SPSS统计分析高级教程

SPSS是最为优秀的统计软件之一，深受各行业用户的青睐。为满足广大读者学习和掌握高级统计分析方法的需求，本书定位为各应用统计专业的研究生教材，以SPSS 12.0为准，详细介绍了各种多变量统计模型、多元统计分析模型的方法原理和软件实现技术，其内容涵盖了各种有广泛应用的、经典或现代的模型和方法。全书共分20章，各章作者均为全国各高校的资深统计教师和各行业的资深统计分析人员，在书中结合了自身多年的统计分析实战和SPSS行业应用经验，既有深入浅出的理论介绍，又有针对实际问题的解决办法，更侧重于对统计新方法、新观点的讲解。在保证统计理论严谨权威的同时，又完全避免了传统教材过于学术化的缺陷，充分注重了文字的浅显易懂，使本书更加易学易用，是一本不可多得的如何使用SPSS进行高级统计分析的指导书和参考大全。

本书适合于已具备统计分析基础知识的读者阅读，可用作各专业研究生的统计学教材和参考书，也可

以作为各行业中希望深入学习和应用高级统计分析方法的读者，以及资深统计分析师的参考书或工作手册使用。

SPSS是最为优秀的统计软件之一，深受各行业用户的青睐。为满足广大读者学习和掌握高级统计分析方法的需求，本书定位为各应用统计专业的研究生教材，以SPSS 12.0为准，详细介绍了各种多变量统计模型、多元统计分析模型的方法原理和软件实现技术，其内容涵盖了各种有广泛应用的、经典或现代的模型和方法。全书共分20章，各章作者均为全国各高校的资深统计教师和各行业的资深统计分析人员，在书中结合了自身多年的统计分析实战和SPSS行业应用经验，既有深入浅出的理论介绍，又有针对实际问题的解决办法，更侧重于对统计新方法、新观点的讲解。在保证统计理论严谨权威的同时，又完全避免了传统教材过于学术化的缺陷，充分注重了文字的浅显易懂，使本书更加易学易用，是一本不可多得的如何使用SPSS进行高级统计分析的指导书和参考大全。 本书适合于已具备统计分析基础知识的读者阅读，可用作各专业研究生的统计学教材和参考书，也可 以作为各行业中希望深入学习和应用高级统计分析方法的读者，以及资深统计分析师的参考书或工作手册使用。

第一部分一般线性与混合线性模型.

第1章方差分析模型

1.1模型简介

1.1.1模型入门

1.1.2常用术语

1.1.3方差分析模型的适用条件

1.2简单分析实例

1.2.1模型表达式

1.2.2初步分析结果

1.2.3模型参数的估计值

1.2.4两两比较

1.2.5其他常用选项

1.3两因素方差分析模型

1.3.1分析实例

1.3.2边际均数与轮廓图

1.3.3拟和劣度检验

1.4因素各水平间的精细比较

1.4.1POSTHOC子句

1.4.2EMMEANS子句

1.4.3LMATRIX和KMATRIX子句

1.4.4CONSTRAST子句

1.5随机因素的方差分析模型

1.6其他问题

1.6.1自定义效应检验使用的误差项

1.6.2四类方差分解方法

第2章常用实验设计分析方法

2.1仅研究主效应的实验设计方案

2.1.1完全随机设计(CompletelyRandomDesign)

2.1.2配伍组设计(RandomizedBlockDesign)

2.1.3交叉设计(Cross-overDesign)

2.1.4拉丁方设计(LatinSquareDesign)

2.2考虑交互作用的实验设计方案

2.2.1析因设计(FactorialDesign)

2.2.2正交设计(OrthogonalDesign)

2.2.3均匀设计(UniformDesign)

2.3误差项变动的特殊实验设计方案

2.3.1嵌套设计(NestedDesign)

2.3.2重复测量设计(RepeatedMeasureDesign)

2.3.3裂区设计(Split-plotDesign)

2.4协方差分析(AnalysisofCovariance)

