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

数据分析方法及应用 基于SPSS和EXCEL环境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 数据统计分析的概念1

学习指导1

1.1 数据分析能力培养的背景及其意义2

1.1.1 数据分析能力培养的背景2

1.1.2 数据分析能力培养的意义3

1.2 数据处理的层次与数据分析6

1.2.1 数据管理与数据采集的三个层次6

1.2.2 数据分析与数据挖掘技术的出现6

1.3 数据描述与数据分析简介7

1.3.1 常见的数据描述方法7

1.3.2 常见的数据分析技术8

1.4 数据分析与挖掘软件9

1.4.1 数据统计与分析软件9

1.4.2 数据挖掘技术及应用10

1.5 数据分析环境（SPSS与Excel）11

1.5.1 数据的组织与数据结构11

1.5.2 Excel的数据分析环境12

1.5.3 SPSS的数据分析环境14

习题18

第2章 数据梳理与统计描述20

学习指导20

2.1 数据分析中的基础概念21

2.1.1 数据描述及其概念21

2.1.2 数据的分布形态25

2.1.3 数据分析中的常见思路与评价策略27

2.2 数据编辑技术简介28

2.2.1 Excel的数据编辑28

2.2.2 SPSS的数据编辑32

2.2.3 数据文件的打开与整合35

2.2.4 数据排序37

2.2.5 数据文件拼合39

2.2.6 数据检索与抽样41

2.2.7 数据的计算与计数44

2.2.8 数据的加权处理47

2.3 数据重编码与规范化48

2.3.1 对字符型变量的数值化编码48

2.3.2 对定距变量的离散化编码50

2.3.3 数据重编码——Z分数54

2.3.4 数据重编码——求秩分55

2.3.5 数据重编码——正态得分57

2.3.6 数据的分类汇总59

2.3.7 对缺失值的标记与处理60

2.4 数据的统计描述62

2.4.1 基本统计量62

2.4.2 数据频度分析65

2.4.3 数据分布形态的判定68

2.4.4 箱体图与茎叶图73

2.4.5 低测度数据的描述75

2.4.6 数据摘要报告78

习题85

第3章 数据的差异显著性检验88

学习指导88

3.1 数据差异显著性检验的基础概念89

3.1.1 数据差异显著性检验的概念89

3.1.2 数据差异显著性检验的流程90

3.1.3 差异显著性检验的类别及其适应性91

3.2 T检验——两组数据的均值差异显著性检验93

3.2.1 T检验的含义、方法与适应性93

3.2.2 配对样本的T检验96

3.2.3 独立样本的T检验100

3.2.4 单样本的T检验106

3.2.5 T检验的实用案例107

3.3 方差分析111

3.3.1 方差分析的目标、方法与类别111

3.3.2 单因素方差分析113

3.3.3 多因素方差分析118

3.3.4 协方差分析125

3.3.5 多因变量的方差分析127

3.3.6 方差分析的实用案例130

3.4 非参数检验134

3.4.1 不明形态数据差异显著性检验的策略134

3.4.2 两关联样本的非参数检验135

3.4.3 多关联样本的非参数检验138

3.4.4 两独立样本的非参数检验140

3.4.5 多独立样本的非参数检验143

3.4.6 非参数检验的实用案例145

3.5 低测度数据的差异性与拟合优度检验149

3.5.1 低测度数据分析的特点与卡方检验149

3.5.2 面向期望分布的卡方检验150

3.5.3 基于交叉表的卡方检验152

3.5.4 基于K-S检验的分布形态判断154

3.5.5 游程检验与随机分布155

3.5.6 二项分布检验157

习题159

第4章 数据的关联性分析162

学习指导162

4.1 数据关联性分析综述163

4.1.1 数据关联性分析的类型163

4.1.2 SPSS中数据关联性分析的技术165

4.2 数据的相关性分析166

4.2.1 对中高测度数据的相关性分析技术166

4.2.2 中高测度数据相关性分析的实用案例168

4.2.3 偏相关分析173

4.2.4 低测度数据相关性分析的概念与思路176

4.2.5 低测度数据相关性分析的实用案例178

4.3 线性回归分析技术185

4.3.1 线性回归的关键概念185

4.3.2 一元线性回归的实用案例187

4.3.3 多元线性回归概念与关键技术192

4.3.4 多元线性回归的实用案例195

4.4 曲线回归技术199

4.4.1 曲线回归的基础知识199

4.4.2 曲线回归的实用案例201

4.5 二元Logistic回归分析技术205

4.5.1 二元Logistic回归的概念205

4.5.2 二元Logistic回归的实用案例209

习题216

第5章 数据的降维与聚类分析219

学习指导219

5.1 基于数据的归纳分析220

5.1.1 归纳分析的概念220

5.1.2 统计学中的分类分析220

5.1.3 统计学中的降维分析221

5.1.4 分类分析中对元素间距离的判定方法222

5.2 分层聚类分析224

5.2.1 分层聚类的概念及特点224

5.2.2 分层聚类在降维中的实用案例225

5.2.3 分层聚类在分类中的实用案例232

5.3 K-Means聚类分析236

5.3.1 K-Means聚类的概念236

5.3.2 K-Means聚类的实用案例237

5.4 判别分析241

5.4.1 判别分析的概念与思路241

5.4.2 判别分析的实用案例243

5.5 因子分析250

5.5.1 因子分析的定义与特点250

5.5.2 因子分析的实用案例253

5.5.3 因子分析的补充说明256

5.6 对应分析259

5.6.1 对应分析的概念259

5.6.2 对应分析的实用案例259

习题264

第6章 信度与效度的检验266

学习指导266

6.1 信度和效度的概念267

6.1.1 信度的概念与主要技术267

6.1.2 效度的概念与主要技术268

6.1.3 社会调查中保证信度效度的常见方法269

6.2 SPSS的信度检验270

6.2.1 信度检验的主要技术270

6.2.2 信度检验的实用案例272

6.3 效度检验方法277

6.3.1 效度检验的主要技术277

6.3.2 效度检验的实用案例278

6.4 如何构造有效的调研指标体系282

6.4.1 构造有效指标体系的方法282

6.4.2 用德尔菲法检查结构效度288

习题291

参考文献293