社會統(tǒng)計分析方法：SPSS軟件應(yīng)用

第一章 導(dǎo)論
一. 關(guān)于本書各章的簡介
1. 變量的測度等級
2. 本書所介紹的分析方法的概述
3. 本書介紹的統(tǒng)計方法的分類框架
二. 在應(yīng)用統(tǒng)計的研究中, 要以研究方法論為指導(dǎo)
1. 理論. 觀察. 統(tǒng)計之間的關(guān)系
2. 統(tǒng)計研究中的常見謬誤
3. 社會科學(xué)的研究對象和模型
4. 統(tǒng)計分析與理論分析
5. 真理性的檢驗(yàn)與統(tǒng)計檢驗(yàn)
第二章 多元線性回歸
一. 變量的關(guān)系和回歸的任務(wù)
二. 一元線性回歸模型
1. 一元線性回歸方程
2. 一元回歸系數(shù)的意義
3. 變量變換
4. 最小二乘估計的統(tǒng)計性質(zhì)
5. 模型的假設(shè)條件
三. 多元線性回歸模型
1. 多元線性回歸方程
2. 回歸平面和回歸系數(shù)的意義
3. 一般回歸模型
4. 多元回歸模型估計的統(tǒng)計推斷
四. 方程的解釋能力
1. 確定系數(shù)R2
2. 調(diào)整的確定系數(shù)R2adi
3. 多元相關(guān)系數(shù)及
4. 偏確定系數(shù)
5. 偏相關(guān)系數(shù)
6. 方差分析
五. 回歸方程的檢驗(yàn)和回歸系數(shù)的推斷統(tǒng)計
1. 回歸方程的顯著性檢驗(yàn)
2. 回歸系數(shù)的顯著性檢驗(yàn)
3. 回歸系數(shù)的置信區(qū)間
4. 回歸系數(shù)不顯著的原因
六. 標(biāo)準(zhǔn)化回歸系數(shù)
七. 回歸預(yù)測的區(qū)間估計
1. Y的區(qū)間估計
2. Yo的預(yù)測
八. 多重共線性及其解決方法
1. 多重共線性的含義及其影響
2. 多重共線性的檢驗(yàn)
3. 補(bǔ)救多重共線性影響的辦法
4. 最優(yōu)回歸方程的選擇
九. 虛擬變量的應(yīng)用
1. 虛擬變量的建立
2. 虛擬變量回歸系數(shù)的意義
3. 采用虛擬變量的回歸分析的檢驗(yàn)
4. 其他形式的分類變量編碼和應(yīng)用
附錄 關(guān)于SPSS for Windows進(jìn)行回歸分析的有關(guān)操作
1. SPSS基本操作
2. 線性回歸的基本操作
3. 回歸分析假設(shè)條件的檢查
4. 其他回歸分析指標(biāo)輸出
5. 要求SPSS輸出偏回歸系數(shù)的方差協(xié)方差矩陣并計算矩陣C
6. 將SPSS回歸結(jié)果存成新變量
第三章 因子分析
一. 因子分析原理
1. 因子分析模型
2. 因子分析中的有關(guān)概念
3. 因子分析的步驟
二. 求解初始因子
1. 主成分分析法
2. 公因子分析法
3. 因子求解方法對結(jié)果的影響
三. 解釋因子
1. 正交旋轉(zhuǎn)方法
2. 斜交旋轉(zhuǎn)方法
3. 旋轉(zhuǎn)方法的選擇
4. 解釋因子
四. 因子值及其應(yīng)用
五. 用SPSS軟件進(jìn)行因子分析
1. Extraction對話框
2. Rotation對話框
3. Factor Scores對話框
4. Descriptive對話框
5. Options對話框
第四章 聚類分析
一. 聚類分析的主要步驟
1. 選擇變量
2. 計算相似性
3. 聚類
4. 聚類結(jié)果的解釋和證實(shí)
二. 相似性測度
1. 相關(guān)測度
2. 距離測度
3. 關(guān)聯(lián)測度
4. 數(shù)據(jù)的標(biāo)準(zhǔn)化問題
三. 聚類方法
1. 層次聚類法
2. 迭代聚類法
3. 分類數(shù)的確定
4. 聚類方法的選擇
四. 聚類結(jié)果的解釋和證實(shí)
五. 利用SPSS軟件進(jìn)行聚類分析
1. Hierarchical Cluster
2. k-means Cluster
第五章 通徑分析
一. 引言
二. 通徑模型的設(shè)置
三. 遞歸通徑模型與非遞歸通徑模型
1. 遞歸通徑模型
2. 非遞歸通徑模型
3. 遞歸通徑模型分析的假設(shè)條件
四. 分解簡單回歸系數(shù)的通徑分析,
1. 計算一個變量對最終反應(yīng)變量 ultimate response variable 的各種影響
2. 以不同通徑傳遞的間接影響
3. 在控制某些變量的條件下的總影響的分解工作
4. 標(biāo)準(zhǔn)化與非標(biāo)準(zhǔn)化的通徑系數(shù)
5. 用列表法報告各種影響作用分解