2.4.1协方差分析的必要性

2.4.2平行性假定的检验

2.4.3计算和检验修正均数

第3章多元方差分析与重复测量方差分析

3.1多元方差分析

3.1.1模型简介

3.2.2分析实例

3.3.3检验统计量的计算

3.3.4对引例的进一步分析

3.2重复测量资料的方差分析

3.2.1模型简介

3.2.2分析实例

第4章混合线性模型入门

4.1模型简介

4.1.1问题的提出

4.1.2模型入门

4.2层次聚集性数据分析实例

4.1.1拟合混合线性模型的基本结构

4.1.2在固定效应中加入自变量

4.1.3在随机效应中加入自变量

4.1.4更多解释变量的引入

4.1.5其他常用选项

4.3重复测量数据分析实例

4.3.1对数据的初步分析

4.3.2拟合混合线性模型的基本结构

4.3.3考虑重复测量间的相关性

4.3.4更改对测量间相关性的假定

4.3.5模型中可用的相关阵种类

4.4本章方法小结

4.4.1混合效应模型的用途

4.4.2混合效应模型与一般线性模型的联系

第二部分回归模型

第5章多重线性回归模型

5.1模型简介

5.2简单分析实例

5.2.1对数据的初步分析

5.2.2回归模型的假设检验

5.2.3偏回归系数的假设检验

5.2.4标准化偏回归系数

5.2.5衡量多元线性回归模型优劣的标准

5.3回归预测与残差分析

5.3.1回归预测与区间估计

5.3.2残差分析与模型适用条件的检验

5.4逐步回归

5.4.1筛选自变量的基本原则

5.4.2常用的逐步回归方法

5.4.3分析实例

5.5模型的进一步诊断与修正

5.5.1强影响点的识别与处理

5.5.2多重共线性的识别与处理

5.6本章方法小结

5.6.1回归模型的建立步骤

5.6.2多重线性回归模型结果解释时应注意的问题

第6章线性回归的衍生模型

6.1非直线趋势的处理：曲线直线化

6.1.1方法简介

6.1.2使用Linear过程进行分析

6.1.3使用曲线拟合过程分析

6.2方差不齐的处理：加权最小二乘法

6.2.1方法简介

6.2.2使用Linear过程进行分析

6.2.3使用WLS过程分析

6.3共线性的处理：岭回归

6.3.1方法简介

6.3.2分析实例

6.4分类变量的数值化：最优尺度回归

6.4.1方法简介

6.4.2分析实例

6.4.3最优尺度方法的应用注意事项

第7章路径分析入门

7.1两阶段最小二乘法

7.1.1模型简介

7.1.2　使用Linear过程进行分析

7.1.3使用2SLS过程进行分析

7.2路径分析入门

7.2.1模型简介

7.2.2分析实例

第8章非线性回归模型

8.1模型简介

8.1.1问题的提出

8.1.2模型入门

8.2简单分析实例

8.2.1软件操作与界面说明

8.2.2基本分析结果

8.2.3模型的进一步分析

8.3自定义损失函数：最小一乘法实例

8.3.1分析实例

8.3.3结果解释

8.4分段回归模型的拟合

8.4.1分析实例

8.4.2结果解释

8.4.3模型的进一步分析

8.5其他需要注意的问题

8.5.1参数初始值的设定

8.5.2模型的拟合方法

第9章二分类logistic回归模型

9.1模型简介

9.1.1模型入门

9.1.2一些基本概念

9.2简单分析实例

9.3分类自变量的定义与比较方法

9.3.1使用哑变量的必要性

9.3.2SPSS中预设的哑变量编码方式

9.3.3设置哑变量时要注意的问题

9.4自变量的筛选方法与逐步回归

9.4.1模型中的假设检验方法

9.4.2自变量的筛选方法

9.4.3分析实例

9.5模型拟合效果与拟合优度检验

9.5.1模型效果的判断指标

9.5.2拟合优度检验

9.6模型的诊断与修正

9.6.1残差分析

9.6.2多重共线性的识别及其对回归系数的影响及处理办法

第10章多分类.配对logistic回归与probit回归

10.1有序多分类logistic回归模型

10.1.1模型简介

10.1.2分析实例

10.1.3模型适用条件的检验

10.2无序多分类logistic回归模型

10.2.1模型简介

10.2.2分析实例

10.31:1配对logistic回归

10.3.1模型简介

10.3.2分析实例

10.4probit回归模型

10.4.1模型简介

10.4.2实例一：与logistic模型比较

10.4.3实例二：计算LD50

第三部分多元统计分析方法

第11章主成分分析与因子分析

11.1主成分分析

11.1.1模型入门..

