1.1 问卷调查法 1
1.1.1 问卷设计应该有3级编号 1
第1章 SPSS统计分析预备知识 1
1.1.3 问卷设计中常见的错误 2
1.1.2 区间(定距)以上的变量宜用开放性的答案 2
1.1.4 市场调查的量表法 4
1.2 数据的编码 5
1.3 数据的计算机表示法 7
1.4 数据的格式 8
1.5 数据的计算机定义 9
1.7 四种SPSS命令文件的格式 10
1.6 SPSS的命令文件 10
1.8 SPSS新文件编辑实例 12
1.9 编辑的同时运行程序进行统计分析 14
1.11 正确编辑SPSS原始数据文件小结 15
1.10 调用已有的文件(程序)做统计分析 15
习题1 16
1.12 统计分析的最佳方案 16
2.1 应用Frequencies过程的预备知识 20
第2章 用Frequencies和Tables过程描述频次分布 20
2.2 妇女一生的追求 23
2.3 妇女地位与人生观之间的关系(Tables过程的应用) 24
2.4 女性最痛恨的陋习 25
习题2 26
3.1 数据输入 29
第3章 图文并茂的SPSS图形 29
3.2 提高数据输入速度的技术 30
3.3 绘制条形图 32
3.4 多变量的条形图 33
3.5 在Graphs中绘制聚类型条形图 34
3.6 直方图的描述 35
3.7 图文并茂的圆形图 37
习题3 39
4.1.1 使用对话框创建新变量 42
4.1 创建新变量 42
第4章 数据的变换 42
4.1.3 数学函数 44
4.1.2 使用COMPUTE命令创建新变量 44
4.1.4 缺少值函数 45
4.2.3 逻辑表达式 46
4.2.2 表达式中的关系符 46
4.2 采用IF命令做条件变换和逻辑校验 46
4.2.1 IF命令格式 46
4.2.5 缺少值的处理 47
4.2.4 两种缺少值的逻辑函数 47
4.2.6 IF命令的对话框 48
4.3.1 通过对话框对数据重新编码的实例 50
4.3 数据重新编码 50
4.3.2 RECODE命令的格式 52
4.4.2 “数值范围”中使用的关键词 54
4.4.1 COUNT命令格式 54
4.3.3 RECODE在程序中的位置 54
4.4 运用COUNT命令计数 54
4.5 Count对话框的用法 55
4.6 运算的次序 56
习题4 57
5.1 检验数据的真实性 59
第5章 描述性统计(Descriptives过程的应用) 59
5.2 四种测量水平 61
5.3.1 集中趋势的统计量 62
5.3 三种综合统计量 62
5.3.3 形状测量的统计量 64
5.3.2 离散趋势的统计量 64
5.5 在对话框中做描述性统计 65
5.4 标准分(Z值) 65
5.6 Descriptives的命令格式 67
习题5 68
6.1 全国妇女的年龄与受教育水平的双变量交叉汇总 71
第6章 用Crosstabs过程进行双变量的交叉汇总与结合测量 71
6.2 由“是否在业”变量控制的女工年龄与文化的关系 73
6.3 妇女年龄与文化素质的相关性(定比-定比变量，用Corr系数) 74
6.4 是否在业与文化素质的相关性(定类-定距变量，用Eta系数) 76
6.5 是否在业与企业所有制的关系(定类-定序变量，用λ系数) 77
6.6 是否在业与政治面貌的关系(定类-定类变量，用λ以下的系数) 79
6.7 在Crosstabs对话框中做交叉汇总和结合测量 80
6.8 CROSSTABS命令总表 81
习题6 82
7.1 可用Explore过程检验的错误 85
第7章 利用Explore过程检测数据 85
7.2 直方图 86
7.3 茎-叶图 87
7.4 框图 89
7.5 统计分析前对假设的检验 91
7.6.1 幂转换 92
7.6 幂转换的形式 92
7.6.2 正态性检验 93
7.7 集中趋势分布的三种较佳的平稳测量 95
7.8 在对话框中进行数据检测 97
7.9 用Syntax窗口编程 100
习题7 101
8.1.1 数据的整理与统计 104
8.1 独立样本T-TEST 104
第8章 两个子总体均值的比较 104
8.1.2 结果分析 106
8.2.1 数据的整理与统计 107
8.2 成对样本T-TEST 107
8.3 命令法及原始数据 108
8.2.2 结果分析 108
8.4 群体均值的比较(Means过程的应用) 109
8.5 职业女性(群体)的平均受教育年限的检测 110
8.6 “在业女性”与“不在业女性”两组平均受教育年限的检测 112
8.7 不在业女工受教育水平高的原因 113
