SPSS統(tǒng)計(jì)分析與數(shù)據(jù)挖掘

第1章　spss軟件概述　
　1.1　spss簡介　
　1.2　spss操作入門　
　　1.2.1　軟件安裝、啟動(dòng)及退出　
　　1.2.2　操作環(huán)境　
　　1.2.3　系統(tǒng)參數(shù)的設(shè)置　
　1.3　spss的幫助系統(tǒng)　
第2章　spss數(shù)據(jù)挖掘系統(tǒng)　
　2.1　數(shù)據(jù)挖掘概述　
　　2.1.1　數(shù)據(jù)挖掘的含義　
　　2.1.2　數(shù)據(jù)挖掘與olap　
　　2.1.3　數(shù)據(jù)挖掘和統(tǒng)計(jì)學(xué)　
　　2.1.4　數(shù)據(jù)挖掘的目的　
　　2.1.5　數(shù)據(jù)挖掘應(yīng)用　
　　2.1.6　數(shù)據(jù)挖掘流程　
　2.2　成功的數(shù)據(jù)挖掘　
　　2.2.1　crisp-dm方法論　
　　2.2.2　選擇數(shù)據(jù)挖掘工具　
　　2.2.3　spss數(shù)據(jù)挖掘　
　2.3　spss數(shù)據(jù)挖掘的過程　
　　2.3.1　商業(yè)理解　
　　2.3.2　數(shù)據(jù)理解　
　　2.3.3　數(shù)據(jù)準(zhǔn)備　
　　2.3.4　數(shù)據(jù)模型　
　　2.3.5　評(píng)估　
　　2.3.6　部署　
第3章　數(shù)據(jù)文件、變量與函數(shù)　
　3.1　spss的變量類型　
　　3.1.1　數(shù)據(jù)的輸入　
　　3.1.2　變量的編輯　
　3.2　數(shù)據(jù)文件的打開和保存　
　　3.2.1　打開spss數(shù)據(jù)文件　
　　3.2.2　打開其他格式的數(shù)據(jù)文件　
　　3.2.3　數(shù)據(jù)文件保存　
　3.3　spss函數(shù)　
　　3.3.1　算術(shù)函數(shù)　
　　3.3.2　統(tǒng)計(jì)函數(shù)　
　　3.3.3　邏輯函數(shù)　
　　3.3.4　日期和時(shí)間函數(shù)　
　　3.3.5　隨機(jī)變量函數(shù)　
　　3.3.6　反分布函數(shù)　
　　3.3.7　累計(jì)分布函數(shù)　
　　3.3.8　缺失值函數(shù)　
　　3.3.9　字符串函數(shù)　
第4章　數(shù)據(jù)預(yù)處理　
　4.1　數(shù)據(jù)文件的整理　
　　4.1.1　排序個(gè)案（sort　case）過程　
　　4.1.2　轉(zhuǎn)置（transpose）過程　
　　4.1.3　合并文件（merge　file）過程　
　　4.1.4　分類匯總（aggregate）過程　
　　4.1.5　拆分文件（split　file）過程　
　　4.1.6　選擇個(gè)案（select　cases）過程　
　　4.1.7　加權(quán)個(gè)案（weight　cases）過程　
　4.2　數(shù)據(jù)變量的變換和計(jì)算　
　　4.2.1　計(jì)算變量（compute　variables）過程　
　　4.2.2　計(jì)數(shù)（count）過程　
　　4.2.3　重新編碼（recode）過程　
　　4.2.4　個(gè)案排秩（rank　cases）過程　
　　4.2.5　自動(dòng)重新編碼（automatic　recode）過程　
第5章　基本統(tǒng)計(jì)分析　
　5.1　基本概念　
　　5.1.1　基本的統(tǒng)計(jì)概念　
　　5.1.2　描述性統(tǒng)計(jì)分析　
　5.2　頻數(shù)分析　
　　5.2.1　frequencies過程的操作界面　
　　5.2.2　實(shí)例分析　
　5.3　描述性統(tǒng)計(jì)分析過程　
　　5.3.1　descriptive過程的參數(shù)設(shè)置　
　　5.3.2　實(shí)例分析　
