☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

内容简介

　　本书是北京市高等教育精品教材。全书以统计分析的应用需求为主线，以通俗易懂的语言对SPSS中主要统计分析方法的核心思想进行系统的介绍，并对其在SPSS中的操作实现步骤进行详尽说明，同时配合应用案例分析，使读者能够较快领会方法的要点，掌握方法的实现操作，明确方法的适用特点。本书克服了SPSS手册类教材只注重操作说明而忽略原理讲解的不足，同时弥补了统计专业教材只注重原理述论而缺乏实现工具的缺憾，是一本特色鲜明、具有广泛使用价值的精品教材。书中相关章节的示例数据文件及全书电子课件，可登录华信教育资源网www.hxedu.com.cn免费注册下载使用。

目录

目录

第1章 SPSS统计分析软件概述

1.1 SPSS使用基础

1.1.1 SPSS的基本窗口

1.1.2 SPSS软件的退出

1.2 SPSS的基本运行方式

1.2.1 窗口菜单方式

1.2.2 程序运行方式

1.2.3 混合运行方式

1.3 利用SPSS进行数据分析的基本步骤

1.3.1 数据分析的一般步骤

1.3.2 利用SPSS进行数据分析的一般步骤

第2章 SPSS数据文件的建立和管理

2.1 SPSS数据文件

2.1.1 SPSS数据文件的特点

2.1.2 SPSS数据的基本组织方式

2.2 SPSS数据的结构和定义方法

2.2.1 变量名

2.2.2 变量类型、宽度、列宽度

2.2.3 变量名标签

2.2.4 变量值标签

2.2.5 缺失值

2.2.6 计量尺度

2.2.7 结构定义的基本操作

2.3 SPSS结构定义的应用案例

2.4 SPSS数据的录入与编辑

2.4.1 SPSS数据的录入

2.4.2 SPSS数据的编辑

2.5 SPSS数据的保存

2.5.1 SPSS支持的数据格式

2.5.2 保存SPSS数据的基本操作

2.6 读取其他格式的数据文件

2.6.1 直接读入其他格式的数据文件

2.6.2 使用文本向导读入文本文件

2.6.3 使用数据库向导读入数据

2.7 SPSS数据文件合并

2.7.1 纵向合并数据文件

2.7.2 横向合并数据文件

第3章 SPSS数据的预处理

3.1 数据的排序

3.1.1 数据排序的目的

3.1.2 数据排序的基本操作

3.1.3 数据排序的应用举例

3.2 变量计算

3.2.1 变量计算的目的

3.2.2 SPSS算术表达式

3.2.3 SPSS条件表达式

3.2.4 SPSS函数

3.2.5 变量计算的基本操作

3.2.6 变量计算的应用举例

3.3 数据选取

3.3.1 数据选取的目的

3.3.2 数据选取

3.3.3 数据选取的基本操作

3.3.4 数据抽样的应用举例

3.4 计数

3.4.1 计数目的

3.4.2 计数区间

3.4.3 计数的基本操作

3.4.4 计数的应用举例

3.5 分类汇总

3.5.1 分类汇总的目的

3.5.2 分类汇总的基本操作

3.5.3 分类汇总的应用举例

3.6 数据分组

3.6.1 数据分组的目的

3.6.2 SPSS的单变量值分组

3.6.3 SPSS的组距分组

3.6.4 SPSS的分位数分组

3.7 数据预处理的其他功能

3.7.1 数据转置

3.7.2 加权处理

3.7.3 数据拆分