8.9 采用ANOVA过程检验均值相等的“假设” 115
8.8 MEANS命令总表 115
8.10 ANOVA过程的方差分析应用 116
8.11 主效应的检验 118
8.12.2 子命令解释 119
8.12.1 ANOVA过程的命令表 119
8.12 ANOVA过程的命令一览表 119
8.12.3 平方和的分解与交互作用的取消 120
8.13 采用对话框做ANOVA(多因子方差)分析 121
习题8 122
9.1 高考成绩与学生素质的关系 127
第9章 相关分析的应用 127
9.2 Correlations过程的具体用法 128
9.3 Correlations对话框的解释 131
9.4 运行Correlations过程命令 133
9.5 用Partial Correlations(偏相关)过程控制“第三者” 134
9.7 辨别变量虚假相关 135
9.6 计算偏相关系数 135
9.9 通过对话框做偏相关分析 138
9.8 确定被控制的变量 138
9.11 Partial Corr命令一览表 140
9.10 将对话框中已选择的命令粘贴到Syntax窗口 140
习题9 141
10.2 Chi-Square单样本检验 144
10.1 非参数检验过程的菜单和数据文件 144
第10章 非参数检验 144
10.3 Binomial(二项式)检验 145
10.4 药量的游程检验 146
10.6 Two-Sample Kolmogorov-Smirnov检验 147
10.5 One-Somple Kolmogorov-Smirnov检验 147
10.7 K个独立样本的Kruskal-Wallis检验 148
10.8 成对样本的Wilcoxon Signed Ranks检验 149
习题10 150
10.9 K对样本的Friedman Test检验 150
11.1 用Factor过程分析潜在的因素 153
第11章 数据精简与市场分析 153
11.2 因素分析的步骤 154
11.4 因素分析的对话框设置 155
11.3 因素分析所用的数据 155
11.5.1 因素的初始统计量(共通性) 159
11.5 输出结果及其分析 159
11.5.2 因素抽取 160
11.7 用残差评估相关矩阵和因素模型 162
11.6 用主成分法抽取前5个因素 162
11.8 通过最大似然度抽取因素 163
11.9 抽取因素经验小结 164
11.10 删除LOADING≤0.5的小载荷量 165
11.11 转轴前后的对比 166
11.12 因素分析 167
11.13 在Syntax窗口编辑程序补充对话框的不足 168
11.14.1 对应分析的应用例子 169
11.14 用对应分析进行市场分析 169
11.14.2 结果分析 170
11.15.1 Optimal Scaling应用要求 171
11.15 用Optimal Scaling过程优化测量 171
11.15.2 Optimal Scaling对话框设置 172
习题11 173
12.1 结合分析的基本原理与思路 175
第12章 用结合分析和可靠性测量进行市场调研 175
12.3 精品购物的问卷调查 176
12.2 通过正交设计建立卡片 176
12.4 结合分析 177
12.5 市场预测与决策 178
12.6 可靠性分析 179
12.7 多维测量 184
习题12 187
13.1 多选项的问卷例子与计算机编码 189
第13章 多选项的统计分析 189
13.3 多选项二分法 190
13.2 多选项分类法 190
13.4 多选项的数据及其程序 191
13.6.1 首先必须定义多选项的复合变量集$ 193
13.6 统计多选项时的预备知识 193
13.5 多选项中二分法与分类法的区别 193
13.7 统计多选项的频次 194
13.6.2 应用说明 194
13.8.1 交叉汇总表的统计法 195
13.8 多选项的交叉汇总表实例 195
13.8.2 交叉汇总表分析 196
习题13 197
14.2 个案聚类和变量聚类 199
14.1 聚类分析与判别分析的区别 199
第14章 用谱系聚类法分析各国劳动力分布 199
14.3 个案聚类 200
14.4 聚类的形成法 201
14.5 从冰柱图看聚类情形 202
14.7 从树形图分析聚类成员 203
14.6 平均连接法的图表 203
14.9 对变量的聚类 204
14.8 图形显示的改进 204
14.10 利用SPSS对话框做聚类分析 205
