多元統(tǒng)計(jì)分析與SPSS應(yīng)用

第1章 多元描述統(tǒng)計(jì)分析
1.1 多元描述統(tǒng)計(jì)量
1.1.1 數(shù)據(jù)的組織
1.1.2 描述統(tǒng)計(jì)量
1.2 多元數(shù)據(jù)的圖形表示
1.2.1 散點(diǎn)圖
1.2.2 箱線圖
1.2.3 條形圖
1.3 描述統(tǒng)計(jì)分析的SPSS應(yīng)用
1.3.1 描述統(tǒng)計(jì)量
1.3.2 圖形表示
小結(jié)
本章主要術(shù)語
思考與練習(xí)
第2章 均值的比較檢驗(yàn)
2.1 均值比較檢驗(yàn)的基本原理
2.1.1 均值檢驗(yàn)問題的提出
2.1.2 均值檢驗(yàn)的基本原理
2.2 單一樣本均值的檢驗(yàn)
2.3 獨(dú)立樣本均值的檢驗(yàn)
2.4 配對樣本均值的檢驗(yàn)
2.5 均值比較檢驗(yàn)的SPSS應(yīng)用
2.5.1 單一樣本均值的檢驗(yàn)
2.5.2 獨(dú)立樣本均值的檢驗(yàn)
2.5.3 配對樣本均值的檢驗(yàn)
小結(jié)
本章主要術(shù)語
思考與練習(xí)
第3章 方差分析
3.1 方差分析的基本原理
3.2 單因子方差分析
3.3 多因子方差分析
3.3.1 無交互作用情況
3.3.2 有交互作用情況
3.4 協(xié)方差分析
3.5 方差分析的SPSS應(yīng)用
3.5.1 單因子方差分析
3.5.2 多因子方差分析
3.5.3 協(xié)方差分析
小結(jié)
本章主要術(shù)語
思考與練習(xí)
第4章 正交試驗(yàn)設(shè)計(jì)
4.1 正交試驗(yàn)設(shè)計(jì)的基本方法
4.2 無交互作用的試驗(yàn)設(shè)計(jì)與數(shù)據(jù)分析
4.3 有交互作用的試驗(yàn)設(shè)計(jì)與數(shù)據(jù)分析
4.4 重復(fù)試驗(yàn)與重復(fù)取樣
4.4.1 重復(fù)試驗(yàn)
4.4.2 重復(fù)取樣
4.5 交試驗(yàn)設(shè)計(jì)的SPSS應(yīng)用
小結(jié)
本章主要術(shù)語
思考與練習(xí)
第5章 相關(guān)分析
5.1 引言
5.2 簡單相關(guān)分析
5.2.1 Pearson相關(guān)系數(shù)
5.2.2 Spearman等級相關(guān)系數(shù)
5.2.3 Kendall’s tau-b相關(guān)系數(shù)
5.2.4 簡單相關(guān)分析的SPSS應(yīng)用
5.3 偏相關(guān)分析
5.3.1 偏相關(guān)分析的思想
5.3.2 偏相關(guān)系數(shù)
5.3.3 偏相關(guān)分析的SPSS應(yīng)用
5.4 距離相關(guān)分析
5.4.1 距離相關(guān)分析的思想
5.4.2 偏相關(guān)分析的SPSS應(yīng)用
小結(jié)
本章主要術(shù)語
思考與練習(xí)
第6章 回歸分析
6.1 一元線性回歸分析
6.1.1 數(shù)學(xué)模型
6.1.2 參數(shù)的最小二乘估計(jì)
6.1.3 最小二乘估計(jì)的性質(zhì)
6.1.4 回歸方程的顯著性
6.1.5 預(yù)測
6.1.6 控制
6.1.7 一元線性回歸的SPSS應(yīng)用
6.2 多元線性回歸分析
6.2.1 數(shù)學(xué)模型
6.2.2 參數(shù)的最小二乘估計(jì)
6.2.3 最小二乘估計(jì)的性質(zhì)
6.2.4 回歸方程的顯著性
6.2.5 回歸系數(shù)的顯著性
6.2.6 預(yù)測
6.2.7 多元線性回歸的SPSS應(yīng)用
6.3 逐步回歸分析
6.3.1 “最優(yōu)”回歸方程的選擇
6.3.2 逐步回歸計(jì)算步驟
6.3.3 逐步回歸的SPSS應(yīng)用
6.4 含定性自變量的回歸分析
6.4.1 兩分定性變量的回歸
6.4.2 多分定性變量的回歸
6.5 違背基本假設(shè)的回歸分析
6.5.1 異方差性
6.5.2 自相關(guān)性
6.5.3 多重共線性
小結(jié)
本章主要術(shù)語
思考與練習(xí)
第7章 聚類分析
7.1 聚類分析的概念及分類
7.2 相似性的度量
7.2.1 距離
7.2.2 相似系數(shù)
7.3 系統(tǒng)聚類法
7.4 動態(tài)聚類法
7.4.1 動態(tài)聚類的思想
7.4.2 選擇凝聚點(diǎn)和確定初始分類
7.4.3 衡量聚類結(jié)果的合理性指標(biāo)和算法終止的標(biāo)準(zhǔn)
