多元統(tǒng)計(jì)分析：模型、案例及spss應(yīng)用

第1章 統(tǒng)計(jì)軟件概述
1.1 SPSS統(tǒng)計(jì)軟件的特點(diǎn)
1.2 SPSS的主要窗口及其功能
1.2.1 數(shù)據(jù)編輯窗口(SPSS Data Editor)
1.2.2 結(jié)果輸出窗口(SPSS Viewer)
1.2.3 程序語(yǔ)句窗口(SPSSS yntax Editor)
1.3 SPSS的幫助窗口(SPSS help)
1.3.1 Help菜單中的Topics命令
1.3.2 Help菜單中的Tutorial命令
1.3.3 Help菜單中的Statistics Coach命令
1.3.4 Help菜單中的Syntax Guide命令
1.4 定義變量及建立數(shù)據(jù)文件
1.4.1 常量與變量
1.4.2 建立數(shù)據(jù)文件
1.5 基于Compute功能建立新變量
1.5.1 生成新的變量
1.5.2 Functions框中分布函數(shù)的功能
習(xí)題一
第2章 數(shù)據(jù)描述性分析
2.1 集中趨勢(shì)(Central Tendency)分析
2.1.1 集中趨勢(shì)
2.1.2 SPSS中集中趨勢(shì)分析實(shí)現(xiàn)過(guò)程
2.2 離散趨勢(shì)(Dispersion Tendency)分析
2.2.1 離散趨勢(shì)
2.2.2 SPSS中離散趨勢(shì)分析實(shí)現(xiàn)過(guò)程
2.3 分布特征(Distribution Tendency)分析
2.3.1 分布特征
2.3.2 SPSS中分布特征分析的實(shí)現(xiàn)過(guò)程
2.4 頻數(shù)(Frequency)分析及數(shù)據(jù)標(biāo)準(zhǔn)化
2.4.1 頻數(shù)(Frequency)
2.4.2 數(shù)據(jù)標(biāo)準(zhǔn)化
2.4.3 SPSS中頻數(shù)分析的實(shí)現(xiàn)過(guò)程
2.4.4 SPSS中Z分?jǐn)?shù)的實(shí)現(xiàn)過(guò)程
2.5 相關(guān)關(guān)系
2.5.1 相關(guān)系數(shù)概述
2.5.2 二元變量的相關(guān)分析
2.5.3 SPSS中相關(guān)分析的實(shí)現(xiàn)過(guò)程
習(xí)題二
第3章 假設(shè)檢驗(yàn)與方差分析
3.1 統(tǒng)計(jì)假設(shè)檢驗(yàn)的基本問(wèn)題
3.1.1 統(tǒng)計(jì)假設(shè)檢驗(yàn)的基本思想
3.1.2 統(tǒng)計(jì)假設(shè)檢驗(yàn)的基本步驟
3.1.3 統(tǒng)計(jì)假設(shè)檢驗(yàn)中的P值
3.2 Mean過(guò)程
3.2.1 基本思想和數(shù)學(xué)模型
3.2.2 SPSS中Mean的實(shí)現(xiàn)過(guò)程
3.3 T檢驗(yàn)
3.3.1 基本思想和數(shù)學(xué)模型
3.3.2 SPSS中T檢驗(yàn)的實(shí)現(xiàn)過(guò)程
3.4 方差分析
3.4.1 基本思想和數(shù)學(xué)模型
3.4.2 SPSS中方差分析的實(shí)現(xiàn)過(guò)程
習(xí)題三
第4章 多元線性回歸分析
4.重多元線性回歸模型
4.1.1 多元線性回歸模型的一般形式
4.1.2 多元線性回歸模型的基本假定
4.1.3 多元線性回歸方程
4.1.4 多元線性回歸方程的解釋
4.2 多元線性回歸方程的估計(jì)
4.2.1 回歸參數(shù)的最小二乘估計(jì)
4.2.2 誤差項(xiàng)方差的估計(jì)
4.3 多元線性回歸模型的檢驗(yàn)
4.3.1 回歸方程的擬合優(yōu)度檢驗(yàn)
4.3.2 回歸方程的整體顯著性檢驗(yàn)
4.3.3 回歸系數(shù)的顯著性檢驗(yàn)
4.4 殘差分析
4.4.1 殘差圖
4.4.2 異常值的識(shí)別
4.4.3 自相關(guān)與DW檢驗(yàn)