　5.4　數(shù)據(jù)探索性分析過程　
　　5.4.1　explore過程的參數(shù)設(shè)置　
　　5.4.2　實(shí)例分析　
　5.5　列聯(lián)表分析過程　
　　5.5.1　crosstabs過程的參數(shù)設(shè)置　
　　5.5.2　實(shí)例分析　
第6章　參數(shù)檢驗(yàn)　
　6.1　參數(shù)估計(jì)和假設(shè)檢驗(yàn)概述　
　　6.1.1　參數(shù)估計(jì)　
　　6.1.2　假設(shè)檢驗(yàn)　
　6.2　均值（means）過程　
　　6.2.1　spss的means過程參數(shù)設(shè)置　
　　6.2.2　means過程實(shí)例　
　6.3　單樣本t檢驗(yàn)　
　　6.3.1　one-sample　t　test過程的參數(shù)設(shè)置　
　　6.3.2　實(shí)例分析　
　6.4　獨(dú)立兩樣本t檢驗(yàn)　
　　6.4.1　independent-sample　t　test過程的參數(shù)設(shè)置　
　　6.4.2　實(shí)例分析　
　6.5　配對(duì)兩樣本t檢驗(yàn)　
　　6.5.1　paired-sample　t　test過程的參數(shù)設(shè)置　
　　6.5.2　實(shí)例分析　
第7章　基本圖形的繪制　
　7.1　統(tǒng)計(jì)圖概述　
　7.2　條形圖　
　7.3　線圖　
　7.4　面積圖　
　7.5　餅圖　
　　7.5.1　spss設(shè)置　
　　7.5.2　實(shí)例分析　
　7.6　高低圖　
　7.7　質(zhì)量控制圖　
　7.8　箱圖　
　　7.8.1　spss參數(shù)設(shè)置　
　　7.8.2　實(shí)例分析　
　7.9　散點(diǎn)圖　
　　7.9.1　spss參數(shù)設(shè)置　
　　7.9.2　實(shí)例分析　
　7.10　直方圖　
　　7.10.1　p-p圖和q-q圖　
　7.11　時(shí)間序列圖　
　　7.11.1　spss參數(shù)設(shè)置　
　　7.11.2　實(shí)例分析　
第8章　非參數(shù)檢驗(yàn)　
　8.1　非參數(shù)檢驗(yàn)概述　
　8.2　檢驗(yàn)　
　　8.2.1　檢驗(yàn)的參數(shù)設(shè)置　
　　8.2.2　檢驗(yàn)實(shí)例分析　
　8.3　二項(xiàng)分布檢驗(yàn)　
　　8.3.1　二項(xiàng)分布檢驗(yàn)的參數(shù)設(shè)置　
　　8.3.2　實(shí)例分析　
　8.4　游程檢驗(yàn)　
　　8.4.1　游程檢驗(yàn)的參數(shù)設(shè)置　
　　8.4.2　實(shí)例分析　
　8.5　單樣本k-s檢驗(yàn)　
　　8.5.1　單樣本k-s檢驗(yàn)的參數(shù)設(shè)置　
　　8.5.2　實(shí)例分析　
　8.6　兩獨(dú)立樣本分布位置檢驗(yàn)　
　　8.6.1　兩獨(dú)立樣本分布位置檢驗(yàn)的參數(shù)設(shè)置　
　　8.6.2　實(shí)例分析　
　8.7　多個(gè)獨(dú)立樣本分布位置檢驗(yàn)　
　　8.7.1　spss參數(shù)設(shè)置　
　　8.7.2　實(shí)例分析　
　8.8　兩相關(guān)樣本分布位置檢驗(yàn)　
　　8.8.1　spss參數(shù)設(shè)置　
　　8.8.2　實(shí)例分析　
　8.9　多個(gè)配對(duì)樣本分布位置檢驗(yàn)　
　　8.9.1　spss參數(shù)設(shè)置　
　　8.9.2　實(shí)例分析　
第9章　方差分析　
　9.1　方差分析的基本原理　
　　9.1.1　自由度與平方和分解　
　　9.1.2　f檢驗(yàn)　
　　9.1.3　多重比較　
　9.2　單因素方差分析　
　　9.2.1　單因素方差分析步驟　
　　9.2.2　判斷與結(jié)論　
