SPSS統(tǒng)計(jì)分析（第6版 高級(jí)版）

目 錄
第1章 對(duì)數(shù)線(xiàn)性模型及其他回歸分析\t1
1．1　加權(quán)回歸\t1
1．1．1 加權(quán)回歸的概念\t1
1．1．2 加權(quán)回歸過(guò)程\t2
1．1．3 加權(quán)回歸分析實(shí)例\t3
1．2　兩階最小二乘法\t5
1．2．1 兩階最小二乘法的概念\t5
1．2．2 兩階最小二乘法過(guò)程\t7
1．2．3 兩階最小二乘法分析實(shí)例\t8
1．3　最優(yōu)尺度回歸\t10
1．3．1 最優(yōu)尺度回歸的概念\t10
1．3．2 最優(yōu)尺度回歸過(guò)程\t20
1．3．3 最優(yōu)尺度回歸分析實(shí)例\t28
1．4　對(duì)數(shù)線(xiàn)性模型\t31
1．4．1 對(duì)數(shù)線(xiàn)性模型的概念\t31
1．4．2 一般對(duì)數(shù)線(xiàn)性回歸分析\t34
1．4．3 Logit對(duì)數(shù)線(xiàn)性回歸分析\t42
1．4．4 選擇模型對(duì)數(shù)線(xiàn)性回歸分析\t49
1．5　分位數(shù)回歸\t57
1．5．1 分位數(shù)回歸分析概述\t57
1．5．2 分位數(shù)回歸過(guò)程\t57
1．5．3 分位數(shù)回歸分析實(shí)例\t64
習(xí)題1\t67
第2章 非參數(shù)檢驗(yàn)\t68
2．1　卡方檢驗(yàn)\t69
2．1．1 卡方檢驗(yàn)的基本概念\t69
2．1．2 卡方檢驗(yàn)過(guò)程\t69
2．1．3 卡方檢驗(yàn)分析實(shí)例\t71
2．2　二項(xiàng)分布檢驗(yàn)\t73
2．2．1 二項(xiàng)分布檢驗(yàn)的基本概念與操作\t73
2．2．2 二項(xiàng)分布檢驗(yàn)分析實(shí)例\t74
2．3　游程檢驗(yàn)\t75
2．3．1 游程檢驗(yàn)的基本概念\t75
2．3．2 游程檢驗(yàn)過(guò)程\t76
2．3．3 游程檢驗(yàn)分析實(shí)例\t76
2．4　一個(gè)樣本的柯?tīng)柲曷宸?斯米諾夫檢驗(yàn)\t77
2．4．1 一個(gè)樣本的柯?tīng)柲曷宸?斯米諾夫檢驗(yàn)的基本概念\t77
2．4．2 一個(gè)樣本的柯?tīng)柲曷宸?斯米諾夫檢驗(yàn)過(guò)程\t78
2．4．3 一個(gè)樣本的柯?tīng)柲曷宸?斯米諾夫檢驗(yàn)分析實(shí)例\t78
2．5　兩個(gè)獨(dú)立樣本檢驗(yàn)\t79
2．5．1 兩個(gè)獨(dú)立樣本檢驗(yàn)的用途與基本操作\t79
2．5．2 兩個(gè)獨(dú)立樣本檢驗(yàn)分析實(shí)例\t83
2．6　多個(gè)獨(dú)立樣本檢驗(yàn)\t84
2．6．1 多個(gè)獨(dú)立樣本檢驗(yàn)的用途與操作\t84
2．6．2 多個(gè)獨(dú)立樣本檢驗(yàn)分析實(shí)例\t86
2．7　兩個(gè)相關(guān)樣本檢驗(yàn)\t87
2．7．1 兩個(gè)相關(guān)樣本檢驗(yàn)的用途與操作\t87
2．7．2 兩個(gè)相關(guān)樣本檢驗(yàn)分析實(shí)例\t89
2．8　多個(gè)相關(guān)樣本檢驗(yàn)\t90
2．8．1 多個(gè)相關(guān)樣本檢驗(yàn)的用途與操作\t90
2．8．2 多個(gè)相關(guān)樣本檢驗(yàn)分析實(shí)例\t91