五. 分解簡單相關(guān)系數(shù)的通徑分析
六. 通徑模型的調(diào)試與檢驗(yàn)
1. 通徑模型的調(diào)試
2. 通徑模型的識別
3. 對過度識別的通徑模型的整體檢驗(yàn)方法
第六章 logistic回歸
一. 引言
二. 從多元線性回歸到logistic回歸
1. 多元線性回歸中使用定性因變量嚴(yán)重違反本身假設(shè)條件
2. 線性概率模型及其問題
三. logistic回歸模型的建立
1. logistic函數(shù)及其性質(zhì)
2. logistic回歸模型因變量的不同形式
四. logistic回歸系數(shù)的意義
1. 以logit p方程的線性表達(dá)式來解釋回歸系數(shù)
2. 以發(fā)生比的指數(shù)表達(dá)式來解釋回歸系數(shù)
3. 幾種特殊情況的討論
4. 標(biāo)準(zhǔn)化的logistic回歸系數(shù)
五. logistic模型各參數(shù)估計的評價及統(tǒng)計檢驗(yàn)
1. 對于整體模型的檢驗(yàn)
2. 回歸系數(shù)的檢驗(yàn)
3. 系數(shù)子集的聯(lián)合假設(shè)檢驗(yàn)
六. 示范例題
1. 對兩個自變量同時納入模型進(jìn)行回歸
2. 兩個自變量并加上交互作用項(xiàng)的回歸
3. 自變量組分步納入的回歸
4. 自動選擇顯著自變量的分析
第七章 對數(shù)線性模型
一. 從常規(guī)交互表分析到對數(shù)線性模型分析
1. 傳統(tǒng)交互表分析的缺點(diǎn)
2. 對數(shù)線性模型的發(fā)展
二. 對數(shù)線性模型的基本原理
1. 例1分析模型的背景情況
2. 交互表單元頻數(shù)的對數(shù)線性模型化
3. 對數(shù)線性模型參數(shù)估計值的理解
4. 對數(shù)線性模型的統(tǒng)計檢驗(yàn)
5. logit模型分析
三. 兩種不同類型的輸入數(shù)據(jù)格式及本章例題數(shù)據(jù)
1. 以交互單元為記錄的數(shù)據(jù)及SPSS中要求加權(quán)的操作
2. 以原始案例為記錄的數(shù)據(jù)
四. SPSS對數(shù)線性模型分析各種功能的介紹
1. 選用不同模型
2. 設(shè)置模型中變量
3. 定義模型中的項(xiàng)目
4. 設(shè)置Delta值和參照組類別
5. 設(shè)置輸出類型
6. 在分層模型分析中增設(shè)自動篩選顯著效應(yīng)項(xiàng)
7. 對于SPSS對數(shù)線性模型各主要功能的歸納
五. 例2分析
1. 對于例2飽和模型的分層檢驗(yàn)及篩選出重要效應(yīng)項(xiàng)
2. 采用一般模型來取得例2簡約模型的參數(shù)估計
3. 對例2簡約logit模型參數(shù)估計的分析
第八章 多元方差分析
一. 簡介多元方差分析與一元方差分析的關(guān)系
1. 從t檢驗(yàn)到一元方差分析
2. 從一元方差分析到多元方差分析
二. 多元方差分析的數(shù)據(jù)要求和假設(shè)條件
三. 例題數(shù)據(jù)及三個分析模型
四. 第一模型：單因素二元模型
1. SPSS多元方差分析中單因素模型及其他檢查的設(shè)置
2. 第一模型分析輸出的結(jié)果及討論
3. 多元方差分析假設(shè)條件的檢查
4. 關(guān)于第一模型分析的小結(jié)
五. 多元方差分析與一元方差分析區(qū)別的圖示說明
六. 第二模型：雙因素二元飽和模型
1. SPSS多元方差分析中多因素飽和模型的設(shè)置
2. 第二模型分析輸出的結(jié)果及討論
七. 第三模型：雙因素二元非飽和模型
1. SPSS多元方差分析中多因素非飽和模型的設(shè)置
2. 第三模型分析輸出的結(jié)果及討論
第九章 鑒別分析
一. 鑒別分析的假設(shè)條件和基本模型
1. 鑒別分析的假設(shè)條件
2. 鑒別分析的基本模型
二. 關(guān)于例題
三. 鑒別分析模型的各參數(shù)指標(biāo)及統(tǒng)計檢驗(yàn)
1. 非標(biāo)準(zhǔn)化鑒別系數(shù)
2. 標(biāo)準(zhǔn)化鑒別系數(shù)
3. 結(jié)構(gòu)系數(shù)
4. 分組的矩心
5. 鑒別力指數(shù)
6. 殘余鑒別力
7. Fisher鑒別系數(shù)
四. 用SPSS進(jìn)行鑒別分析的程序
1. SPSS鑒別分析數(shù)據(jù)格式
2. 利用SPSS菜單定義鑒別模型及各項(xiàng)參數(shù)
