第1章 数据统计分析的概念 1
学习指导 1
1.1 数据分析能力培养的背景及其意义 2
1.1.1 数据分析能力培养的背景 2
1.1.2 数据分析能力培养的意义 3
1.2 数据处理的层次与数据分析 6
1.2.1 数据管理与数据采集的三个层次 6
1.2.2 数据分析与数据挖掘技术的出现 6
1.3 数据描述与数据分析简介 7
1.3.1 常见的数据描述方法 7
1.3.2 常见的数据分析技术 8
1.4 数据分析与挖掘软件 9
1.4.1 数据统计与分析软件 9
1.4.2 数据挖掘技术及应用 10
1.5 数据分析环境（SPSS与Excel） 11
1.5.1 数据的组织与数据结构 11
1.5.2 Excel的数据分析环境 12
1.5.3 SPSS的数据分析环境 14
习题 18
第2章 数据梳理与统计描述 20
学习指导 20
2.1 数据分析中的基础概念 21
2.1.1 数据描述及其概念 21
2.1.2 数据的分布形态 25
2.1.3 数据分析中的常见思路与评价策略 27
2.2 数据编辑技术简介 28
2.2.1 Excel的数据编辑 28
2.2.2 SPSS的数据编辑 32
2.2.3 数据文件的打开与整合 35
2.2.4 数据排序 37
2.2.5 数据文件拼合 39
2.2.6 数据检索与抽样 41
2.2.7 数据的计算与计数 44
2.2.8 数据的加权处理 47
2.3 数据重编码与规范化 48
2.3.1 对字符型变量的数值化编码 48
2.3.2 对定距变量的离散化编码 50
2.3.3 数据重编码——Z分数 54
2.3.4 数据重编码——求秩分 55
2.3.5 数据重编码——正态得分 57
2.3.6 数据的分类汇总 59
2.3.7 对缺失值的标记与处理 60
2.4 数据的统计描述 62
2.4.1 基本统计量 62
2.4.2 数据频度分析 65
2.4.3 数据分布形态的判定 68
2.4.4 箱体图与茎叶图 73
2.4.5 低测度数据的描述 75
2.4.6 数据摘要报告 78
习题 85
第3章 数据的差异显著性检验 88
学习指导 88
3.1 数据差异显著性检验的基础概念 89
3.1.1 数据差异显著性检验的概念 89
3.1.2 数据差异显著性检验的流程 90
3.1.3 差异显著性检验的类别及其适应性 91
3.2 T检验——两组数据的均值差异显著性检验 93
3.2.1 T检验的含义、方法与适应性 93
3.2.2 配对样本的T检验 96
3.2.3 独立样本的T检验 100
3.2.4 单样本的T检验 106
3.2.5 T检验的实用案例 107
3.3 方差分析 111
3.3.1 方差分析的目标、方法与类别 111
3.3.2 单因素方差分析 113
3.3.3 多因素方差分析 118
3.3.4 协方差分析 125
3.3.5 多因变量的方差分析 127
3.3.6 方差分析的实用案例 130
3.4 非参数检验 134
3.4.1 不明形态数据差异显著性检验的策略 134
3.4.2 两关联样本的非参数检验 135
3.4.3 多关联样本的非参数检验 138
3.4.4 两独立样本的非参数检验 140
3.4.5 多独立样本的非参数检验 143
3.4.6 非参数检验的实用案例 145
3.5 低测度数据的差异性与拟合优度检验 149
3.5.1 低测度数据分析的特点与卡方检验 149
3.5.2 面向期望分布的卡方检验 150
3.5.3 基于交叉表的卡方检验 152
3.5.4 基于K-S检验的分布形态判断 154
3.5.5 游程检验与随机分布 155
3.5.6 二项分布检验 157
习题 159
第4章 数据的关联性分析 162
学习指导 162
4.1 数据关联性分析综述 163
4.1.1 数据关联性分析的类型 163
4.1.2 SPSS中数据关联性分析的技术 165
4.2 数据的相关性分析 166
4.2.1 对中高测度数据的相关性分析技术 166
4.2.2 中高测度数据相关性分析的实用案例 168
4.2.3 偏相关分析 173
4.2.4 低测度数据相关性分析的概念与思路 176
4.2.5 低测度数据相关性分析的实用案例 178
4.3 线性回归分析技术 185
4.3.1 线性回归的关键概念 185
4.3.2 一元线性回归的实用案例 187
4.3.3 多元线性回归概念与关键技术 192
4.3.4 多元线性回归的实用案例 195
4.4 曲线回归技术 199
4.4.1 曲线回归的基础知识 199
4.4.2 曲线回归的实用案例 201
4.5 二元Logistic回归分析技术 205
4.5.1 二元Logistic回归的概念 205
4.5.2 二元Logistic回归的实用案例 209
习题 216
第5章 数据的降维与聚类分析 219
学习指导 219
5.1 基于数据的归纳分析 220
5.1.1 归纳分析的概念 220
5.1.2 统计学中的分类分析 220
5.1.3 统计学中的降维分析 221
5.1.4 分类分析中对元素间距离的判定方法 222
5.2 分层聚类分析 224
5.2.1 分层聚类的概念及特点 224
5.2.2 分层聚类在降维中的实用案例 225
5.2.3 分层聚类在分类中的实用案例 232
5.3 K-Means聚类分析 236
5.3.1 K-Means聚类的概念 236
5.3.2 K-Means聚类的实用案例 237
5.4 判别分析 241
5.4.1 判别分析的概念与思路 241
5.4.2 判别分析的实用案例 243
5.5 因子分析 250
5.5.1 因子分析的定义与特点 250
5.5.2 因子分析的实用案例 253
5.5.3 因子分析的补充说明 256
5.6 对应分析 259
5.6.1 对应分析的概念 259
5.6.2 对应分析的实用案例 259
习题 264
第6章 信度与效度的检验 266
学习指导 266
6.1 信度和效度的概念 267
6.1.1 信度的概念与主要技术 267
6.1.2 效度的概念与主要技术 268
6.1.3 社会调查中保证信度效度的常见方法 269
6.2 SPSS的信度检验 270
6.2.1 信度检验的主要技术 270
6.2.2 信度检验的实用案例 272
6.3 效度检验方法 277
6.3.1 效度检验的主要技术 277
6.3.2 效度检验的实用案例 278
6.4 如何构造有效的调研指标体系 282
6.4.1 构造有效指标体系的方法 282
6.4.2 用德尔菲法检查结构效度 288
习题 291
参考文献 293