2．9　新版非參數(shù)假設(shè)檢驗(yàn)的界面及其使用方法\t92
2．9．1 單樣本檢驗(yàn)\t92
2．9．2 獨(dú)立樣本檢驗(yàn)\t100
2．9．3 相關(guān)樣本檢驗(yàn)\t106
習(xí)題2\t113
第3章 聚類(lèi)分析與判別分析\t114
3．1　聚類(lèi)分析、判別分析及其分析過(guò)程\t114
3．1．1 聚類(lèi)分析\t114
3．1．2 判別分析\t115
3．2　兩步聚類(lèi)\t115
3．2．1 兩步聚類(lèi)的概述及有關(guān)術(shù)語(yǔ)\t115
3．2．2 兩步聚類(lèi)過(guò)程\t117
3．2．3 兩步聚類(lèi)分析實(shí)例\t120
3．3　快速聚類(lèi)\t122
3．3．1 快速聚類(lèi)概述\t122
3．3．2 快速聚類(lèi)過(guò)程\t123
3．3．3 快速聚類(lèi)分析實(shí)例\t125
3．4　系統(tǒng)聚類(lèi)\t129
3．4．1 系統(tǒng)聚類(lèi)概述\t129
3．4．2 系統(tǒng)聚類(lèi)過(guò)程\t130
3．4．3 樣品聚類(lèi)分析實(shí)例\t136
3．4．4 變量聚類(lèi)概述\t143
3．4．5 變量聚類(lèi)分析實(shí)例\t143
3．5　判別分析\t147
3．5．1 判別分析概述\t147
3．5．2 判別分析過(guò)程\t149
3．5．3 判別分析實(shí)例\t154
3．5．4 逐步判別分析\t161
3．6　ROC曲線(xiàn)\t167
3．6．1 ROC曲線(xiàn)的基本原理\t167
3．6．2 ROC曲線(xiàn)的基本過(guò)程\t168
3．6．3 ROC曲線(xiàn)實(shí)例\t169
3．7　ROC分析\t171
3．7．1 ROC分析概述\t171
3．7．2 ROC分析過(guò)程\t171
3．7．3 ROC分析實(shí)例\t173
習(xí)題3\t175
第4章 因子分析與對(duì)應(yīng)分析\t176
4．1　主成分分析與因子分析\t176
4．1．1 主成分分析與因子分析概述\t176
4．1．2 因子分析過(guò)程\t181
4．1．3 因子分析實(shí)例\t187
4．1．4 利用因子得分進(jìn)行聚類(lèi)\t190
4．1．5 市場(chǎng)研究中的顧客偏好分析\t194
4．2　對(duì)應(yīng)分析\t197
4．2．1 對(duì)應(yīng)分析概述\t197
4．2．2 對(duì)應(yīng)分析過(guò)程\t198
4．2．3 對(duì)應(yīng)分析實(shí)例\t202
習(xí)題4\t204
第5章 信度分析與多維尺度分析\t205
5．1　信度分析\t205
5．1．1 信度分析的概念\t205
5．1．2 信度分析過(guò)程\t208
5．1．3 信度分析實(shí)例\t211
5．2　多維尺度分析\t212
5．2．1 多維尺度分析的功能與數(shù)據(jù)要求\t212
5．2．2 多維尺度分析過(guò)程\t212
5．2．3 多維尺度分析實(shí)例\t215
習(xí)題5\t217
第6章 結(jié)合分析\t218
6．1　結(jié)合分析概述\t218
6．2　正交試驗(yàn)設(shè)計(jì)\t219
6．2．1 試驗(yàn)設(shè)計(jì)中的問(wèn)題\t219
6．2．2 正交試驗(yàn)設(shè)計(jì)的思路\t219