7.4.4 動態(tài)聚類與系統(tǒng)聚類的比較
7.5 有序聚類法
7.6 聚類分析的SPSS應(yīng)用
7.6.1 Hierarchical Cluster系統(tǒng)聚類分析
7.6.2 Means Cluster K-均值聚類分析
小結(jié)
本章主要術(shù)語
思考與練習(xí)
第8章 判別分析
8.1 引言
8.2 距離判別法
8.2.1 兩個總體的情形
8.2.2 多總體情況
8.3 Fisher判別法
8.3.1 兩總體Fisher判別法
8.3.2 多總體Fisher判別法
8.4 Bayes判別法
8.5 逐步判別法
8.6 判別分析的SPSS應(yīng)用
小結(jié)
本章主要術(shù)語
思考與練習(xí)
第9章 主成分分析
9.1 引言
9.2 主成分分析的數(shù)學(xué)模型及其幾何意義
9.2.1 數(shù)學(xué)模型
9.2.2 幾何意義
9.3 主成分的推導(dǎo)及其性質(zhì)
9.3.1 總體主成分
9.3.2 樣本主成分
9.4 主成分分析的基本步驟與SPSS應(yīng)用
9.4.1 主成分分析的基本步驟
9.4.2 SPSS操作過程及結(jié)果解釋
9.5 主成分分析的進(jìn)一步應(yīng)用
9.5.1 綜合評價(jià)
9.5.2 相關(guān)分析與回歸分析
小結(jié)
本章主要術(shù)語
思考與練習(xí)
第10章 因子分析
10.1 引言
10.2 因子分析的一般模型
10.2.1 因子分析的數(shù)學(xué)模型
10.2.2 因子分析模型與回歸模型的比較
10.2.3 因子分析模型的性質(zhì)
10.2.4 因子分析的幾個重要概念
10.3 因子載荷矩陣的估計(jì)
10.4 因子旋轉(zhuǎn)
10.4.1 方差最大正交旋轉(zhuǎn)(Varimax)
10.4.2 四次方最大旋轉(zhuǎn)(Quartimax)
10.4.3 等量最大法旋轉(zhuǎn)(Equamax)
10.4.4 斜交旋轉(zhuǎn)
10.4.5 旋轉(zhuǎn)方法的選擇
10.5 因子得分的估計(jì)
10.5.1 因子得分的含義
10.5.2 因子得分估計(jì)的方法——回歸法
10.6 因子分析的基本步驟與SPSS應(yīng)用
10.6.1 因子分析的基本步驟
10.6.2 SPSS操作過程及結(jié)果解釋
小結(jié)
本章主要術(shù)語
思考與練習(xí)
第11章 對應(yīng)分析
11.1 引言
11.2 對應(yīng)分析的原理與方法
11.2.1 對應(yīng)分析的原理
11.2.2 R型因子分析和Q型因子分析的對應(yīng)關(guān)系
11.3 對應(yīng)分析的SPSS應(yīng)用
11.3.1 對應(yīng)分析中重要概念的解釋
11.3.2 對應(yīng)分析的SPSS應(yīng)用
小結(jié)
本章主要術(shù)語
思考與練習(xí)
第12章 典型相關(guān)分析
12.1 引言
12.2 典型相關(guān)分析的基本理論與方法
12.2.1 典型相關(guān)分析的原理
12.2.2 總體典型相關(guān)
12.2.3 樣本典型相關(guān)
12.2.4 典型相關(guān)系數(shù)的顯著性檢驗(yàn)
12.2.5 典型相關(guān)分析的其他測量指標(biāo)
12.3 典型相關(guān)分析的基本步驟
12.4 典型相關(guān)分析的SPSS應(yīng)用
小結(jié)
本章主要術(shù)語
思考與練習(xí)
第13章 定性數(shù)據(jù)的統(tǒng)計(jì)分析
13.1 引言
13.2 列聯(lián)表分析
13.2.1 列聯(lián)表的概念及形式
13.2.2 列聯(lián)表的獨(dú)立性檢驗(yàn)
13.2.3 SPSS應(yīng)用
13.3 對數(shù)線性模型
13.3.1 對數(shù)線性模型的理論和方法
13.3.2 對數(shù)線性模型的SPSS應(yīng)用
13.4 Logistic回歸
13.4.1 Logistic變換
13.4.2 Logistic回歸模型及其估計(jì)
13.4.3 Logistic回歸模型的檢驗(yàn)
13.4.4 Logistic回歸的SPSS應(yīng)用
13.5 Probit回歸
13.5.1 Probit回歸模型
13.5.2 Probit回歸的SPSS應(yīng)用
小結(jié)
本章主要術(shù)語
思考與練習(xí)
附錄1 常用概率分布表
附錄2 常用正交表
參考文獻(xiàn)