4.4.4 異方差檢驗(yàn)
4.4.5 多重共線性檢驗(yàn)
4.5 多元線性回歸分析在SPSS軟件中的實(shí)現(xiàn)
習(xí)題四
第5章 逐步回歸分析
5.1 逐步回歸分析概述
5.1.1 逐步回歸分析的基本思想和步驟
5.1.2 引入和剔除變量的標(biāo)準(zhǔn)
5.2 計(jì)算方法和步驟
5.3 逐步回歸分析在SPSS軟件中的實(shí)現(xiàn)
習(xí)題五
第6章 非線性回歸分析
6.1 曲線估計(jì)
6.1.1 曲線回歸的基本思想和方法
6.1.2 曲線回歸的數(shù)據(jù)要求與假設(shè)
6.1.3 曲線回歸的基本類型及線性化方法
6.2 曲線回歸在SPSS軟件中的實(shí)現(xiàn)
6.3 非線性回歸
6.3.1 非線性模型的迭代估計(jì)法
6.3.2 非線性模型的擬合原則、參數(shù)約束及確定初始值的原則
6.3.3 例題分析
6.4 非線性迭代回歸在SPSS軟件中的實(shí)現(xiàn)
6.5 Box-Cox變換
6.5.1 Box-Cox變換的提出
6.5.2 Box-Cox變換的基本思想
6.5.3 變換參數(shù)的極大似然估計(jì)
6.5.4 Box-Cox變換在Matlab軟件中的實(shí)現(xiàn)
習(xí)題六
第7章 聚類分析
7.矍聚類分析的概述
7.1.1 聚類分析的概念和基本思想
7.1.2 聚類分析的種類
7.1.3 聚類方式
7.1.4 聚類分析的基本步驟
7.2 聚類統(tǒng)計(jì)量
7.2.1 距離類
7.2.2 相關(guān)類，
7.2.3 數(shù)據(jù)的標(biāo)準(zhǔn)化變換
7.3 系統(tǒng)聚類法
7.3.1 常用系統(tǒng)聚類法
7.3.2 系統(tǒng)聚類法的基本算法步驟
7.3.3 例題分析
7.4 聚類分析在SPSS軟件中的實(shí)現(xiàn)
7.4.1 SPSS中Q型聚類分析的實(shí)現(xiàn)過(guò)程
7.4.2 SPSS中R型聚類分析的實(shí)現(xiàn)過(guò)程
7.5 快速聚類分析
7.5.1 快速聚類分析的基本思想
7.5.2 快速聚類分析的基本步驟
7.5.3 SPSS中快速聚類的實(shí)現(xiàn)過(guò)程
習(xí)題七
第8章 判別分析
8.直距離判別
8.1.1 兩類總體的距離判別
8.1.2 多類總體的距離判別
8.2 費(fèi)歇判別
8.2.1 兩類總體的費(fèi)歇判別
8.2.2 多類總體的費(fèi)歇判別
8.3 貝葉斯判別
8.3.1 貝葉斯判別準(zhǔn)則
8.3.2 多元正態(tài)總體的貝葉斯判別
8.4 判別分析在SPSS中的實(shí)現(xiàn)
習(xí)題
第9章 主成分分析
9.1 主成分的基本思想及其數(shù)學(xué)模型與數(shù)學(xué)推導(dǎo)
9.1.1 主成分的基本思想及其數(shù)學(xué)模型
9.1.2 主成分的數(shù)學(xué)推導(dǎo)
9.1.3 樣本主成分
9.2 主成分的性質(zhì)、提取及其求解步驟
9.2.1 主成分的性質(zhì)
9.2.2 主成分的選取
9.2.3 主成分的求解步驟
9.3 主成分分析在SPSS軟件中的實(shí)現(xiàn)
9.4 主成分回歸
9.4.1 主成分回歸的基本原理
9.4.2 主成分回歸的實(shí)例分析
習(xí)題九
第10章 因子分析
10.1 因子分析的基本原理及其數(shù)學(xué)模型
10.1.1 因子分析的基本原理
10.1.2 因子分析的數(shù)學(xué)模型
10.1.3 因子分析模型的性質(zhì)
10.1.4 因子載荷矩陣中的幾個(gè)統(tǒng)計(jì)特征
10.2 因子分析模型參數(shù)的估計(jì)
10.3 因子旋轉(zhuǎn)
10.3.1 方差最大正交旋轉(zhuǎn)法的基本原理
10.3.2 方差最大正交旋轉(zhuǎn)法的計(jì)算方法
10.4 因子得分
10.4.1 湯姆生因子得分
10.4.2 綜合因子得分
10.5 因子分析在SPSS軟件中的實(shí)現(xiàn)
習(xí)題十
模擬試題A
模擬試題B
參考文獻(xiàn)