数据分析方法及SPSS应用PDF电子书下载

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1 33

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2 84

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3 113

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4 156

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5 178

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6 198

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7 233

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8 263

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9 313

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