11.1.2简单分析实例

11.1.3对主成分分析的进一步说明

11.2因子分析

11.2.1模型入门

11.2.4简单分析实例

11.3因子分析的进一步讨论

11.3.1不同的因子分析法

11.3.2相关阵和协方差

11.3.3确定公因子数量

11.4因子分析综合案例

11.5主成分分析和因子分析的比较

第12章聚类分析

12.1模型简介

12.1.1问题的提出

12.1.2聚类分析入门

12.1.3聚类分析的方法体系

12.2层次聚类法

12.2.1方法原理

12.2.2分析实例

12.2.3对层次聚类法的进一步讨论

12.3K-均值聚类法

12.3.1方法原理

12.3.2分析实例

12.4两步聚类法简介

12.4.1方法原理

12.4.2分析实例

12.5本章方法小结

第13章判别分析

13.1模型简介

13.1.1典型判别分析的基本原理

13.1.2判别分析的适用条件和违背条件时的处理方法

13.1.3判别效果的评价

13.1.4判别分析的一般步骤

13.2简单分析实例

13.2.1软件操作与界面说明

13.2.2基本分析结果

13.2.3判别结果的图形化展示

13.2.4判别效果的验证

13.2.5适用条件的判断方法

13.3贝叶斯判别分析

13.3.1方法原理

13.3.2软件实现

13.4对判别分析的进一步讨论

13.4.1逐步判别分析

13.4.2判别分析和因子分析的相似性和差异

13.4.3二类判别和多重回归的等价性

第14章典型相关分析

14.1方法介绍

14.1.1典型相关分析的基本思想

14.2.1典型相关分析的数学描述

14.2分析实例

14.2.1两组变量间的相关系数

14.2.2典型相关系数及显著性检验

11.2.3典型变量的系数

14.2.4典型结构分析

14.2.5典型冗余分析

14.3本章方法小结

14.3.1典型相关分析的应用

14.3.2典型相关分析和因子分析

第15章对应分析

15.1模型简介

15.1.1问题的提出

15.1.2模型入门

15.1.3SPSS中的相应功能

15.2简单分析实例

15.2.1对数据的初步分析

15.2.2正式分析

15.2.3对引例的进一步分析

15.3基于均数的对应分析

15.3.1方法原理

15.3.2分析实例

15.4多重对应分析

15.4.1方法原理

15.4.2分析实例

15.5对应分析中的其它问题

15.5.1对应分析结果的正确解释

15.5.2罕见类别和相似类别的处理

15.5.3有序类别的处理

15.6本章方法小结

15.6.1对应分析与其它分析方法的关系

15.6.2对应分析的优势与劣势

第16章多维尺度分析

16.1古典MDS模型

16.1.1方法原理

16.1.2分析实例

16.1.3距离的计算方式

16.2非度量MDS模型

16.2.1数据测量尺度的设定

16.2.2方法原理

16.2.3分析实例

16.3考虑个体差异的MDS模型

16.3.1方法原理

16.3.2分析实例

16.3.3空间定位图的含义解释

16.4基于最优尺度变换的MDS模型

16.4.1方法简介

16.4.2分析实例

16.5本章方法小结

第四部分其他统计分析方法

第17章对数线性模型与Poisson回归

17.1对数线性模型简介

17.1.1问题的提出

17.1.2模型入门

17.1.3SPSS的相应功能

17.2一般对数线性模型分析实例

17.2.1对数据的初步分析

17.2.2正式分析

17.2.3对引例的进一步分析

17.3因果关系明确时的对数线性模型

17.4对数线性模型的选择

17.4.1模型的选择策略

17.4.2分析实例

17.5对数线性模型与其它模型的关系

17.5.1对数线性模型与方差分析模型的关系

17.5.2对数线性模型与Logistic回归的关系

17.6Poisson回归模型

17.6.1模型简介

17.6.2分析实例

第18章信度分析

18.1信度理论入门

18.1.1真分数测量理论

18.1.2信度与效度

18.1.3内在信度与外在信度

18.1.4信度的判断标准

18.2简单分析实例

18.2.1Alpha信度系数

18.2.2对各题目的深入分析

18.2.3对真分数理论假设的考察

18.3其余常用的信度系数

18.3.1重测信度

18.3.2折半信度

18.3.3Guttman系数

18.3.4平行模型的信度系数

18.3.5严格平行模型的信度系数

18.3.6评分者信度

18.3.7信度系数总结

18.4信度理论进阶

18.4.1真分数测量理论的缺限

18.4.2概化理论入门

18.4.3SPSS中相应的分析功能

第19章生存分析

19.1生存分析简介

19.1.1生存分析简史

19.1.2生存分析中的基本概念

19.1.3生存分析的基本步骤

19.1.4SPSS与生存分析

19.2生存函数的估计和检验

19.2.1生存函数的基本估计方法

19.2.2Kaplan-Meier法

19.2.3寿命表法

19.2.4Kaplan-Meier法和寿命表法比较

19.3Cox回归模型

19.3.1Cox模型入门

19.3.2分析实例

19.3.3比例风险性的图形验证

19.4含时间依存性变量的Cox模型

19.4.1时依协变量的种类

19.4.2用时依模型验证比例风险性

19.4.3用时依模型评价处理因素的影响

19.4.4用时依模型评价重复测量因子的影响

19.5关于Cox模型的一些高级话题

19.5.1生存分析中的分层变量

19.5.2用Cox回归过程拟合配伍Logistic回归

19.5.3竞争风险的Cox模型

第20章缺失值分析入门

20.1缺失值理论简介

20.1.1数据的缺失机制

20.1.2SPSS中对缺失值的处理方法

20.2对缺失情况的基本分析

20.2.1缺失值数据的生成

20.2.2对缺失模式的分析

20.2.3缺失情况的统计描述

20.3缺失值填充技术

20.3.1列表输出

20.3.2使用回归算法进行填充

20.3.3使用EM算法进行填充

20.3.4多重填充技术简介

思考与练习

参考文献

附录...