現(xiàn)代流通科學(xué)研究方法

第1章 統(tǒng)計分析基礎(chǔ)
1．1 基本概念
1．1．1 變量與統(tǒng)計關(guān)系
1．1．2 數(shù)據(jù)與數(shù)據(jù)類型
1．1．3 統(tǒng)計分析方法
1．2 統(tǒng)計描述
1．2．1 數(shù)據(jù)的集中趨勢
1．2．2 數(shù)據(jù)的離散程度
1．2．3 數(shù)據(jù)的分布形狀
1．3 抽樣分布
1．3．1 總體、樣本及統(tǒng)計量
1．3．2 正態(tài)分布
1．3．3 由正態(tài)分布導(dǎo)出的三大重要分布
1．3．4 樣本統(tǒng)計量的分布
1．4 統(tǒng)計推斷
1．4．1 參數(shù)估計
1．4．2 假設(shè)檢驗
1．5 統(tǒng)計軟件
1．5．1 常用統(tǒng)計軟件
1．5．2 用SPSS對數(shù)據(jù)進行描述與推斷
1．5．3 用R對數(shù)據(jù)進行描述與推斷
本章要點
第2章 相關(guān)分析
2．1 統(tǒng)計學(xué)中的相關(guān)關(guān)系
2．1．1 相關(guān)關(guān)系的概念
2．1．2 相關(guān)關(guān)系的種類
2．1．3 相關(guān)關(guān)系分析的基本內(nèi)容
2．1．4 隨機變量間的獨立與相關(guān)
2．2 定性變量之間的相關(guān)
2．2．1 列聯(lián)表
2．2．2 獨立性檢驗
2．2．3 相關(guān)性度量
2．2．4 軟件計算
2．2．5 進一步的討論
2．3 定量變量之間的相關(guān)
2．3．1 相關(guān)關(guān)系的圖形描述
2．3．2 相關(guān)關(guān)系的數(shù)字刻畫
2．3．3 相關(guān)系數(shù)的顯著性檢驗
2．3．4 相關(guān)分析的軟件計算
2．3．5 偏相關(guān)分析
本章要點
重要公式
思考與練習(xí)
第3章 線性回歸分析
3．1 一元線性回歸分析
3．1．1 模型及參數(shù)估計
3．1．2 回歸直線的擬合優(yōu)度
3．1．3 回歸模型的檢驗
3．1．4 利用回歸方程進行預(yù)測
3．1．5 分析實例及軟件計算
3．2 多元線性回歸分析
3．2．1 回歸模型及參數(shù)估計
3．2．2 擬合優(yōu)度及顯著性檢驗
3．2．3 多元回歸的三大基本問題
3．2．4 變量選擇與逐步回歸
3．2．5 多元線性回歸的應(yīng)用實例
3．3 對回歸分析的進一步討論
3．3．1 可線性化的非線性回歸模型
3．3．2 自變量含有交互項的回歸模型
3．3．3 自變量為定性變量的一元回歸模型
3．3．4 自變量有定性變量的多元回歸模型
3．3．5 關(guān)于回歸分析的一個特例
本章要點
重要公式
思考與練習(xí)
第4章 方差分析
4．1 方差分析的基本原理
4．1．1 問題描述及分析方法
4．1．2 方差分析的軟件計算
4．2 雙因素方差分析
4．2．1 雙因素方差分析的基本原理
4．2．2 分析實例及軟件計算
4．3 進一步的討論
4．3．1 含有數(shù)值型自變量時的方差分析
4．3．2 方差分析與回歸分析的聯(lián)系和區(qū)別
4．3．3 回歸分析與方差分析的模型適用條件診斷
本章要點
重要公式
思考與練習(xí)
第5章 經(jīng)典統(tǒng)計模型：分類、聚類與降維
5．1 分類方法：Logistic回歸
5．1．1 Logistic回歸的基本原理
5．1．2 用SPSS進行Logistic 回歸