6．2．3 正交試驗(yàn)設(shè)計(jì)過(guò)程\t221
6．2．4 正交試驗(yàn)設(shè)計(jì)實(shí)例\t223
6．2．5 正交試驗(yàn)設(shè)計(jì)過(guò)程語(yǔ)句\t225
6．3　試驗(yàn)設(shè)計(jì)結(jié)果的打印\t231
6．3．1 設(shè)計(jì)結(jié)果打印過(guò)程\t231
6．3．2 打印調(diào)查用卡片實(shí)例\t232
6．3．3 正交試驗(yàn)設(shè)計(jì)打印過(guò)程語(yǔ)句\t233
6．4　結(jié)合分析語(yǔ)句與實(shí)例\t234
6．4．1 結(jié)合分析語(yǔ)句\t235
6．4．2 結(jié)合分析語(yǔ)句實(shí)例\t239
6．5　結(jié)合分析實(shí)例\t243
6．5．1 課題分析與正交試驗(yàn)設(shè)計(jì)\t243
6．5．2 調(diào)查準(zhǔn)備與調(diào)查\t245
6．5．3 結(jié)合分析編程與結(jié)果分析\t247
習(xí)題6\t251
第7章 時(shí)間序列分析\t252
7．1 時(shí)間序列的建立和平穩(wěn)化\t253
7．1．1 缺失值數(shù)據(jù)的替換\t253
7．1．2 建立時(shí)間序列新變量\t254
7．2 序列圖\t257
7．2．1 序列圖過(guò)程\t257
7．2．2 序列圖應(yīng)用實(shí)例\t259
7．3 建立時(shí)間序列模型\t260
7．3．1 指數(shù)平滑與ARIMA模型概述\t261
7．3．2 選擇分析變量\t273
7．3．3 選擇統(tǒng)計(jì)量\t280
7．3．4 圖表\t282
7．3．5 輸出項(xiàng)目的過(guò)濾\t283
7．3．6 保存新變量\t284
7．3．7 建模的其他選項(xiàng)\t285
7．3．8 時(shí)間序列分析實(shí)例\t286
7．4 應(yīng)用傳統(tǒng)模型\t290
7．4．1 應(yīng)用時(shí)間序列模型過(guò)程\t290
7．4．2 應(yīng)用時(shí)間序列模型分析實(shí)例\t291
7．5 自相關(guān)\t292
7．5．1 自相關(guān)系數(shù)與偏自相關(guān)系數(shù)的計(jì)算\t292
7．5．2 自相關(guān)圖\t294
7．5．3 自相關(guān)分析過(guò)程\t295
7．5．4 自相關(guān)分析實(shí)例\t296
7．6 季節(jié)性分解法\t298
7．6．1 季節(jié)性分解法模型\t298
7．6．2 季節(jié)性分解法分析過(guò)程\t300
7．6．3 季節(jié)性分解法分析實(shí)例\t301
7．7 頻譜分析\t302
7．7．1 頻譜分析概述\t302
7．7．2 頻譜分析過(guò)程\t305
7．7．3 頻譜分析實(shí)例\t306
7．8 互相關(guān)\t307
7．8．1 互相關(guān)概述\t307
7．8．2 互相關(guān)過(guò)程\t308
7．8．3 互相關(guān)實(shí)例\t309
習(xí)題7\t310
第8章 生存分析\t311
8．1 生存分析概述\t311
8．1．1 生存分析與生存數(shù)據(jù)\t311
8．1．2 生存時(shí)間函數(shù)\t312
8．1．3 Kaplan-Meier法\t312
8．1．4 Cox回歸模型\t313
8．1．5 Cox依時(shí)協(xié)變量回歸模型\t313
