统计学方法与案例应用PDF电子书下载

第1章 绪论 1

1.1 统计学的概念及应用领域 1

1.1.1 统计学的概念 1

1.1.2 统计学的应用领域 2

1.2 统计学的性质及特点 3

1.2.1 统计学的性质 3

1.2.2 统计学的特点 4

1.3 统计中的几个基本概念 4

1.3.1 统计总体与样本 4

1.3.2 参数与统计量 5

1.3.3 变量与数据文件 5

第2章 统计学基础 6

2.1 统计数据的收集与整理 6

2.1.1 统计数据的来源 8

2.1.2 统计数据的类型 9

2.1.3 数据收集的方法 9

2.1.4 问卷设计 9

2.2 统计数据的描述度量 9

2.2.1 度量中心趋势的指标 9

2.2.2 度量离散程度的指标 11

2.2.3 度量偏斜程度的指标 13

2.3 随机变量与概率分布 14

2.3.1 离散型概率分布 14

2.3.2 连续型概率分布 16

2.4 参数估计 17

2.4.1 参数估计的基本概念 17

2.4.2 点估计 18

2.4.3 区间估计 18

2.5 假设检验 19

2.5.1 假设检验的原理 19

2.5.2 总体均值的检验 20

2.5.3 总体成数的检验 21

第3章 方差分析 23

3.1 方差分析基本原理及相关概念 23

3.1.1 基本原理及假设 23

3.1.2 相关概念 26

3.2 单因素方差分析 27

3.2.1 单因素方差分析的基本思想 27

3.2.2 单因素方差分析的步骤 27

3.2.3 单因素方差分析的实际应用 34

3.3 多因素方差分析的基本思想及步骤 34

3.4 方差分析的SPSS操作步骤及结果分析 39

3.4.1 单因素方差分析的SPSS操作步骤及结果分析 39

3.4.2 多因素方差分析的SPSS操作步骤及结果分析 41

第4章 卡方检验 48

4.1 卡方检验的基本原理 48

4.2 列联表分析 48

4.3 一致性检验 50

4.4 卡方检验的实际应用 52

4.5 卡方检验的SPSS操作步骤及结果分析 52

4.5.1 SPSS操作步骤 53

4.5.2 结果分析 54

第5章 一元线性回归 55

5.1 一元线性回归模型的基本思想 55

5.2 一元线性回归模型的求法及步骤 57

5.2.1 研究目的 57

5.2.2 基本假设 58

5.2.3 参数估计 58

5.2.4 最小二乘估计量 61

5.2.5 统计检验 63

5.3 一元线性回归模型显著性检验 64

5.3.1 t检验 64

5.3.2 F检验 65

5.3.3 相关系数的显著性检验 66

5.3.4 样本决定系数 67

5.4 一元线性回归模型的实际应用 67

5.5 一元线性回归的SPSS操作步骤及结果分析 68

5.5.1 SPSS操作步骤 68

5.5.2 结果分析 72

第6章 多元线性回归 73

6.1 多元线性回归模型的基本思想 73

6.2 多元线性回归模型显著性检验 73

6.2.1 回归方程的显著性检验 73

6.2.2 回归系数的显著性检验和置信区间估计 74

6.3 多元线性回归模型的求法及步骤 75

6.3.1 研究目的 75

6.3.2 模型设定 75

6.3.3 估计参数 76

6.3.4 模型检验 77

6.3.5 消除多重共线性 77

6.4 多元线性回归模型的实际应用 79

6.5 多元线性回归的SPSS操作步骤及结果分析 81

6.5.1 SPSS操作步骤 81

6.5.2 结果分析 84

第7章 聚类分析 85

7.1 聚类分析的基本思想 85

7.2 聚类分析的分类 85

7.2.1 系统聚类法 85

7.2.2 快速聚类法 85

7.3 聚类分析的距离和相似系数（相似度的度量） 85

7.3.1 样本点间距离的计算方法 86

7.3.2 相似系数 87

7.4 系统聚类分析 88

7.4.1 系统聚类的步骤 88

7.4.2 类间距的计算方法 88

7.5 快速聚类分析 92

7.6 聚类分析的实际应用 93

7.7 聚类分析的SPSS操作步骤及结果分析 93

7.7.1 SPSS操作步骤 93

7.7.2 结果分析 94

第8章 判别分析 101

8.1 判别分析的基本思想 101

8.2 判别分析的分类 101

8.2.1 距离判别法 101

8.2.2 贝叶斯判别 105

8.2.3 费希尔判别法 107

8.3 判别分析的实际应用 109

8.4 判别分析的SPSS操作步骤及结果分析 110

8.4.1 SPSS操作步骤 110

8.4.2 结果分析 113

第9章 主成分分析法 116

9.1 主成分分析的基本理论 116

9.2 主成分分析的步骤 118

9.2.1 计算协方差矩阵 119

9.2.2 求特征值及特征向量 120

9.2.3 选择主成分 120

9.2.4 计算主成分得分 121

9.3 主成分分析的实际应用 122

9.4 主成分分析的SPSS操作步骤及结果分析 123

9.4.1 SPSS操作步骤 123

9.4.2 结果分析 125

第10章 因子分析 129

10.1 因子分析的基本思想 129

10.2 因子分析的步骤 130

10.2.1 确认待分析的原变量是否适合作因子分析 130

10.2.2 因子分析的数学模型 131

10.2.3 构造因子变量 132

10.2.4 计算因子变量得分 133

10.3 因子分析的实际应用 134

10.4 因子分析的SPSS操作步骤及结果分析 134

10.4.1 SPSS操作步骤 134

10.4.2 结果分析 138

第11章 时间序列分析 142

11.1 时间序列模型的基本思想 142

11.2 时间序列模型的数据处理 143

11.2.1 替换缺失值 143

11.2.2 定义时间变量 144

11.2.3 时间序列平稳化 144

11.3 时间序列模型的分析指标 145

11.3.1 时间序列分析的水平指标 145

11.3.2 时间序列分析的速度指标 146

11.4 时间序列模型的估计与预测 148

11.4.1 趋势外推法 148

11.4.2 移动平均预测 149

11.4.3 指数平滑预测 150

11.4.4 预测误差模型 150

11.5 时间序列模型的SPSS操作步骤及结果分析 151

11.5.1 SPSS操作步骤 151

11.5.2 结果分析 159

参考文献 160