3. SPSS鑒別分析結(jié)果的輸出格式
第十章 典型相關(guān)分析
一. 典型相關(guān)分析思路的簡介
二. 典型相關(guān)模型的基本假設(shè)和數(shù)據(jù)要求
三. 應(yīng)用SPSS軟件進(jìn)行典型相關(guān)分析
1. 使用SPSS附帶的典型相關(guān)分析命令程序進(jìn)行分析
2. 用SPSS中MANOVA菜單進(jìn)行典型相關(guān)分析
3. 關(guān)于兩種操作方法可能取得某些統(tǒng)計指標(biāo)的不同結(jié)果的討論
四. 典型相關(guān)分析的統(tǒng)計指標(biāo)
1. 典型相關(guān)系數(shù)
2. 典型相關(guān)系數(shù)的平方
3. 特征值及其他有關(guān)指標(biāo)
4. 檢驗(yàn)典型相關(guān)系數(shù)
5. 典型系數(shù)
6. 典型負(fù)載系數(shù)
7. 交叉負(fù)載系數(shù)
8. 變式對本組觀測變量總方差的代表比例
9. 冗余指數(shù)
五. 關(guān)于典型冗余分析的討論
六. 例題分析
第十一章 結(jié)構(gòu)方程模型
一. 應(yīng)用結(jié)構(gòu)方程模型分析的五個主要步驟
二. 模型的設(shè)定
三. 模型的識別
四. 模型估計
五. 模型評價
六. 模型的修正
七. LISREL模型使用的示范
附錄 例題的小樣本及有關(guān)統(tǒng)計軟件應(yīng)用的說明
1. LISREL第8版軟件應(yīng)用操作的簡介
2. LISREL命令程序及有關(guān)說明
3. 在SPSS中進(jìn)行prelis和lisrel統(tǒng)計分析
第十二章 事件史分析
一. 什么是事件史分析
1. 傳統(tǒng)OLS回歸模型的局限性
2. 事件史分析概述
3. 刪截的類型
4. 一些統(tǒng)計關(guān)系
5. 估計生存函數(shù)的Kaplan-Meyer方法
二. 事件歷史分析模型
1. 離散時間Logit模型
2. Cox比例風(fēng)險模型
3. 其他一些連續(xù)時間模型
4. 關(guān)于模型的選擇
三. 事件史分析的四個例子
1. 關(guān)于職位晉升的假設(shè)例子--離散時間風(fēng)險模型
2. 研究初育間隔的假設(shè)例子--Cox比例風(fēng)險模型
3. 省際遷移的離散時間風(fēng)險模型實(shí)例分析
4. 初育間隔的Cox比例風(fēng)險模型實(shí)例分析
四. 需要注意的問題
附錄
第十三章 使用SPSS軟件對事件史原始數(shù)據(jù)進(jìn)行預(yù)處理
一. 輸入數(shù)據(jù)類型
1. 用變量編排時間信息, 時間變量的個數(shù)隨案例而變化
2. 用個數(shù)相等的時間變量編排時間信息并以編碼標(biāo)志事件發(fā)生
3. 用記錄編排的時間信息. 時間記錄不等量
4. 用記錄編排時間信息. 等量的時間變量
二. 明確時間信息數(shù)據(jù)的處理
1. 例1：對第一類數(shù)據(jù) 需計算各風(fēng)險期長度 的改造
2. 例2：對第一類數(shù)據(jù) 各風(fēng)險期長度已知 的改造
3. 例3：對風(fēng)險期案例的條件性選擇及統(tǒng)計
三. 隱含時間信息數(shù)據(jù)的處理
1. 例4：對第二類數(shù)據(jù)的改造
2. 例5：將第二類數(shù)據(jù)改造為含動態(tài)變量的離散時間模型數(shù)據(jù)
四. 討論
第十四章 對應(yīng)分析
一. 什么是對應(yīng)分析
1. 對應(yīng)分析的概念與基本形式
2. 有關(guān)多元對應(yīng)分析
3. 對應(yīng)分析的基本思路
4. 對應(yīng)分析方法的優(yōu)點(diǎn)
5. 對應(yīng)分析方法的局限性
二. 對應(yīng)分析的假設(shè)條件
1. 被調(diào)查者回答問題時并不都從同一角度 或稱維度 作出判斷
2. 所有被調(diào)查者對于某一維度重要性的評價不必一樣
3. 被調(diào)查者的評判角度和看法可以改變
三. 使用SPSS統(tǒng)計軟件進(jìn)行對應(yīng)分析
四. 對應(yīng)分析示例
五. 另一個示例：兩個變量類別數(shù)都超過三類
附錄 關(guān)于用Excel軟件取得統(tǒng)計檢驗(yàn)臨界值的方法
附表1：Durbin-Watson檢驗(yàn)表 a=0. 05
附表2：Durbin-Watson檢驗(yàn)表 a=0. 01