第1章 统计软件概述 1
1.1 SPSS统计软件的特点 1
1.2 SPSS的主要窗口及其功能 1
1.2.1 数据编辑窗口（SPSS Data Editor） 1
1.2.2 结果输出窗口（SPSS Viewer） 3
1.2.3 程序语句窗口（SPSS Syntax Editor） 4
1.3 SPSS的帮助窗口（SPSS help） 5
1.3.1 Help菜单中的Topics命令 5
1.3.2 Help菜单中的Tutorial命令 6
1.3.3 Help菜单中的Statistics Coach命令 6
1.3.4 Help菜单中的Syntax Guide命令 6
1.4 定义变量及建立数据文件 7
1.4.1 常量与变量 7
1.4.2 建立数据文件 11
1.5 基于Compute功能建立新变量 11
1.5.1 生成新的变量 11
1.5.2 Functions框中分布函数的功能 13
习题一 14
第2章 数据描述性分析 16
2.1 集中趋势（Central Tendency）分析 16
2.1.1 集中趋势 16
2.1.2 SPSS中集中趋势分析实现过程 17
2.2 离散趋势（Dispersion Tendency）分析 22
2.2.1 离散趋势 22
2.2.2 SPSS中离散趋势分析实现过程 22
2.3 分布特征（Distribution Tendency）分析 24
2.3.1 分布特征 24
2.3.2 SPSS中分布特征分析的实现过程 24
2.4 频数（Frequency）分析及数据标准化 27
2.4.1 频数（Frequency） 27
2.4.2 数据标准化 27
2.4.3 SPSS中频数分析的实现过程 27
2.4.4 SPSS中Z分数的实现过程 28
2.5 相关关系 30
2.5.1 相关系数概述 30
2.5.2 二元变量的相关分析 31
2.5.3 SPSS中相关分析的实现过程 33
习题二 36
第3章 假设检验与方差分析 40
3.1 统计假设检验的基本问题 40
3.1.1 统计假设检验的基本思想 40
3.1.2 统计假设检验的基本步骤 40
3.1.3 统计假设检验中的P值 41
3.2 Mean过程 42
3.2.1 基本思想和数学模型 42
3.2.2 SPSS中Mean的实现过程 42
3.3 T检验 45
3.3.1 基本思想和数学模型 45
3.3.2 SPSS中T检验的实现过程 48
3.4 方差分析 54
3.4.1 基本思想和数学模型 54
3.4.2 SPSS中方差分析的实现过程 57
习题三 64
第4章 多元线性回归分析 66
4.1 多元线性回归模型 66
4.1.1 多元线性回归模型的一般形式 66
4.1.2 多元线性回归模型的基本假定 67
4.1.3 多元线性回归方程 68
4.1.4 多元线性回归方程的解释 68
4.2 多元线性回归方程的估计 69
4.2.1 回归参数的最小二乘估计 69
4.2.2 误差项方差的估计 70
4.3 多元线性回归模型的检验 70
4.3.1 回归方程的拟合优度检验 70
4.3.2 回归方程的整体显著性检验 71
4.3.3 回归系数的显著性检验 72
4.4 残差分析 73
4.4.1 残差图 73
4.4.2 异常值的识别 74
4.4.3 自相关与DW检验 74
4.4.4 异方差检验 75
4.4.5 多重共线性检验 76
4.5 多元线性回归分析在SPSS软件中的实现 77
习题四 86
第5章 逐步回归分析 88
5.1 逐步回归分析概述 88
5.1.1 逐步回归分析的基本思想和步骤 88
5.1.2 引入和剔除变量的标准 89
5.2 计算方法和步骤 90
5.3 逐步回归分析在SPSS软件中的实现 96
习题五 103
第6章 非线性回归分析 105
6.1 曲线估计 105
6.1.1 曲线回归的基本思想和方法 105
6.1.2 曲线回归的数据要求与假设 105
6.1.3 曲线回归的基本类型及线性化方法 106
6.2 曲线回归在SPSS软件中的实现 107
6.3 非线性回归 112
6.3.1 非线性模型的迭代估计法 112
6.3.2 非线性模型的拟合原则、参数约束及确定初始值的原则 114
6.3.3 例题分析 114
6.4 非线性迭代回归在SPSS软件中的实现 117
6.5 Box-Cox变换 124
6.5.1 Box-Cox变换的提出 124
6.5.2 Box-Cox变换的基本思想 125
6.5.3 变换参数的极大似然估计 125
6.5.4 Box-Cox变换在Matlab软件中的实现 126
习题六 130
第7章 聚类分析 132
7.1 聚类分析的概述 132
7.1.1 聚类分析的概念和基本思想 132
7.1.2 聚类分析的种类 133
7.1.3 聚类方式 133
7.1.4 聚类分析的基本步骤 134
7.2 聚类统计量 134
7.2.1 距离类 135
7.2.2 相关类 136
7.2.3 数据的标准化变换 137
7.3 系统聚类法 138
7.3.1 常用系统聚类法 138
7.3.2 系统聚类法的基本算法步骤 139
7.3.3 例题分析 139
7.4 聚类分析在SPSS软件中的实现 145
7.4.1 SPSS中Q型聚类分析的实现过程 145
7.4.2 SPSS中R型聚类分析的实现过程 153
7.5 快速聚类分析 159
7.5.1 快速聚类分析的基本思想 159
7.5.2 快速聚类分析的基本步骤 159
7.5.3 SPSS中快速聚类的实现过程 160
习题七 166
第8章 判别分析 169
8.1 距离判别 169
8.1.1 两类总体的距离判别 170
8.1.2 多类总体的距离判别 172
8.2 费歇判别 173
8.2.1 两类总体的费歇判别 173
8.2.2 多类总体的费歇判别 175
8.3 贝叶斯判别 177
8.3.1 贝叶斯判别准则 178
8.3.2 多元正态总体的贝叶斯判别 179
8.4 判别分析在SPSS中的实现 180
习题八 196
第9章 主成分分析 200
9.1 主成分的基本思想及其数学模型与数学推导 200
9.1.1 主成分的基本思想及其数学模型 200
9.1.2 主成分的数学推导 201
9.1.3 样本主成分 204
9.2 主成分的性质、提取及其求解步骤 205
9.2.1 主成分的性质 205
9.2.2 主成分的选取 206
9.2.3 主成分的求解步骤 207
9.3 主成分分析在SPSS软件中的实现 208
9.4 主成分回归 217
9.4.1 主成分回归的基本原理 218
9.4.2 主成分回归的实例分析 220
习题九 222
第10章 因子分析 225
10.1 因子分析的基本原理及其数学模型 225
10.1.1 因子分析的基本原理 225
10.1.2 因子分析的数学模型 226
10.1.3 因子分析模型的性质 227
10.1.4 因子载荷矩阵中的几个统计特征 228
10.2 因子分析模型参数的估计 229
10.3 因子旋转 231
10.3.1 方差最大正交旋转法的基本原理 231
10.3.2 方差最大正交旋转法的计算方法 232
10.4 因子得分 234
10.4.1 汤姆生因子得分 235
10.4.2 综合因子得分 236
10.5 因子分析在SPSS软件中的实现 236
习题十 250
模拟试题A 252
模拟试题B 257
参考文献 261