SPSS統(tǒng)計分析高級教程

第一部分一般線性與混合線性模型.
第1章方差分析模型
1.1模型簡介
1.1.1模型入門
1.1.2常用術語
1.1.3方差分析模型的適用條件
1.2簡單分析實例
1.2.1模型表達式
1.2.2初步分析結果
1.2.3模型參數的估計值
1.2.4兩兩比較
1.2.5其他常用選項
1.3兩因素方差分析模型
1.3.1分析實例
1.3.2邊際均數與輪廓圖
1.3.3擬和劣度檢驗
1.4因素各水平間的精細比較
1.4.1POSTHOC子句
1.4.2EMMEANS子句
1.4.3LMATRIX和KMATRIX子句
1.4.4CONSTRAST子句
1.5隨機因素的方差分析模型
1.6其他問題
1.6.1自定義效應檢驗使用的誤差項
1.6.2四類方差分解方法
第2章常用實驗設計分析方法
2.1僅研究主效應的實驗設計方案
2.1.1完全隨機設計(CompletelyRandomDesign)
2.1.2配伍組設計(RandomizedBlockDesign)
2.1.3交叉設計(Cross-overDesign)
2.1.4拉丁方設計(LatinSquareDesign)
2.2考慮交互作用的實驗設計方案
2.2.1析因設計(FactorialDesign)
2.2.2正交設計(OrthogonalDesign)
2.2.3均勻設計(UniformDesign)
2.3誤差項變動的特殊實驗設計方案
2.3.1嵌套設計(NestedDesign)
2.3.2重復測量設計(RepeatedMeasureDesign)
2.3.3裂區(qū)設計(Split-plotDesign)
2.4協方差分析(AnalysisofCovariance)
2.4.1協方差分析的必要性
2.4.2平行性假定的檢驗
2.4.3計算和檢驗修正均數
第3章多元方差分析與重復測量方差分析
3.1多元方差分析
3.1.1模型簡介
3.2.2分析實例
3.3.3檢驗統(tǒng)計量的計算
3.3.4對引例的進一步分析
3.2重復測量資料的方差分析
3.2.1模型簡介
3.2.2分析實例
第4章混合線性模型入門
4.1模型簡介
4.1.1問題的提出
4.1.2模型入門
4.2層次聚集性數據分析實例
4.1.1擬合混合線性模型的基本結構
4.1.2在固定效應中加入自變量
4.1.3在隨機效應中加入自變量
4.1.4更多解釋變量的引入
4.1.5其他常用選項
4.3重復測量數據分析實例
4.3.1對數據的初步分析
4.3.2擬合混合線性模型的基本結構
4.3.3考慮重復測量間的相關性
4.3.4更改對測量間相關性的假定
4.3.5模型中可用的相關陣種類
4.4本章方法小結
4.4.1混合效應模型的用途
4.4.2混合效應模型與一般線性模型的聯系
第二部分回歸模型
第5章多重線性回歸模型
5.1模型簡介
5.2簡單分析實例
5.2.1對數據的初步分析
5.2.2回歸模型的假設檢驗
5.2.3偏回歸系數的假設檢驗
5.2.4標準化偏回歸系數
5.2.5衡量多元線性回歸模型優(yōu)劣的標準
5.3回歸預測與殘差分析
5.3.1回歸預測與區(qū)間估計
5.3.2殘差分析與模型適用條件的檢驗
5.4逐步回歸
5.4.1篩選自變量的基本原則
5.4.2常用的逐步回歸方法
5.4.3分析實例
5.5模型的進一步診斷與修正
5.5.1強影響點的識別與處理
5.5.2多重共線性的識別與處理
5.6本章方法小結
5.6.1回歸模型的建立步驟
5.6.2多重線性回歸模型結果解釋時應注意的問題
第6章線性回歸的衍生模型
6.1非直線趨勢的處理：曲線直線化
6.1.1方法簡介
6.1.2使用Linear過程進行分析
6.1.3使用曲線擬合過程分析
6.2方差不齊的處理：加權最小二乘法
6.2.1方法簡介
6.2.2使用Linear過程進行分析
6.2.3使用WLS過程分析
6.3共線性的處理：嶺回歸
6.3.1方法簡介
6.3.2分析實例
6.4分類變量的數值化：最優(yōu)尺度回歸
6.4.1方法簡介
6.4.2分析實例
6.4.3最優(yōu)尺度方法的應用注意事項