第4章 SPSS基本统计分析

4.1 频数分析

4.1.1 频数分析的目的和基本任务

4.1.2 频数分析的基本操作

4.1.3 SPSS频数分析的扩展功能

4.1.4 频数分析的应用举例

4.2 计算基本描述统计量

4.2.1 基本描述统计量

4.2.2 计算基本描述统计量的基本操作

4.2.3 计算基本描述统计量的应用举例

4.3 交叉分组下的频数分析

4.3.1 交叉分组下频数分析的目的和基本任务

4.3.2 交叉列联表的主要内容

4.3.3 交叉列联表行列变量间关系的分析

4.3.4 交叉分组下的频数分析基本操作

4.3.5 交叉分组下的频数分析应用举例

4.3.6 SPSS中列联表分析的其他方法

4.4 多选项分析

4.4.1 多选项分析的目的

4.4.2 多选项分析的基本操作

4.4.3 多选项分析的应用举例

4.5 比率分析

4.5.1 比率分析的目的和主要指标

4.5.2 比率分析的基本步骤

4.5.3 比率分析的应用举例

第5章 SPSS的参数检验

5.1 参数检验概述

5.1.1 推断统计与参数检验

5.1.2 假设检验的基本思想

5.1.3 假设检验的基本步骤

5.2 单样本t检验

5.2.1 单样本t检验的目的

5.2.2 单样本t检验的基本步骤

5.2.3 单样本t检验的基本操作

5.2.4 单样本t检验的应用举例

5.3 两独立样本t检验

5.3.1 两独立样本t检验的目的

5.3.2 两独立样本t检验的基本步骤

5.3.3 两独立样本t检验的基本操作

5.3.4 两独立样本t检验的应用举例

5.4 两配对样本t检验

5.4.1 两配对样本t检验的目的

5.4.2 两配对样本t检验的基本步骤

5.4.3 两配对样本t检验的基本操作

5.4.4 两配对样本t检验的应用举例

第6章 SPSS的方差分析

6.1 方差分析概述

6.2 单因素方差分析

6.2.1 单因素方差分析的基本思想

6.2.2 单因素方差分析的数学模型

6.2.3 单因素方差分析的基本步骤

6.2.4 单因素方差分析的基本操作

6.2.5 单因素方差的应用举例

6.2.6 单因素方差分析的进一步分析

6.2.7 单因素方差应用举例的进一步分析

6.3 多因素方差分析

6.3.1 多因素方差分析的基本思想

6.3.2 多因素方差分析的数学模型

6.3.3 多因素方差分析的基本步骤

6.3.4 多因素方差分析的基本操作

6.3.5 多因素方差分析的应用举例

6.3.6 多因素方差分析的进一步分析

6.3.7 多因素方差分析应用举例的进一步分析

6.4 协方差分析

6.4.1 协方差分析的基本思路

6.4.2 协方差分析的数学模型

6.4.3 协方差分析的基本操作

6.4.4 协方差分析的应用举例

第7章 SPSS的非参数检验

7.1 单样本的非参数检验

7.1.1 总体分布的卡方检验

7.1.2 二项分布检验

7.1.3 单样本K�睸检验

7.1.4 变量值随机性检验

7.2 两独立样本的非参数检验

7.2.1 两独立样本的曼�不萏啬酻检验（Mann�瞁hitney U）

7.2.2 两独立样本的K�睸检验

7.2.3 两独立样本的游程检验（Wald�瞁olfwitz Runs）

7.2.4 极端反应检验(Moses Extreme Reactions)