　　9.2.3　one-way　anova過程的參數(shù)設(shè)置　
　　9.2.4　實(shí)例分析　
　9.3　多因素方差分析　
　　9.3.1　只考慮主效應(yīng)的多因素方差分析　
　　9.3.2　存在交互效應(yīng)的多因素方差分析　
　　9.3.3　univariate過程參數(shù)設(shè)置　
　　9.3.4　實(shí)例分析　
　9.4　協(xié)方差分析　
　　9.4.1　協(xié)方差分析概述　
　　9.4.2　實(shí)例分析　
第10章　回歸分析　
　10.1　線性回歸　
　　10.1.1　線性回歸模型　
　　10.1.2　最小二乘估計(jì)　
　　10.1.3　回歸方程的顯著性檢驗(yàn)　
　　10.1.4　預(yù)測(cè)問題　
　　10.1.5　spss線性回歸分析設(shè)置　
　　10.1.6　回歸分析模型的實(shí)例分析　
　10.2　非線性回歸　
　　10.2.1　非線性回歸分析的基本原理　
　　10.2.2　非線性回歸參數(shù)設(shè)置　
　　10.2.3　案例——銷售數(shù)量和廣告投入的非線性回歸分析　
　10.3　logistic回歸　
　　10.3.1　logistic回歸模型概述　
　　10.3.2　binary　logistic回歸模型參數(shù)設(shè)置　
　　10.3.3　案例——銀行貸款的信用風(fēng)險(xiǎn)分析　
第11章　相關(guān)分析　
　11.1　相關(guān)分析概述　
　　11.1.1　相關(guān)關(guān)系　
　　11.1.2　相關(guān)圖形和相關(guān)系數(shù)　
　　11.1.3　spss的相關(guān)分析功能簡介　
　11.2　bivariate過程　
　　11.2.1　兩變量相關(guān)分析簡介　
　　11.2.2　bivariate過程的參數(shù)設(shè)置　
　　11.2.3　案例——汽車銷售中各變量之間的相關(guān)分析　
　11.3　partial過程　
　　11.3.1　partial過程的參數(shù)設(shè)置　
　　11.3.2　案例——醫(yī)療門診病人的流動(dòng)情況分析　
　11.4　distances（距離）過程　
　　11.4.1　距離分析參數(shù)設(shè)置　
　　11.4.2　案例——全國各個(gè)省市自治區(qū)直轄市的農(nóng)民家庭收支的分布研究　
第12章　聚類分析　
　12.1　聚類分析的原理　
　　12.1.1　一般原理　
　　12.1.2　聚類分析步驟　
　　12.1.3　系統(tǒng)聚類方法　
　12.2　快速樣本聚類過程　
　　12.2.1　快速聚類簡介　
　　12.2.2　spss快速聚類的設(shè)置　
　　12.2.3　案例——2006年中國主要城市空氣質(zhì)量的比較分析　
　12.3　分層聚類過程　
　　12.3.1　分層聚類簡介　
　　12.3.2　spss分層聚類設(shè)置　
　　12.3.3　案例——中國經(jīng)濟(jì)地理區(qū)域的聚類分析　
　12.4　兩階段聚類分析　
　　12.4.1　兩階段聚類簡介　
　　12.4.2　spss兩階段聚類的設(shè)置　
　　12.4.3　案例——兩階段聚類分析應(yīng)用于農(nóng)村居民人均收入與生活消費(fèi)支出研究　
第13章　判別分析　
　13.1　判別分析的基本原理　
　　13.1.1　判別分析簡介　
　　13.1.2　判別分析的數(shù)學(xué)模型與判別方法　
　13.2　一般判別分析　
　　13.2.1　一般判別分析的參數(shù)設(shè)置　
　　13.2.2　案例——上市公司類型的比較分析　
　13.3　逐步判別分析　
　　13.3.1　逐步判別的參數(shù)設(shè)置　
　　13.3.2　案例——全國各個(gè)省市地區(qū)的農(nóng)民家庭收支的分布規(guī)律研究　
第14章　因子分析　
　14.1　因子分析簡介　
　　14.1.1　因子分析的基本原理　
