数据分析方法及SPSS应用PDF|Epub|txt|kindle电子书版本网盘下载

数据分析方法及SPSS应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 数据的描述性统计分析1

1.1 变量的测量尺度及类型1

1.1.1 变量的测量尺度1

1.1.2 变量的类型2

1.2 单变量数据的描述性统计分析2

1.2.1 数据分布的数字特征2

1.2.2 数据分布的图形展示12

1.3 多变量数据的数字特征及相关性分析21

1.3.1 总体分布的基本概念21

1.3.2 多变量数据分布的数字特征及相关性分析27

1.3.3 多元正态分布的参数估计29

1.3.4 多变量数据的图形展示31

习题133

第2章 非参数假设检验36

2.1 假设检验的基本概念与方法36

2.1.1 假设检验的基本思想及基本概念36

2.1.2 假设检验的步骤37

2.1.3 假设检验的p值37

2.1.4 T检验的SPSS实现38

2.2 分布拟合检验44

2.2.1 皮尔逊χ2拟合检验44

2.2.2 关于总体分布的柯尔莫哥洛夫检验49

2.2.3 关于总体分布的正态性检验51

2.3 位置参数检验56

2.3.1 秩统计量56

2.3.2 单变量总体的中位数检验57

2.3.3 双变量总体的中位数检验60

2.3.4 多变量总体的位置参数检验65

2.4 独立性检验72

2.4.1 列联表及变量之间的独立性检验72

2.4.2 Spearman秩相关系数的检验79

2.4.3 Kendall-τ系数的检验81

习题284

第3章 方差分析87

3.1 单因素方差分析87

3.1.1 问题的提法与数学模型87

3.1.2 统计分析89

3.1.3 参数估计93

3.2 双因素方差分析94

3.2.1 交互效应与数学模型94

3.2.2 交互效应模型下的方差分析96

3.2.3 可加效应模型下的方差分析100

3.3 方差分析的SPSS实现102

3.3.1 用于方差分析的SPSS数据集102

3.3.2 对数据的预分析104

3.3.3 单因素方差分析及多重比较105

3.3.4 用Univariate 对话框作双因素方差分析108

习题3113

第4章 回归分析115

4.1 一元线性回归116

4.1.1 一元线性回归模型116

4.1.2 β0和β1的最小二乘估计及其性质117

4.1.3 回归方程的显著性检验122

4.1.4 预测127

4.2 多元线性回归130

4.2.1 多元线性回归模型130

4.2.2 回归系数β的估计131

4.2.3 回归方程与回归系数的显著性检验133

4.2.4 回归诊断138

4.2.5 利用多元回归方程进行预测140

4.3 逐步回归分析141

4.4 可化为线性回归的曲线回归141

4.5 回归分析的SPSS实现144

4.5.1 用Bivariate Correlations 对话框作相关分析144

4.5.2 用Linear Regression 对话框作多元线性回归分析147

习题4156

第5章 主成分分析158

5.1 引言158

5.2 总体主成分159

5.2.1 总体主成分的定义159

5.2.2 从协方差阵出发求解主成分160

5.2.3 主成分的性质162

5.2.4 从相关阵出发求解主成分164

5.3 样本主成分165

5.3.1 样本主成分165

5.3.2 主成分分析的应用166

5.4 主成分分析的SPSS实现167

习题5178

第6章 因子分析179

6.1 引言179

6.2 正交因子模型180

6.2.1 数学模型180

6.2.2 正交因子模型的性质180

6.2.3 因子载荷阵的统计特征181

6.3 因子载荷阵的估计183

6.3.1 主成分法183

6.3.2 主因子法185

6.4 因子旋转187

6.5 因子得分188

6.6 因子分析的SPSS实现189

习题6198

第7章 聚类分析199

7.1 引言199

7.2 相似性度量200

7.2.1 距离200

7.2.2 相似系数204

7.3 系统聚类法206

7.3.1 类的特征及类间距离206

7.3.2 系统聚类法208

7.4 系统聚类法的SPSS实现216

7.4.1 Q型聚类的 SPSS实现216

7.4.2 R型聚类的 SPSS实现222

7.5 动态聚类法（K-均值法）225

7.5.1 动态聚类法简介225

7.5.2 动态聚类法的SPSS实现226

习题7233

第8章 判别分析234

8.1 判别分析的基本理论234

8.2 距离判别236

8.2.1 两类判别236

8.2.2 多类判别239

8.3 贝叶斯判别241

8.3.1 最大后验概率准则242

8.3.2 最小平均误判代价准则245

8.4 费希尔判别247

8.4.1 费希尔判别的基本思想247

8.4.2 判别式的导出及判别规则248

8.5 判别分析的SPSS实现251

习题8263

第9章 时间序列分析266

9.1 时间序列分析的基本概念266

9.1.1 时间序列的定义及特征统计量266

9.1.2 平稳性检验267

9.1.3 纯随机性检验270

9.2 平稳时间序列分析272

9.2.1 ARMA模型273

9.2.2 平稳序列建模276

9.3 非平稳序列的确定性分析283

9.3.1 趋势分析283

9.3.2 季节效应分析286

9.4 非平稳序列的随机分析288

9.4.1 差分运算288

9.4.2 ARIMA模型289

9.5 时间序列的SPSS实现293

9.5.1 SPSS中时间序列的输入293

9.5.2 建立ARMA模型296

9.5.3 建立ARIMA模型306

习题9313

参考文献314

附录 SPSS基础315

A.1 SPSS简介315

A.1.1 SPSS概述315

A.1.2 SPSS窗口316

A.2 数据文件的编辑与管理318

A.2.1 建立与保存数据文件318

A.2.2 读取其他格式的数据文件322

A.2.3 数据文件的编辑323

A.2.4 数据变量的操作329

A.2.5 数据文件的合并与拆分337