第7章路徑分析入門
7.1兩階段最小二乘法
7.1.1模型簡介
7.1.2　使用Linear過程進行分析
7.1.3使用2SLS過程進行分析
7.2路徑分析入門
7.2.1模型簡介
7.2.2分析實例
第8章非線性回歸模型
8.1模型簡介
8.1.1問題的提出
8.1.2模型入門
8.2簡單分析實例
8.2.1軟件操作與界面說明
8.2.2基本分析結果
8.2.3模型的進一步分析
8.3自定義損失函數：最小一乘法實例
8.3.1分析實例
8.3.3結果解釋
8.4分段回歸模型的擬合
8.4.1分析實例
8.4.2結果解釋
8.4.3模型的進一步分析
8.5其他需要注意的問題
8.5.1參數初始值的設定
8.5.2模型的擬合方法
第9章二分類logistic回歸模型
9.1模型簡介
9.1.1模型入門
9.1.2一些基本概念
9.2簡單分析實例
9.3分類自變量的定義與比較方法
9.3.1使用啞變量的必要性
9.3.2SPSS中預設的啞變量編碼方式
9.3.3設置啞變量時要注意的問題
9.4自變量的篩選方法與逐步回歸
9.4.1模型中的假設檢驗方法
9.4.2自變量的篩選方法
9.4.3分析實例
9.5模型擬合效果與擬合優(yōu)度檢驗
9.5.1模型效果的判斷指標
9.5.2擬合優(yōu)度檢驗
9.6模型的診斷與修正
9.6.1殘差分析
9.6.2多重共線性的識別及其對回歸系數的影響及處理辦法
第10章多分類.配對logistic回歸與probit回歸
10.1有序多分類logistic回歸模型
10.1.1模型簡介
10.1.2分析實例
10.1.3模型適用條件的檢驗
10.2無序多分類logistic回歸模型
10.2.1模型簡介
10.2.2分析實例
10.31:1配對logistic回歸
10.3.1模型簡介
10.3.2分析實例
10.4probit回歸模型
10.4.1模型簡介
10.4.2實例一：與logistic模型比較
10.4.3實例二：計算LD50
第三部分多元統(tǒng)計分析方法
第11章主成分分析與因子分析
11.1主成分分析
11.1.1模型入門..
11.1.2簡單分析實例
11.1.3對主成分分析的進一步說明
11.2因子分析
11.2.1模型入門
11.2.4簡單分析實例
11.3因子分析的進一步討論
11.3.1不同的因子分析法
11.3.2相關陣和協方差
11.3.3確定公因子數量
11.4因子分析綜合案例
11.5主成分分析和因子分析的比較
第12章聚類分析
12.1模型簡介
12.1.1問題的提出
12.1.2聚類分析入門
12.1.3聚類分析的方法體系
12.2層次聚類法
12.2.1方法原理
12.2.2分析實例
12.2.3對層次聚類法的進一步討論
12.3K-均值聚類法
12.3.1方法原理
12.3.2分析實例
12.4兩步聚類法簡介
12.4.1方法原理
12.4.2分析實例
12.5本章方法小結
第13章判別分析
13.1模型簡介
13.1.1典型判別分析的基本原理
13.1.2判別分析的適用條件和違背條件時的處理方法
13.1.3判別效果的評價
13.1.4判別分析的一般步驟
13.2簡單分析實例
13.2.1軟件操作與界面說明
13.2.2基本分析結果
13.2.3判別結果的圖形化展示
13.2.4判別效果的驗證
13.2.5適用條件的判斷方法
13.3貝葉斯判別分析
13.3.1方法原理
13.3.2軟件實現
13.4對判別分析的進一步討論
13.4.1逐步判別分析
13.4.2判別分析和因子分析的相似性和差異
13.4.3二類判別和多重回歸的等價性
第14章典型相關分析
14.1方法介紹
14.1.1典型相關分析的基本思想
14.2.1典型相關分析的數學描述
14.2分析實例
14.2.1兩組變量間的相關系數
14.2.2典型相關系數及顯著性檢驗
11.2.3典型變量的系數
14.2.4典型結構分析
14.2.5典型冗余分析
14.3本章方法小結
14.3.1典型相關分析的應用
14.3.2典型相關分析和因子分析
第15章對應分析
15.1模型簡介