　　14.1.2　因子分析的基本步驟和過程　
　14.2　spss軟件進(jìn)行因子分析　
　　14.2.1　spss因子分析的參數(shù)設(shè)置　
　　14.2.2　案例——汽車銷售的數(shù)據(jù)中各變量的因子分析　
第15章　對(duì)應(yīng)分析　
　15.1　對(duì)應(yīng)分析的基本原理　
　15.2　簡單對(duì)應(yīng)分析　
　　15.2.1　correspondence　analysis過程　
　　15.2.2　案例——簡單對(duì)應(yīng)分析實(shí)例　
　15.3　optimal　scaling過程　
　　15.3.1　optimal　scaling過程的spss參數(shù)設(shè)置　
　　15.3.2　案例——最優(yōu)尺度分析實(shí)例　
第16章　可靠性和多維尺度分析　
　16.1　可靠性分析　
　　16.1.1　可靠性分析的基本原理　
　　16.1.2　可靠性分析的參數(shù)設(shè)置　
　　16.1.3　案例——電視節(jié)目調(diào)查數(shù)據(jù)可靠性分析　
　16.2　多維尺度分析　
　　16.2.1　多維尺度分析簡介　
　　16.2.2　alscal過程的參數(shù)設(shè)置　
　　16.2.3　案例——多維尺度實(shí)例分析　
第17章　生存分析　
　17.1　生存分析簡介　
　　17.1.1　生存分析的基本概念　
　　17.1.2　生存資料的特點(diǎn)　
　　17.1.3　生存分析方法　
　　17.1.4　spss中的生存分析過程　
　17.2　life　tables過程　
　　17.2.1　life　tables過程的參數(shù)設(shè)置　
　　17.2.2　案例——電信公司客戶流失分析　
　17.3　kaplan-meier分析　
　　17.3.1　kaplan-meier分析的步驟　
　　17.3.2　案例——新藥開發(fā)的數(shù)據(jù)分析　
　17.4　cox模型回歸分析　
　　17.4.1　cox回歸模型　
　　17.4.2　cox模型參數(shù)設(shè)置　
　　17.4.3　案例——電信公司的客戶流失的cox回歸模型分析　
第18章　對(duì)數(shù)線性模型　
　18.1　對(duì)數(shù)線性模型概述　
　18.2　general過程　
　　18.2.1　general過程的參數(shù)設(shè)置　
　　18.2.2　實(shí)例分析　
　18.3　logit過程　
　　18.3.1　logit過程的參數(shù)設(shè)置　
　　18.3.2　實(shí)例分析　
　18.4　模型（model）selection過程　
　　18.4.1　模型（model）selection的參數(shù)設(shè)置　
　　18.4.2　實(shí)例分析　
第19章　時(shí)間序列分析　
　19.1　時(shí)間序列概述　
　　19.1.1　時(shí)間序列的組成部分　
　　19.1.2　時(shí)間序列的數(shù)學(xué)模型　
　　19.1.3　時(shí)間序列的分析步驟　
　　19.1.4　spss時(shí)間序列分析功能　
　19.2　時(shí)間序列數(shù)據(jù)的預(yù)處理　
　　19.2.1　缺失值替換　
　　19.2.2　定義時(shí)間變量　
　　19.2.3　時(shí)間序列的平穩(wěn)化　
　19.3　指數(shù)平滑模型過程　
　　19.3.1　指數(shù)平滑的基本原理　
　　19.3.2　指數(shù)平滑模型的參數(shù)設(shè)置　
　　19.3.3　案例——銷售數(shù)據(jù)預(yù)測(cè)分析　
　19.4　arima模型　
　　19.4.1　arima模型的基本原理　
　　19.4.2　arima模型的參數(shù)設(shè)置　
　　19.4.3　案例——上海證券交易所綜合指數(shù)收益率模擬預(yù)測(cè)分析　
