方法时，作者不仅比较了正交旋转和斜交旋转的数学差异，更深入地探讨了在社会科学研究中，哪种旋转方式更能体现变量之间的潜在结构关系。这种对“知其所以然”的强调，极大地提升了我的分析素养。读完这本书，我感觉自己不再是一个单纯的SPSS操作员，而更像是一个具备批判性思维的数据分析师，能够对数据的解读负责任地提出自己的专业判断。它彻底改变了我对多元统计学习的路径依赖。
评分这本书的语言风格非常具有感染力，它有一种沉稳而又不失热情的特质。作者在阐述复杂的统计概念时，仿佛在与一位知识渊博的朋友对话，用词精准却不显得高高在上。我尤其欣赏作者在章节过渡时的衔接处理，逻辑链条非常紧密，使得即使是跨度较大的分析技术（比如从回归分析跳到对应分析），也能找到它们在统计学谱系中的内在联系。很多统计学书籍的通病是概念之间像孤岛一样存在，但这本书成功地构建了一个相互关联的统计方法知识网络。此外，书中对SPSS软件操作界面的描述，也体现了作者极高的细致度，完全没有那种冷冰冰的软件说明书的呆板感。它更像是在分享一套高效的工作流程，让你在实践中能感受到统计分析的效率和美感，而不是被软件的复杂菜单所困扰。
评分FYP参考书
评分FYP参考书
评分FYP参考书
评分FYP参考书
评分FYP参考书
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.wenda123.org All Rights Reserved. 图书目录大全 版权所有