7.2.5 两独立样本非参数检验的基本操作

7.2.6 两独立样本非参数检验的应用举例

7.3 多独立样本的非参数检验

7.3.1 中位数检验

7.3.2 多独立样本的Kruskal�瞁allis检验

7.3.3 多独立样本的Jonckheere�睺erpstra检验

7.3.4 多独立样本非参数检验的基本操作

7.3.5 多独立样本非参数检验的应用举例

7.4 两配对样本的非参数检验

7.4.1 两配对样本的McNemar检验

7.4.2 两配对样本的符号检验

7.4.3 两配对样本Wilcoxon符号秩检验

7.4.4 两配对样本非参数检验的基本操作

7.4.5 两配对样本非参数检验的应用举例

7.5 多配对样本的非参数检验

7.5.1 多配对样本的Friedman检验

7.5.2 多配对样本的Cochran Q检验

7.5.3 多配对样本的Kendall协同系数检验

7.5.4 多配对样本非参数检验的基本操作

7.5.5 多配对样本非参数检验的应用举例

第8章 SPSS的相关分析和线性回归分析

8.1 相关分析和回归分析概述

8.2 相关分析

8.2.1 散点图

8.2.2 相关系数

8.2.3 相关分析应用举例

8.3 偏相关分析

8.3.1 偏相关分析和偏相关系数

8.3.2 偏相关分析的基本操作

8.3.3 偏相关分析的应用举例

8.4 回归分析

8.4.1 回归分析概述

8.4.2 线性回归模型

8.4.3 回归参数的普通最小二乘估计

8.4.4 回归方程的统计检验

8.4.5 多元回归分析中的其他问题

8.4.6 线性回归分析的基本操作

8.4.7 线性回归分析的其他操作

8.4.8 线性回归分析的应用举例

8.5 曲线估计

8.5.1 曲线估计概述

8.5.2 曲线估计的基本操作

8.5.3 曲线估计的应用举例

第9章 SPSS的Logistic回归分析

9.1 Logistic回归分析概述

9.2 二项Logistic回归分析

9.2.1 二项Logistic回归方程

9.2.2 二项Logistic回归方程系数的含义

9.2.3 二项Logistic回归方程的检验

9.2.4 二项Logistic回归分析中的虚拟自变量

9.3 二项Logistic回归分析的应用

9.3.1 二项Logistic回归分析的基本操作

9.3.2 二项Logistic回归分析的其他操作

9.3.3 二项Logistic回归应用示例

9.4 多项Logistic回归分析

9.4.1 多项Logistic回归分析概述

9.4.2 多项Logistic回归分析的基本操作和应用

9.4.3 多项Logistic回归分析的其他操作和应用

9.5 多项有序回归分析

9.5.1 多项有序回归分析概述

9.5.2 多项有序回归分析的基本操作和应用

第10章 SPSS的聚类分析

10.1 聚类分析的一般问题

10.1.1 聚类分析的意义

10.1.2 聚类分析中“亲疏程度”的度量方法

10.1.3 聚类分析几点说明

10.2 层次聚类

10.2.1 层次聚类的两种类型和两种方式

10.2.2 个体与小类、小类与小类间“亲疏程度”的度量方法

10.2.3 层次聚类的基本操作

10.2.4 层次聚类的应用举例

10.3 K�睲eans聚类

10.3.1 K�睲eans聚类分析的核心步骤

10.3.2 K�睲eans聚类分析的基本操作

10.3.3 K�睲eans聚类分析的应用举例

第11章 SPSS的因子分析

11.1 因子分析概述

11.1.1 因子分析的意义

11.1.2 因子分析的数学模型和相关概念

11.2 因子分析的基本内容

11.2.1 因子分析的基本步骤

11.2.2 因子分析的前提条件

11.2.3 因子提取和因子载荷矩阵的求解

11.2.4 因子的命名

11.2.5 计算因子得分

11.3 因子分析的基本操

精彩书摘

　　《SPSS统计分析方法及应用（第4版）》：
　　10.1.1聚类分析的意义
　　聚类分析是统计学中研究“物以类聚”问题的多元统计分析方法。聚类分析在统计分析的应用领域已经得到了极为广泛的应用。
　　“物以类聚”问题在经济社会研究中十分常见。例如，市场营销中的市场细分和客户细分问题。大型商厦收集到客户人口特征、消费行为和喜好方面的数据，并希望对这些客户进行特征分析。可从客户分类人手，根据客户的年龄、职业、收入、消费金额、消费频率、喜好等方面进行单变量或多变量的客户分组。这种分组是极为常见的客户细分方式，但存在的不足是客户群划分带有明显的主观色彩，需要有丰富的行业经验才能得到比较合理和理想的客户细分，否则得到的分组可能无法充分反映和展现客户的特点，主要表现在，同一客户细分段中的客户在某些特征方面并不相似，而不同客户细分段中的客户在某些特征方面却又很相似。因此，这种客户细分并没有真正起到划分客户群的作用。为解决该问题，希望从数据自身出发，充分利用数据进行客户的客观分组，使诸多特征有相似性的客户被分在同一组，而不相似的客户被区分到另一些组中。这时便可采用聚类分析方法。
　　……

前言/序言

　　前言

　　《SPSS统计分析方法及应用》出版以来，得到了广大读者的支持和喜爱。在第4版中，我们将仍然保持前版的写作风格，努力以深入浅出的方式，有条理地全面介绍统计分析方法的核心原理，并以实际数据为纽带说明SPSS的操作过程，同时以应用案例为背景剖析统计分析的应用解决方案，书中相关章节的示例数据文件及全书电子课件，可登录华信教育资源网www.hxedu.com.cn免费注册下载使用。。

　　随着SPSS软件版本的不断升级在听取读者各方面意见的基础上，我们对前版进行了修订。修订后的《SPSS统计分析方法及应用(第4版)》（以下简称《第4版》），对以下方面进行了调整和增补：

　　第一，以SPSS21.0中文版为主要讲解对象。在操作方面，SPSS的最新版本与我们所选用的版本之间无大差异。

　　第二，为适应软件新版本的需要，重新更换了前版中的所有操作窗口截图，并调整了部分应用案例。

　　第三，对部分章节安排进行了重新调整，使内容更具逻辑性和连贯性。

　　第四，加强了对统计分析结果实际含义的解释，使读者更易理解。

　　第五，对部分统计方法的原理做了更详尽的阐述。如对应分析、列联分析中的统计检验，协方差分析的计算过程、指数平滑等。

　　第六，重新统一和严格规范了一些统计称谓和概念，使全书更加严谨。

　　统计分析需求日益旺盛已是一个不争事实。大数据背景下，掌握权威统计分析软件SPSS，是高端管理人才必备的职业技能。真诚希望读者能够通过阅读本书，逐步领会统计分析方法的精髓，掌握SPSS软件的操作，举一反三灵活应用于统计分析的实践中。

