目录 1
第1章 数理统计的基本概念 1
1.1 抽样方法和测量水平 1
1.1.1 总体和样本 1
1.1.2 抽样方法 2
1.1.3 测量水平 3
1.2 统计量及其计算 4
1.3 统计量分布 7
1.3.1 正态分布 7
1.3.2 x2分布 8
1.3.3 t分布 9
1.3.4 F分布 10
1.4 分位数的基本概念 10
1.5 用SPSS软件计算本章例题 11
1.5.1 计算方法与步骤 11
1.5.2 输出结果解释 12
第2章 参数估计和假设检验 13
2.1 点估计和区间估计的基本原理 13
2.1.1 点估计的基本原理 13
2.1.2 区间估计的基本原理 15
2.2.1 假设检验的基本思想 16
2.2 假设检验的基本原理 16
2.2.2 假设检验的两类错误 18
2.3 正态分布的假设检验 18
2.3.1 单样本t检验 18
2.3.2 两个独立样本t检验 19
2.3.3 两个配对样本t检验 21
2.3.4 正态分布假设检验的SPSS求解 23
第3章 相关分析 28
3.1 简单相关分析 29
3.1.1 简单相关系数的计算 29
3.1.2 简单相关系数的显著性检验 31
3.1.3 相关系数及其显著性的计算实例 32
3.1.4 简单相关系数及其显著性检验的SPSS求解 33
3.2 秩相关分析 34
3.2.1 Spearman秩相关系数 34
3.2.2 Kendall秩相关系数 35
3.2.3 秩相关及其显著性检验的SPSS求解 37
3.3 偏相关分析 39
3.3.1 偏相关系数的计算 39
3.3.2 偏相关系数计算实例 40
3.3.3 偏相关系数及其显著性检验的SPSS求解 41
4.1 回归分析概述 43
第4章 回归分析 43
4.2 一元线性回归 44
4.2.1 一元线性回归模型的数学形式 44
4.2.2 一元线性模型的参数估计及其性质 46
4.2.3 一元线性回归方程的显著性检验 47
4.2.4 一元线性回归残差分析 49
4.2.5 一元线性回归模型计算实例 50
4.2.6 一元线性回归模型的SPSS计算 52
4.3.1 多元线性回归模型的数学形式 55
4.3 多元线性回归 55
4.3.2 多元线性回归模型的基本假定 56
4.3.3 多元回归线性模型的参数估计及其性质 57
4.3.4 多元线性回归方程的显著性检验和残差分析 58
4.3.5 标准化回归系数 60
4.3.6 多元线性回归模型计算实例 61
4.3.7 多元线性回归模型的SPSS计算 64
4.4 回归模型违反假设的处理 66
4.4.1 自相关问题及其解决 66
4.4.2 异方差问题及其解决 70
4.4.3 多重共线性问题及其解决 74
4.5.1 虚拟变量回归模型 79
4.5 其他回归模型 79
4.5.2 可以化为线性回归的曲线回归 80
4.5.3 虚拟变量回归模型和可以化为线性回归的曲线回归模型的SPSS求解 82
第5章 定性数据统计分析 84
5.1 列联表分析 84
5.1.1 列联表的概念 84
5.1.2 列联表的分析方法 85
5.1.3 列联表分析的计算实例 85
5.1.4 列联表求解的SPSS计算步骤 86
5.2.1 Logistic回归分析的模型 88
5.2 Logistic回归分析 88
5.2.2 Logistic模型的参数估计 89
5.2.3 Logistic回归系数的含义及其显著性检验 89
5.2.4 SPSS求解Logistic回归实例和步骤 90
5.3 多维尺度法 92
5.3.1 古典MDS 92
5.3.2 古典MDS求解实例 93
5.3.3 非度量MDS 94
5.3.4 SPSS求解非度量MDS计算 95
6.1.1 x2检验 98
第6章 非参数检验 98
6.1 单样本非参数检验 98
6.1.2 二项式分布检验 101
6.1.3 游程检验 104
6.1.4 柯尔莫哥洛夫-斯米诺夫单样本检验 107
6.2 两个独立样本的非参数检验 109