习题14 211
15.1 聚类方法 213
第15章 用K-M过程进行大样本数据的聚类分析 213
15.1.2 初始聚心的产生 214
15.1.1 先求聚心后聚类 214
15.1.3 产生初始聚心的小结 216
15.2 输出结果分析 217
15.3 聚心未知时的聚类 218
15.4 K-Means Cluster Analysis对话框解释 220
15.5 用编程法进行大样本文件的聚类 223
习题15 225
16.1 从逃课现象着手研究 226
第16章 对逃课现象的判别分析 226
16.1.2 组间均值差别 227
16.1.1 选择分析的个案 227
16.1.3 Wilks的λ值 228
16.1.5 判别系数的估计 229
16.1.4 相关系数的评价 229
16.1.6 判别函数的解释 230
16.1.7 Bayes的分组规则 231
16.1.8 判别分的计算及分组 232
16.1.10 判别分的直方图 233
16.1.9 个案分组后的概括统计表 233
16.1.11 计算错误分组的比例 235
16.1.13 判别分析的其他统计量 236
16.1.12 不正确分组的期望比例 236
16.1.14 判别函数与变量的相关性 238
16.1.16 判别系数与多元回归系数的关系 239
16.1.15 费歇尔分组函数系数 239
16.2 选择变量的方法 240
16.3 变量选择的其他标准 242
16.4 三组判别分析 243
16.5 当违背假设时 249
16.6 用Windows中的SPSS对话框做判别分析 250
16.7 用编程法做判别分析 256
习题16 257
17.1 对数线性分析的应用 259
第17章 当代大学生就业意向的谱系对数线性分析 259
17.2.2 饱和模型的观察值与期望值 260
17.2.1 饱和模型 260
17.2 对数线性关系的模型 260
17.3 参数估计 261
17.4 独立模型——非饱和模型 263
17.5 分层(谱系)模型 265
17.7 卡方统计量的分解 266
17.6 选择模型 266
17.8 检验模型中个别效应 270
17.10 两种建模法 272
17.9 产生各次项效应的对话框 272
17.11.1 主对话框 275
17.11 在Windows中通过对话框进行Loglinear分析 275
17.11.2 模型选择 276
17.11.3 选项 277
17.12 对话框的扩充 278
习题17 279
18.1 GENLOG与LOGIT对数线性分析模型的异同 280
第18章 用General Loglinear Analysis分析毕业生心态 280
18.2 广义对数线性分析模型 281
18.3 参数估计 283
18.4 参数估计值的解释 286
18.5.1 饱和模型 288
18.5 非饱和模型项的拟合度 288
18.5.3 从拟合度统计量看非饱和模型 289
18.5.2 非饱和模型 289
18.5.4 非饱和模型的参数估计 290
18.5.5 参数估计量的解释 292
18.6.2 标准残差 293
18.6.1 原始残差 293
18.6 残差研究 293
18.7.1 数据的交叉汇总表 295
18.7 次序数据的模型 295
18.7.3 线性-线性结合的模型 296
18.7.2 定序数据的对数线性分析 296
18.7.4 行效应模型和列效应模型 300
18.7.5 关于次序数据的对数线性模型的评价 302
18.8.1 从一个例子看不完全表格的特点 303
18.8 不完全的表格 303
18.8.2 准独立性模型 304
18.8.3 数据的重新编排 306
18.8.4 对称模型 307
18.8.5 关于两个三角形假设的检验 309
18.8.6 修正的准对称模型 316
18.8.7 实际情况与期望情况的结合测量 320
18.9.1 进入General Loglinear Analysis主对话框 323
18.9 应用General Loglinear Analysis对话框分析 323
18.9.3 Options对话框 324
18.9.2 Model对话框 324
18.9.4 残差和预测值的存储 325
18.10.1 GENLOG命令表 326
18.10 在SPSS的Syntax窗口编辑命令文件 326
18.10.2 GENLOG的子命令 327
习题18 328
19.1 对原始数据的要求 333
第19章 用Logit Loglinear Analysis分析读研几率 333
