导论 1
0.1 撰写本书的目的 1
0.2 数据和测度 3
0.3 多元分析方法的分类 5
0.3.1 结构检验的方法 5
0.3.2 结构发现的方法 8
0.3.3 小结 10
0.4 SPSS的使用 11
0.4.1 数据 11
0.4.2 简单的统计量和图形 19
0.4.3 命令语言 24
0.4.4 SPSS系统 30
参考文献 31
第1章 回归分析 33
1.1 问题的提出 33
1.2 分析过程 36
1.2.1 建模 36
1.2.2 估计回归函数 37
1.2.3 检验回归函数 43
1.2.4 检验回归系数 49
1.2.5 检验模型前提 52
1.3 案例 61
1.3.1 组回归分析 61
1.3.2 逐步回归分析 68
1.3.3 SPSS命令 71
1.4 应用建议 72
1.5 数学附录 73
参考文献 75
第2章 时间序列分析 76
2.1 问题的提出 76
2.2 分析过程 78
2.2.1 绘制时间序列 79
2.2.2 建模 79
2.2.3 估计模型 80
2.2.4 进行预测 81
2.2.5 检验预测有效性 83
2.2.6 非线性趋势模型 84
2.2.7 考虑结构性变化 89
2.2.8 考虑周期性波动 90
2.3 使用SPSS 91
2.3.1 线性回归 91
2.3.2 曲线拟合 92
2.4 案例：人造黄油市场的时间序列分析 93
2.4.1 外推模型 94
2.4.2 结构模型 96
2.4.3 总结 98
2.5 应用建议 99
2.6 数学附录 100
参考文献 101
第3章 方差分析 102
3.1 问题的提出 102
3.2 分析过程 103
3.2.1 单因素方差分析 103
3.2.2 双因素方差分析 108
3.2.3 方差分析推广精选 114
3.3 案例 115
3.3.1 问题的提出 115
3.3.2 结果 117
3.3.3 SPSS命令 119
3.4 应用建议 119
参考文献 121
第4章 判别分析 122
4.1 问题的提出 122
4.2 分析过程 123
4.2.1 定义组 124
4.2.2 建立判别函数 124
4.2.3 估计判别函数 126
4.2.4 检验判别函数 135
4.2.5 检验判别变量 138
4.2.6 将新元素分类 140
4.3 案例 146
4.3.1 问题的提出 146
4.3.2 结果 147
4.3.3 逐步判别分析 159
4.3.4 SPSS命令 159
4.4 应用建议 159
4.5 数学附录 160
参考文献 164
第5章 逻辑回归 166
5.1 问题的提出 166
5.1.1 逻辑回归的基本思想 166
5.1.2 建立逻辑回归方程 167
5.2 分析过程 170
5.2.1 建模 170
5.2.2 估计逻辑回归函数 171
5.2.3 解释回归系数 173
5.2.4 检验模型整体 177
5.2.5 检验特征变量 185
5.3 案例 186
5.3.1 问题的提出 186
5.3.2 结果 187
5.3.3 SPSS命令 196
5.4 应用建议 197
5.5 数学附录 197
参考文献 201
第6章 列联表和相合性分析 202
6.1 问题的提出 202
6.2 分析过程 204
6.2.1 编制列联表 204
6.2.2 解释结果 205
6.2.3 检验相关关系 207
6.3 案例 212
6.3.1 问题的提出 212
6.3.2 结果 214
6.3.3 SPSS命令 216
6.4 应用建议 217
参考文献 217
第7章 因子分析 218
7.1 问题的提出 218
7.2 分析过程 223
7.2.1 变量选择和相关矩阵的计算 223
7.2.2 因子的提取 228
7.2.3 累积方差贡献率的确定 235
7.2.4 因子的数量 238
7.2.5 因子阐释 240
7.2.6 因子得分的确定 242
7.2.7 因子分析的小结 244
7.3 案例 245
7.3.1 问题的提出 245
7.3.2 结果 246
7.3.3 SPSS命令 256
7.4 应用建议 256
7.4.1 使用因子分析时的问题 256
7.4.2 对进行因子分析的建议 259
7.5 数学附录 260
7.5.1 特征值问题 260
7.5.2 特征值计算 261