　　本书不妥和错误之处，敬请各位读者指正。

　　编者于中国人民大学统计学院

　　第2版前言

　　一、统计应用的特点

　　在计算机技术迅猛发展的今天，政府和企业的统计应用已逐渐呈现以下特征：

　　第一，数据量和数据关系复杂性快速膨胀

　　数据量和数据关系复杂性快速膨胀是目前统计应用中遇到的主要问题。通常，一般规模的统计分析项目中，数据量可达到百万条甚至近千万条。统计应用也不再以统计年鉴和统计报表的纸面方式获得数据，而要求直接从电子化多媒体化的基础业务系统、管理信息系统和决策支持系统的数据库(数据仓库)中提取数据。利用计算机和网络进行有效的数据组织和数据管理已经成为统计应用的基本环节和基础方式。

　　第二，数据分析方法日益丰富

　　在数据处理和数据分析中，以坚实的数学理论为基础的统计分析方法已获得广泛应用。近年来以计算机技术为动力的数据挖掘技术也为数据分析增添了新的方法和思路。机器学习、神经网络和生物遗传算法等已成为处理海量数据，探索数据内在规律性，提取数据中未知知识的重要手段。这些数据分析方法的成果不断地体现在统计分析软件和数据挖掘软件体系中，并通过强大的计算机处理能力和网络分布处理能力进行模型的高速计算。

　　第三，统计应用需要具有可操作性的整体解决方案

　　传统的统计业务处理流程是报表上报、人工汇总、撰写分析报告，最终实现为有关管理决策部门提供信息监督和咨询服务的目标。统计应用的科研长期以来也沿用了这种套路，即由统计业务方提供数据，由统计方法专家进行数据分析、撰写分析报告和提供咨询建议。这样的应用方式存在两个主要问题：首先，许多企事业单位统计应用起点较低，基础较薄弱，无法提供完善的报表支持，出现或资料不完整或没有电子化的数据来源等问题，使得统计分析常常成为无米之炊；其次，不定期的统计报告方式难以满足统计业务的长期发展需要。目前，越来越多的统计应用要求研究人员提供能够与统计业务绑定的、可长期运行的、具有可操作性的统计应用整体解决方案。这个整体方案将统计业务处理功能、统计数据、统计分析方法完整地集成起来。因此，如果没有一个符合企事业单位统计业务自身特点的统计信息系统，统计分析方法的应用将很难实现健康的、落地生根的、滚动式的发展。

　　总之，如果说数学是统计方法的首要工具，那么，统计应用软件已经成为统计应用的首要工具。

　　二、统计应用软件的分类

　　长期以来，统计无论在国内外政府和企业都有着广泛的应用，但统计应用软件在企事业信息化建设中的认可度却相对较低。产生这个矛盾的一个重要原因就是统计应用软件概念混淆，分类不清。目前，人们在提及统计应用软件时会涉及统计分析软件、统计信息系统、统计数据库系统等方面。规范统计应用软件分类标准对统计应用软件发展和统计信息化建设有着深远的和现实的意义。我们经过对国内外大量资料的分析研究，结合自身统计应用软件开发应用的经验，提出了统计应用软件分类标准，希望能抛砖引玉，引起大家对统计应用软件的关注和研究。

　　首先，统计应用软件是应用软件的一种分类，是应用软件从应用领域或应用行业划分出的一个分支。其次，根据应用性质，统计应用软件可划分为统计分析软件、统计信息系统和统计数据库系统三大类。

　　●统计分析软件是依据统计分析方法开发的支持数据分析的工具型软件，如SPSS和SAS等。

　　●统计数据库系统是基于统计数据库管理系统而建立的包含统计数据资源的数据库系统。其中，统计数据库管理系统是根据统计处理对象(统计数据)的特征和一般处理功能而研制的数据库管理系统(DBMS)。

　　●统计信息系统是采用软件开发平 SPSS统计分析方法及应用（第4版） 电子书 下载 mobi epub pdf txt

评分☆☆☆☆☆

不错?

评分☆☆☆☆☆

不错?

评分☆☆☆☆☆

书没有包装真的有种二手书的感觉。。。

评分☆☆☆☆☆

图书质量不错，值得购买

评分☆☆☆☆☆

怎么没有光盘呢？

评分☆☆☆☆☆

书没有包装真的有种二手书的感觉。。。

评分☆☆☆☆☆

书没有包装真的有种二手书的感觉。。。

评分☆☆☆☆☆

怎么没有光盘呢？

评分☆☆☆☆☆

没有光盘，好贵啊……

类似图书 点击查看全场最低价