8．2 壽命表分析\t314
8．2．1 壽命表分析概述\t314
8．2．2 壽命表分析過(guò)程\t314
8．2．3 壽命表分析實(shí)例\t316
8．3 Kaplan-Meier分析\t319
8．3．1 Kaplan-Meier分析概述\t319
8．3．2 Kaplan-Meier分析過(guò)程\t319
8．3．3 Kaplan-Meier分析實(shí)例\t322
8．4 Cox回歸分析\t323
8．4．1 Cox回歸分析概述\t323
8．4．2 Cox回歸分析過(guò)程\t324
8．4．3 Cox回歸分析實(shí)例\t329
8．5 Cox依時(shí)協(xié)變量回歸分析\t331
8．5．1 Cox依時(shí)協(xié)變量回歸分析過(guò)程\t331
8．5．2 Cox依時(shí)協(xié)變量回歸分析實(shí)例\t333
習(xí)題8\t336
第9章 生成統(tǒng)計(jì)圖\t337
9．1 概述\t337
9．2 條形圖和三維條形圖\t337
9．2．1 選擇圖類(lèi)型\t338
9．2．2 簡(jiǎn)單條形圖\t338
9．2．3 復(fù)式條形圖\t341
9．2．4 堆積條形圖\t342
9．2．5 三維條形圖\t343
9．3 線(xiàn)圖、面積圖、盤(pán)高-盤(pán)低圖和餅圖\t344
9．3．1 選擇圖形類(lèi)型\t344
9．3．2 堆積面積圖\t345
9．3．3 多線(xiàn)折線(xiàn)圖\t346
9．3．4 垂直線(xiàn)圖\t346
9．3．5 簡(jiǎn)單盤(pán)高-盤(pán)低-收盤(pán)圖\t347
9．3．6 簇狀盤(pán)高-盤(pán)低-收盤(pán)圖\t348
9．3．7 簡(jiǎn)單范圍條形圖\t349
9．3．8 差別面積圖\t350
9．3．9 餅圖\t351
9．4 箱圖和誤差條形圖\t352
9．4．1 選擇箱圖和誤差條形圖類(lèi)型\t352
9．4．2 簡(jiǎn)單箱圖\t352
9．4．3 復(fù)式箱圖\t353
9．4．4 簡(jiǎn)單誤差條形圖\t353
9．4．5 復(fù)式誤差條形圖\t354
9．5 散點(diǎn)圖\t355
9．5．1 選擇散點(diǎn)圖模式\t355
9．5．2 簡(jiǎn)單散點(diǎn)圖\t355
9．5．3 重疊散點(diǎn)圖\t356
9．5．4 矩陣散點(diǎn)圖\t357
9．5．5 簡(jiǎn)單點(diǎn)圖\t358
9．6 直方圖\t359
9．7 帕累托圖\t360
9．7．1 選擇帕累托圖類(lèi)型\t360
9．7．2 簡(jiǎn)單帕累托圖\t360
9．7．3 堆積帕累托圖\t362
9．8 控制圖\t363
9．8．1 選擇控制圖類(lèi)型\t363
9．8．2 平均值控制圖、極差控制圖、標(biāo)準(zhǔn)差控制圖\t364
9．8．3 單值控制圖和移動(dòng)極差控制圖\t366
9．8．4 不合格品率控制圖和不合格品數(shù)控制圖\t367
9．8．5 缺陷數(shù)控制圖和單位缺陷數(shù)控制圖\t369
習(xí)題9\t370
第10章 編輯統(tǒng)計(jì)圖\t371
10．1 認(rèn)識(shí)圖形組成\t371
10．2 編輯平面統(tǒng)計(jì)圖\t372
10．2．1 圖形編輯途徑和操作\t372
10．2．2 改變圖形構(gòu)成\t373
10．2．3 圖形與文字修飾\t380
10．2．4 坐標(biāo)軸的編輯\t382
10．2．5 圖形的修飾\t385