19.2 对数线性分析的第1步(产生交叉汇总表) 334
19.3.2 LOGIT逻辑对数线性分析模型 335
19.3.1 GENLOG广义对数线性分析模型 335
19.3 GENLOG与Logit Loglinear Analysis的区别 335
19.3.3 GENLOG模型与LOGIT模型的比较 336
19.4.1 产生图19-4和图19-5 338
19.4 饱和的逻辑对数线性模型的分析 338
19.4.3 参数估计值的解释 339
19.4.2 图形输出 339
19.5 非饱和的逻辑对数线性分析模型 340
19.5.3 从残差统计量看非饱和模型 341
19.5.2 从拟合度统计量看非饱和模型 341
19.5.1 非饱和模型 341
19.5.4 独特而有趣的百分比 342
19.6.3 H和C统计量的特点 343
19.6.2 测量正态变量范围的统计量之二：C 343
19.6 非饱和模型中的离散测量与结合测量 343
19.6.1 测量正态变量范围的统计量之一：H 343
19.7 非饱和模型的参数估计 345
19.8.1 从生成的交叉汇总表看数据结构 347
19.8 Polychotomous LOGIT模型 347
19.8.2 生成参数估计表 348
19.8.3 手工制成参数估计的单元表 349
19.9 运用对话框做逻辑对数线性分析 350
19.8.4 模型的拟合度 350
19.10 在Syntax窗口使用的编辑命令 354
习题19 355
20.1.1 一个应用例子 359
20.1 追踪寿命表 359
第20章 寿命表分析 359
20.1.2 数据的整理 360
20.2.1 计算第1个概率 361
20.2 概率计算 361
20.3 用SPSS对话框画出寿命表 362
20.2.2 计算第2个概率 362
20.4 寿命表分析 366
20.6 幸存函数的比较 367
20.5 失去追踪(Lost to Follow-up) 367
20.7.1 Survival语句 368
20.7 运行Survival过程命令 368
20.7.2 Survival命令概述 369
习题20 370
21.1 Kaplan-Meier估算法 372
第21章 Kaplan-Meier寿命分析 372
21.2 产生SPSS的Kaplan-Meier输出表 374
21.3 幸存函数的分组比较 377
21.4.1 分层比较 379
21.4 幸存函数的分层比较 379
21.4.2 针对分层比较的检验 380
21.5 用对话框做寿命分析 381
21.6.1 Kaplan-Meier命令一览表 382
21.6 运行过程Kaplan-Meier 382
21.6.2 命令概述与规则 383
习题21 384
22.1 只有一个协变量的Coxreg回归模型 385
第22章 Cox Regression医学应用 385
22.1.1 幸存(Survival)函数的计算 386
22.1.3 危险率(Hazard)函数 387
22.1.2 基线与幸存时间的关系 387
22.2.2 有三个协变量的回归模型 388
22.2.1 多个协变量的一般模型 388
22.2 多协变量Coxreg回归模型 388
22.2.3 有多个协变量模型的主要参数 389
22.3 回归模型的假设检验 390
22.4 选择预测的协变量 391
22.5.1 例子 392
22.5 向前选择变量的例子 392
22.5.2 输出结果 393
22.5.3 第1步：哪一个变量首先进入方程 394
22.5.5 第2个变量进入方程后，应考察模型及其回归系数 395
22.5.4 第2步：哪一个变量可以在第2步进入方程 395
22.5.6 第2个变量进入方程后的模型 396
22.6.1 Cox Regression主对话框 397
22.6 Cox Regression对话框 397
22.5.7 第2个变量入选后模型中的变量能否淘汰 397
22.6.2 Cox Regression主对话框说明 398
22.7 Coxreg过程 399
22.6.4 画图 399
22.6.3 定义Status变量的事件 399
习题22 400
第23章 GLM：Univariate及Variance Components的应用 402
23.2 数据描述 403
23.1 GLM：Univariate单因变量广义线性模型的方差分析 403
23.3 等方差性 404
23.4 饱和模型与非饱和模型的方差分析 406