6.2.1 Mann-Whitey检验 109
6.2.2 K-S双样本检验 111
6.2.3 两个独立样本的非参数检验SPSS求解步骤 113
6.3 多个独立样本的非参数检验 114
6.3.1 中位数检验 114
6.3.2 Kruskal-Wallis检验 116
6.3.3 多个独立样本的非参数检验SPSS求解 118
6.4 两个相关样本的非参数检验 119
6.4.1 Mcnemar变化显著性检验 119
6.4.2 Mcnemar变化显著性检验的SPSS求解 121
6.4.3 符号检验 121
6.4.4 两相关样本Wilcoxon符号平均秩检验 123
6.4.5 两相关样本符号和Wilcoxon平均秩检验的SPSS求解 124
6.5 多个相关样本的非参数检验 125
6.5.1 Cochran Q检验 126
6.5.3 Friedman双向评秩方差检验 128
6.5.2 Cochran Q检验的SPSS求解 128
6.5.4 Kendall协和系数检验 130
6.5.5 Friedman双向评秩方差检验和Kendall协和系数检验的SPSS求解 131
第7章 方差分析 132
7.1 单因素方差分析 132
7.1.1 单因素方差分析的原理 132
7.1.2 单因素方差分析的计算过程 134
7.1.3 单因素方差分析的求解实例 135
7.1.4 单因素方差分析的SPSS求解 135
7.2.1 无交互作用双因素方差分析原理 136
7.2 无交互作用双因素方差分析 136
7.2.2 无交互作用双因素方差分析的计算过程 139
7.2.3 无交互作用双因素方差分析的求解实例 139
7.2.4 无交互作用双因素方差分析的SPSS求解 140
7.3 有交互作用双因素方差分析 142
7.3.1 有交互作用双因素方差分析原理 142
7.3.2 有交互作用双因素方差分析的计算过程 145
7.3.3 有交互作用双因素方差分析的求解实例 146
7.3.4 有交互作用双因素方差分析的SPSS求解 147
8.1.1 样本点间距离的测量 149
8.1 相似度的测量 149
第8章 聚类分析 149
8.1.2 类间距离测量 150
8.2 系统聚类法 150
8.2.1 系统聚类法的思想和计算过程 150
8.2.2 系统聚类法的计算实例 150
8.2.3 SPSS系统聚类法求解步骤 152
8.3 快速聚类法 153
8.3.1 K-Means法思想 153
8.3.2 SPSS的K-Means法求解 154
9.1 典型相关的基本思想 156
第9章 典型相关分析 156
9.2 典型相关分析的原理 157
9.2.1 典型相关变量的确立原则 157
9.2.2 典型相关变量的求解方法 157
9.2.3 典型相关的检验 159
9.2.4 典型相关变量的求解步骤 160
9.3 典型相关分析的求解实例 160
9.4 SPSS求解典型相关 163
第10章 主成分分析 165
10.1 主成分分析的基本思想 165
10.2.2 主成分求解步骤 166
10.2 主成分分析的基本原理 166
10.2.1 求解主成分的相关定理 166
10.2.3 主成分的辅助分析技术 167
10.2.4 主成分求解的数据预处理 168
10.3 主成分分析求解实例 169
10.4 SPSS求解主成分 170
第11章 因子分析 173
11.1 因子分析的基本思想 173
11.2 因子分析的原理 174
11.2.1 因子负荷的统计意义 174
11.2.2 因子负荷矩阵的估计 175
11.2.3 因子旋转 176
11.2.4 因子分数 176
11.2.5 因子分析的求解步骤 177
11.3 因子分析的计算实例 177
11.4 SPSS求解因子分析 179
附录一 SPSS软件及其基本操作 184
附录二 本书例题录入示例及文件名 191
附录三 线性代数和概率论基本知识 195
参考文献 197