10．2．6 圖內(nèi)線(xiàn)條的編輯\t386
10．2．7 餅圖編輯\t388
10．2．8 散點(diǎn)圖的編輯\t390
10．2．9 文件管理\t394
習(xí)題10\t395
第11章 貝葉斯推斷\t396
11．1 貝葉斯統(tǒng)計(jì)推斷概述\t396
11．1．1 貝葉斯公式\t396
11．1．2 貝葉斯統(tǒng)計(jì)學(xué)\t396
11．1．3 貝葉斯統(tǒng)計(jì)推斷中用到一些基本術(shù)語(yǔ)\t397
11．1．4 貝葉斯統(tǒng)計(jì)決策中用到一些基本術(shù)語(yǔ)\t399
11．1．5 幾種常見(jiàn)先驗(yàn)條件下的后驗(yàn)分布\t399
11．1．6 “貝葉斯統(tǒng)計(jì)信息”菜單項(xiàng)涉及過(guò)程與SPSS其他過(guò)程的聯(lián)系與
區(qū)別\t400
11．2 貝葉斯單樣本正態(tài)分布推斷分析\t401
11．2．1 貝葉斯單樣本正態(tài)分布推斷分析過(guò)程\t402
11．2．2 貝葉斯單樣本正態(tài)分布分析實(shí)例\t405
11．3 貝葉斯單樣本二項(xiàng)分布推斷分析\t407
11．3．1 貝葉斯單樣本二項(xiàng)分布推斷分析過(guò)程\t407
11．3．2 貝葉斯單樣本二項(xiàng)分布推斷分析實(shí)例\t409
11．4 貝葉斯單樣本泊松分布推斷分析\t411
11．4．1 貝葉斯單樣本泊松分布推斷分析過(guò)程\t411
11．4．2 貝葉斯單樣本泊松分布推斷分析實(shí)例\t412
11．5 貝葉斯相關(guān)樣本正態(tài)分布推斷分析\t413
11．5．1 貝葉斯相關(guān)樣本正態(tài)分布推斷分析過(guò)程\t414
11．5．2 貝葉斯相關(guān)樣本正態(tài)分布推斷分析實(shí)例\t415
11．6 貝葉斯獨(dú)立樣本正態(tài)分布推斷分析\t417
11．6．1 貝葉斯獨(dú)立樣本正態(tài)分布推斷分析過(guò)程\t417
11．6．2 貝葉斯獨(dú)立樣本正態(tài)分布推斷分析實(shí)例\t420
11．7 皮爾遜相關(guān)分析貝葉斯推斷分析\t422
11．7．1 皮爾遜相關(guān)分析貝葉斯推斷分析過(guò)程\t422
11．7．2 皮爾遜相關(guān)分析貝葉斯推斷分析實(shí)例\t424
11．8 皮爾遜線(xiàn)性回歸模型的貝葉斯推斷分析\t425
11．8．1 皮爾遜線(xiàn)性回歸模型的貝葉斯推斷分析過(guò)程\t426
11．8．2 皮爾遜線(xiàn)性回歸模型的貝葉斯推斷分析實(shí)例\t431
11．9 貝葉斯單因素方差分析\t432
11．9．1 貝葉斯單因素方差分析過(guò)程\t433
11．9．2 貝葉斯單因素方差分析實(shí)例\t435
11．10 貝葉斯對(duì)數(shù)線(xiàn)性回歸模型分析\t437
11．10．1 貝葉斯對(duì)數(shù)線(xiàn)性回歸模型分析過(guò)程\t437
11．10．2 貝葉斯對(duì)數(shù)線(xiàn)性回歸模型分析實(shí)例\t440
11．11 貝葉斯單因素重復(fù)測(cè)量方差分析\t442
11．11．1 貝葉斯單因素重復(fù)測(cè)量方差分析過(guò)程\t442
11．11．2 貝葉斯單因素重復(fù)測(cè)量方差分析實(shí)例\t444
習(xí)題11\t445
附錄A 標(biāo)準(zhǔn)化、距離和相似性的計(jì)算\t447
參考文獻(xiàn)\t453