7.5.3 因子载荷的标准化 261
参考文献 261
第8章 聚类分析 263
8.1 问题的提出 263
8.2 分析过程 264
8.2.1 相似性的确定 264
8.2.2 合并算法的选择 275
8.2.3 类数的确定 288
8.3 案例 291
8.3.1 问题的提出 291
8.3.2 结果 292
8.3.3 SPSS命令 300
8.4 应用建议 300
8.4.1 进行聚类分析之前的考虑 300
8.4.2 聚类分析使用说明 301
参考文献 303
第9章 联合分析 304
9.1 问题的提出 304
9.2 分析过程 306
9.2.1 属性和属性水平 306
9.2.2 受测设计 307
9.2.3 受测体的评价 311
9.2.4 效用值的估计 312
9.2.5 效用值的聚集 317
9.3 案例 319
9.3.1 问题的提出 319
9.3.2 分析结果 322
9.3.3 SPSS命令 333
9.4 运用建议 339
9.4.1 经典的联合分析的实施 339
9.4.2 选择的联合分析方法的应用 339
9.5 数学附录 342
参考文献 343
第10章 多维尺度 345
10.1 问题的提出 345
10.2 多维尺度法的构成和步骤 348
10.2.1 相似性的度量 348
10.2.2 距离模式的选择 351
10.2.3 位置的计算 352
10.2.4 维度的确定和解释 357
10.2.5 基于调查对象的聚集 359
10.2.6 案例分析 359
10.3 考虑偏好判断 362
10.3.1 外部偏好分析 362
10.3.2 内部偏好分析 370
10.4 考虑特征判断 371
10.5 应用建议 372
10.5.1 POLYCON命令 372
10.5.2 PREFMAP命令 375
10.5.3 用SPSS实现多维尺度 376
参考文献 380
第11章 对应分析 382
11.1 问题的提出 382
11.1.1 实例 382
11.1.2 对应分析的产生和分类 383
11.1.3 对应分析的应用领域 384
11.2 分析过程 385
11.2.1 准备步骤 385
11.2.2 数据标准化 391
11.2.3 维度的提取 393
11.2.4 坐标正态化 395
11.2.5 解释 400
11.3 案例 402
11.3.1 问题阐述 402
11.3.2 结果 403
11.4 应用建议 407
11.5 数学附录 413
参考文献 415
第12章 神经网络 417
12.1 问题的提出 417
12.1.1 生物学和人工神经网络的学习 417
12.1.2 人工神经网络中基本的功能性关系和数学运算 421
12.2 工作步骤 424
12.2.1 问题的结构化和网络类型的选择 425
12.2.2 网络结构的确定 426
12.2.3 神经元中信息处理的确定 426
12.2.4 网络的训练 430
12.2.5 受训网络的运用 435
12.3 案例研究 435
12.3.1 问题的提出 435
12.3.2 结果 444
12.4 应用建议 447
参考文献 449
第13章 结构方程模型 451
13.1 问题的提出 451
13.1.1 结构方程模型的基本思想 451
13.1.2 因果分析的基本关系 454
13.1.3 结构方程模型的分析步骤 460
13.2 处理方法 461
13.2.1 构建假设 461
13.2.2 路径图和模型规范 461
13.2.3 模型结构可识别性 464
13.2.4 参数估计 465
13.2.5 估计结果的评价 471
13.2.6 模型结构的修正 475
13.3 案例 477
13.3.1 问题阐述 477
13.3.2 结果 483
13.4 应用建议 494
13.4.1 结构方程模型的假设与前提 494
13.4.2 对借助结构方程模型进行因果分析的建议 495
13.5 数学附录 496
参考文献 498
附录1 t-分布表 501
附录2 F-分布表 503
附录3 按照Cochran的c-分布表 513
附录4 x2-分布表 515
附录5 x2-分布的百分率值—自由度为v的分布 517
附录6 Durbin-Watson-检验表（置信度0.9 5） 519
附录7 q-值表 521