23.5 对照分析 407
23.6 多重比较的难点 408
23.8 效率计算 409
23.7 测量效应大小 409
23.9 一个协方差分析模型 410
23.10 协方差分析表 411
23.11.1 GLM：Univariate主对话框用法 413
23.11 采用SPSS对话框做广义因子方差分析 413
23.11.2 Contrasts对话框用法 414
23.11.3 用Model对话框改建模型 415
23.11.4 Options对话框 416
23.12.1 命令总表摘录 417
23.12 广义因子方差分析的命令总表 417
23.12.2 应用举例 418
23.14 方差成分分析的数据例子 419
23.13 方差成分分析(GLM：Variance Components) 419
23.15.1 Model对话框 420
23.15 GLM：Variance Components主对话框 420
23.15.3 Save对话框 421
23.15.2 Oprtions对话框 421
23.16.2 ANOVA方差分析法的2次项以下的模型 422
23.16.1 ANOVA方差分析法的最高次模型 422
23.16 采用ANOVA法进行方差分析的实例 422
23.16.3 ANOVA方差分析法的主效应模型 423
习题23 424
23.16.5 ANOVA法的结果分析 424
23.16.4 ANOVA方差分析法的最佳模型 424
24.1 广义多因变量方差分析 428
第24章 GLM：Multivariate的应用 428
24.2.2 假设与检验 429
24.2.1 假设的必要条件 429
24.2 假设与检验 429
24.3.1 因变量之间相关性检验 431
24.3 双样本多因变量模型 431
24.3.3 方差齐次性检验 432
24.3.2 因变量联合分布为正态性的假设与检验 432
24.4.1 均值相等的检验 433
24.4 双因变量单因子的Hotelling T2检验 433
24.4.3 参数估计 434
24.4.2 单变量的Hotelling T2检验 434
24.5 多元的线性模型实例 435
24.5.2 效应检验 437
24.5.1 多元差异性检验 437
24.5.3 性别水平与年龄水平之间的主效应差异检验 439
24.6 效度检验(考察残差) 440
24.5.4 含有空单元时的难题 440
24.6.1 单变量的偏对照参数估计 441
24.6.3 观察值、期望值及其残差 442
24.6.2 参数的系数估计 442
24.6.4 均值的预测 443
24.8.1 进入GLM的主对话框 444
24.8 运用GLM对话框做多元方差分析 444
24.7 小结 444
24.8.2 使用Contrasts对话框 445
24.8.3 使用Options对话框 446
24.8.4 使用Model对话框 447
24.9 多元方差分析的命令总表 448
24.8.5 存储残差等临时变量 448
习题24 451
25.1 反复测量的概念 454
第25章 GLM：Repeated Measures的应用 454
25.2.1 描述性统计量 455
25.2 首先获得图示与描述性统计量 455
25.2.2 图形描述 456
25.3 均值差的分析 457
25.3.2 正交正态差对照的图示 458
25.3.1 转换变量 458
25.4.2 方差分析表的解释 459
25.4.1 检验常数效应 459
25.4 检验各种效应的差别 459
25.4.3 检验考试(TEST)效应 460
25.4.5 选择多元或一元结果 462
25.4.4 平均的单变量显著性检验 462
25.6 两因子的设计模型 464
25.5 选择多项式等其他对照 464
25.6.2 变量的转换 465
25.6.1 双因子模型的检验 465
25.7.1 两班有无条件效应 466
25.7 效应的假设检验 466
25.7.2 检验三次考试的效应 467
25.7.3 考试成绩与班级(条件)之间的交互效应 469
25.7.4 各次考试成绩一起进入分析 471
25.8.3 有组间因子时的非饱和模型研究 472
25.8.2 对象内与对象间因子的模型设计 472
25.8 增加一个对象间的因子 472
25.8.1 对象内与对象间的因子 472
25.8.5 有组间因子时的饱和模型 477
25.8.4 非饱和模型小结 477
25.9.1 协方差的预分析 478
25.9 带有一个常数协变量的协方差分析 478