15.1.1問題的提出
15.1.2模型入門
15.1.3SPSS中的相應功能
15.2簡單分析實例
15.2.1對數據的初步分析
15.2.2正式分析
15.2.3對引例的進一步分析
15.3基于均數的對應分析
15.3.1方法原理
15.3.2分析實例
15.4多重對應分析
15.4.1方法原理
15.4.2分析實例
15.5對應分析中的其它問題
15.5.1對應分析結果的正確解釋
15.5.2罕見類別和相似類別的處理
15.5.3有序類別的處理
15.6本章方法小結
15.6.1對應分析與其它分析方法的關系
15.6.2對應分析的優(yōu)勢與劣勢
第16章多維尺度分析
16.1古典MDS模型
16.1.1方法原理
16.1.2分析實例
16.1.3距離的計算方式
16.2非度量MDS模型
16.2.1數據測量尺度的設定
16.2.2方法原理
16.2.3分析實例
16.3考慮個體差異的MDS模型
16.3.1方法原理
16.3.2分析實例
16.3.3空間定位圖的含義解釋
16.4基于最優(yōu)尺度變換的MDS模型
16.4.1方法簡介
16.4.2分析實例
16.5本章方法小結
第四部分其他統(tǒng)計分析方法
第17章對數線性模型與Poisson回歸
17.1對數線性模型簡介
17.1.1問題的提出
17.1.2模型入門
17.1.3SPSS的相應功能
17.2一般對數線性模型分析實例
17.2.1對數據的初步分析
17.2.2正式分析
17.2.3對引例的進一步分析
17.3因果關系明確時的對數線性模型
17.4對數線性模型的選擇
17.4.1模型的選擇策略
17.4.2分析實例
17.5對數線性模型與其它模型的關系
17.5.1對數線性模型與方差分析模型的關系
17.5.2對數線性模型與Logistic回歸的關系
17.6Poisson回歸模型
17.6.1模型簡介
17.6.2分析實例
第18章信度分析
18.1信度理論入門
18.1.1真分數測量理論
18.1.2信度與效度
18.1.3內在信度與外在信度
18.1.4信度的判斷標準
18.2簡單分析實例
18.2.1Alpha信度系數
18.2.2對各題目的深入分析
18.2.3對真分數理論假設的考察
18.3其余常用的信度系數
18.3.1重測信度
18.3.2折半信度
18.3.3Guttman系數
18.3.4平行模型的信度系數
18.3.5嚴格平行模型的信度系數
18.3.6評分者信度
18.3.7信度系數總結
18.4信度理論進階
18.4.1真分數測量理論的缺限
18.4.2概化理論入門
18.4.3SPSS中相應的分析功能
第19章生存分析
19.1生存分析簡介
19.1.1生存分析簡史
19.1.2生存分析中的基本概念
19.1.3生存分析的基本步驟
19.1.4SPSS與生存分析
19.2生存函數的估計和檢驗
19.2.1生存函數的基本估計方法
19.2.2Kaplan-Meier法
19.2.3壽命表法
19.2.4Kaplan-Meier法和壽命表法比較
19.3Cox回歸模型
19.3.1Cox模型入門
19.3.2分析實例
19.3.3比例風險性的圖形驗證
19.4含時間依存性變量的Cox模型
19.4.1時依協變量的種類
19.4.2用時依模型驗證比例風險性
19.4.3用時依模型評價處理因素的影響
19.4.4用時依模型評價重復測量因子的影響
19.5關于Cox模型的一些高級話題
19.5.1生存分析中的分層變量
19.5.2用Cox回歸過程擬合配伍Logistic回歸
19.5.3競爭風險的Cox模型
第20章缺失值分析入門
20.1缺失值理論簡介
20.1.1數據的缺失機制
20.1.2SPSS中對缺失值的處理方法
20.2對缺失情況的基本分析
20.2.1缺失值數據的生成
20.2.2對缺失模式的分析
20.2.3缺失情況的統(tǒng)計描述
20.3缺失值填充技術
20.3.1列表輸出
20.3.2使用回歸算法進行填充
20.3.3使用EM算法進行填充
20.3.4多重填充技術簡介
思考與練習
參考文獻
附錄...