5．1．3 用R進行Logistic回歸
5．1．4 Logistic回歸實踐應(yīng)用的注意事項
5．1．5 廣義線性模型簡介
5．2 分類方法：判別分析
5．2．1 判別分析的基本原理
5．2．2 用SPSS進行判別分析
5．2．3 用R進行判別分析
5．2．4 判別分析實踐應(yīng)用的注意事項
5．3 聚類方法：聚類分析
5．3．1 聚類分析的基本原理
5．3．2 用SPSS進行層次聚類
5．3．3 用R進行聚類分析
5．3．4 聚類分析實踐應(yīng)用的注意事項
5．4 降維方法：主成分分析
5．4．1 主成分的基本原理
5．4．2 用SPSS進行主成分分析
5．4．3 用R進行主成分分析
5．4．4 主成分分析實踐應(yīng)用的注意事項
5．5 降維方法：因子分析
5．5．1 因子分析的基本原理
5．5．2 用SPSS進行因子分析
5．5．3 用R進行因子分析
5．5．4 因子分析與主成分分析的區(qū)別
5．5．5 因子分析的實踐應(yīng)用及適用條件
本章要點
重要公式
思考與練習(xí)
第6章 結(jié)構(gòu)方程模型
6．1 結(jié)構(gòu)方程模型的基本原理
6．1．1 概念、符號與圖例
6．1．2 模型識別、假定與估計
6．1．3 結(jié)構(gòu)方程模型的評價
6．2 結(jié)構(gòu)方程模型應(yīng)用范例
6．2．1 技術(shù)接受模型（TAM）
6．2．2 用Amos進行結(jié)構(gòu)方程建模
6．3 PLS-SEM原理及應(yīng)用
6．3．1 PLS-SEM方法簡介
6．3．2 用SmartPLS進行結(jié)構(gòu)方程建模
6．4 進一步的討論
本章要點
第7章 交互、中介與調(diào)節(jié)效應(yīng)
7．1 交互效應(yīng)
7．1．1 交互效應(yīng)的概念
7．1．2 交互效應(yīng)的檢驗與分析
7．2 中介效應(yīng)
7．2．1 中介效應(yīng)的概念
7．2．2 中介效應(yīng)的檢驗與分析
7．2．3 中介效應(yīng)分析實例
7．3 調(diào)節(jié)效應(yīng)
7．3．1 調(diào)節(jié)效應(yīng)的概念
7．3．2 調(diào)節(jié)效應(yīng)與交互效應(yīng)
7．3．3 調(diào)節(jié)效應(yīng)的檢驗與分析
7．4 PLS-SEM分析實例一企業(yè)聲譽模型
7．4．1 企業(yè)聲譽模型概述
7．4．2 模型估計與評價
7．4．3 中介效應(yīng)分析
7．4．4 調(diào)節(jié)效應(yīng)分析
本章要點
第8章 生理活動數(shù)據(jù)分析簡介
8．1 腦電分析原理與應(yīng)用
8．1．1 基本概念
8．1．2 腦電實驗在管理領(lǐng)域的應(yīng)用情況
8．1．3 事件相關(guān)腦電位分析方法
8．1．4 腦電實驗案例分析
8．2 眼動實驗設(shè)計與應(yīng)用
8．2．1 眼動追蹤技術(shù)
8．2．2 眼動實驗設(shè)計的基本問題
8．2．3 眼動實驗的設(shè)計方法
8．2．4 眼動實驗案例分析
本章要點
附錄 常用概率分布表及計算方法
標(biāo)準(zhǔn)正態(tài)分布概率表
t分布上側(cè)分位數(shù)表
x2分布上側(cè)分位數(shù)表
F分布上側(cè)分位數(shù)表(a=0．05）
F分布上側(cè)分位數(shù)表(a=0．10）
用Excel計算累積概率、分位數(shù)和p值
參考文獻