　19.5　季節(jié)分解模型過程　
　　19.5.1　季節(jié)分解模型的參數(shù)設(shè)置　
　　19.5.2　案例——具有季節(jié)因素的服裝銷售數(shù)據(jù)的預(yù)測(cè)分析　
第20章　缺失值分析　
　20.1　缺失值理論概述　
　　20.1.1　數(shù)據(jù)缺失方式　
　　20.1.2　缺失值處理方法　
　20.2　spss缺失值分析操作　
　　20.2.1　缺失值分析的參數(shù)設(shè)置　
　　20.2.2　案例——數(shù)據(jù)集中缺失值的實(shí)例分析　
第21章　決策樹模型　
　21.1　決策樹模型概述　
　　21.1.1　chaid算法　
　　21.1.2　exhaustive　chaid算法　
　　21.1.3　cart算法　
　　21.1.4　quest算法　
　21.2　決策樹的參數(shù)設(shè)置　
　　21.2.1　變量設(shè)置　
　　21.2.2　類別（categories）設(shè)置　
　　21.2.3　輸出（output）設(shè)置　
　　21.2.4　驗(yàn)證（validation）設(shè)置　
　　21.2.5　保存（save）設(shè)置　
　　21.2.6　條件（criteria）設(shè)置　
　　21.2.7　chaid算法設(shè)置　
　　21.2.8　cart算法設(shè)置　
　　21.2.9　quest算法設(shè)置　
　　21.2.10　修剪（pruning）設(shè)置　
　　21.2.11　替代變量（surrogates）設(shè)置　
　　21.2.12　選項(xiàng)（options）設(shè)置　
　　21.2.13　誤分類成本設(shè)置　
　　21.2.14　利潤（profits）設(shè)置　
　　21.2.15　先驗(yàn)概率（prior　probabilities）設(shè)置　
　　21.2.16　實(shí)例分析　
　　21.2.17　模型建立　
　　21.2.18　模型評(píng)估　
第22章　神經(jīng)網(wǎng)絡(luò)　
　22.1　神經(jīng)網(wǎng)絡(luò)概述　
　　22.1.1　歷史及現(xiàn)狀　
　　22.1.2　神經(jīng)網(wǎng)絡(luò)特點(diǎn)　
　　22.1.3　神經(jīng)元模型　
　　22.1.4　神經(jīng)網(wǎng)絡(luò)模型　
　　22.1.5　神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則　
　　22.1.6　spss神經(jīng)網(wǎng)絡(luò)模型　
　22.2　spss神經(jīng)網(wǎng)絡(luò)模型的設(shè)置　
　　22.2.1　多層感知器（mlp）的設(shè)置　
　　22.2.2　徑向基函數(shù)（rbf）的設(shè)置　
　22.3　實(shí)例分析　
　　22.3.1　參數(shù)設(shè)置　
　　22.3.2　結(jié)果分析　
第23章　信用風(fēng)險(xiǎn)分析　
　23.1　信用風(fēng)險(xiǎn)概述　
　　23.1.1　信用風(fēng)險(xiǎn)基本概念　
　　23.1.2　信用風(fēng)險(xiǎn)度量方法　
　23.2　案例分析　
　　23.1.3　spss中信用風(fēng)險(xiǎn)分析模塊　
　　23.2.1　二元logistic過程　
　　23.2.2　決策樹（tree）過程　
　　23.2.3　discriminant過程　
第24章　spss在社會(huì)經(jīng)濟(jì)綜合評(píng)價(jià)中的應(yīng)用　
　24.1　沿海省市經(jīng)濟(jì)綜合指標(biāo)的主成分分析　
　24.2　中國城鎮(zhèn)居民消費(fèi)結(jié)構(gòu)的聚類分析　
　24.3　我國內(nèi)地可支配收入和消費(fèi)性支出之間的回歸分析