25.9.2 着手协方差分析 479
25.10 方差分析中直观的图示 480
25.9.3 方差分析后的线性模型(成绩等的预测) 480
25.11.2 定义两个对象内的因子 481
25.11.1 主对话框 481
25.11 采用对话框进行方差分析的反复测量 481
25.11.3 定义对象内变量、对象间因子及协变量 482
25.11.5 Model对话框 483
25.11.4 Contrasts对话框 483
25.11.6 Options对话框 485
25.12 反复测量的命令总表 486
25.12.1 反复测量的命令总表 487
习题25 488
25.12.2 命令用法 488
26.1 二分逻辑回归过程的应用 490
第26章 非线性回归过程的应用 490
26.2 多分逻辑回归过程的应用 492
26.2.2 设置分析药效对话框 493
26.2.1 数据文件 493
26.2.3 输出结果的分析 494
26.3.2 用Ordinal Regression对话框做统计 496
26.3.1 对数据的要求 496
26.3 次序回归过程的应用 496
26.3.3 输出结果的分析 498
26.4.2 二阶最小二乘方回归例子 499
26.4.1 二阶最小二乘方回归原理 499
26.4 二阶最小二乘方回归 499
26.5 曲线估计过程 500
26.4.3 输出结果的分析 500
26.5.2 做曲线估计的数据及其统计法 501
26.5.1 设置曲线估计过程的对话框 501
26.6.1 从非线性回归模型解出初始值 503
26.6 非线性回归过程的应用 503
26.5.3 存储临时变量 503
26.6.2 将数据调入Nonlinear Regression对话框中执行 505
26.6.3 对预测结果的分析 506
26.7 利用Probit过程进行单位概率回归 509
26.6.4 人口预测 509
26.7.1 中度效果分析 511
26.7.2 三组预测水平值的比较 512
26.7.3 各组药效的比较 514
习题26 516
第27章 多元线性回归分析的应用 521
27.1 多元线性回归分析 521
27.2 模型的拟合度 521
27.2.1 R2系数 521
27.2.2 方差分析 522
27.2.3 R2的另一解释 524
27.3 预测值及其标准误差 524
27.4 寻找是否满足假设 526
27.5 设置异常值和影响点 531
27.5.1 通过标准误差设置异常值(Outliers) 531
27.5.2 有多个预测变量时的异常值测量法(Mahalanobis距离法) 532
27.5.3 用删除残差与Cook距离法检测影响点 533
27.6 数据不符合线性回归的基本假设时的处理方法 535
27.7.1 相关系数阵 538
27.7.2 R2和F值 538
27.7 多元线性回归模型正确性的检验 538
27.7.3 由B0和偏回归系数Bi预测当前成绩(或收入) 539
27.7.4 用偏相关(Partial)系数F确定重要的自变量 540
27.8 关于自变量出入回归模型时的深入研究 542
27.9 向前选择变量法 543
27.10 自后淘汰变量(消元)法 546
27.11 逐步回归法 547
27.12 多元回归中的假设与检验 548
27.13 多元回归中影响点的检测 549
27.14 共线性诊断 550
27.15 解释回归模型 553
27.16 在SPSS for Windows中运行线性回归 553
习题27 560
第28章 采用Lisrel结构模型做路径分析 563
28.1 Lisrel的版本 563
28.3 应用实例1：用Lisrel的Prelis过程做基本统计 564
28.3.1 应用Prelis进行数据基本分析的程序简例 564
28.2 Lisrel的命令简介 564
28.3.2 输出结果及其分析 565
28.4 应用实例2：Lisrel 8w高级统计分析 573
28.4.1 应用Lisrel过程进行高级数据分析的程序简例 573
28.4.2 本程序产生的结果及其分析 574
28.3 Lisrel的路径图示 581
第29章 跟我快速学习SAS 582
29.1 条形图、直方图、圆形图的画法 582
29.2 绘制BOX图、线性图、散点图 585
29.3 分布图 586
29.4 给变量B绘制Fit图 586
29.5 给变量B绘制Multivarite图 588
29.6 打开工作区中已有的SAS数据 588
参考书目 591