SPSS進(jìn)階分析與實(shí)務(wù)

第 1 章 多個(gè)因變量的假設(shè)檢驗(yàn)：多變量方差分析 1
1.1 多變量方差分析 1
1.1.1 多變量方差分析簡(jiǎn)介 1
1.1.2 多變量方差分析的應(yīng)用條件 1
1.2 多變量方差分析案例：不同舞蹈學(xué)校的分?jǐn)?shù)差異分析 . 2
1.2.1 選擇變量 3
1.2.2 設(shè)置模型選項(xiàng) 3
1.2.3 設(shè)置事后選項(xiàng) 4
1.2.4 選項(xiàng)設(shè)置 4
1.2.5 輸出結(jié)果 5
1.3 本章小結(jié) 8
第 2 章 校正混雜因素：協(xié)方差分析 9
2.1 協(xié)方差分析簡(jiǎn)介 9
2.2 協(xié)方差分析案例：早讀對(duì)成績(jī)的影響 10
2.2.1 回歸擬合線(xiàn)平行性檢驗(yàn) 11
2.2.2 計(jì)算和檢驗(yàn)修正均數(shù)（正式進(jìn)行協(xié)方差分析） . 15
2.3 本章小結(jié) 18
第 3 章 因變量為連續(xù)變量的估計(jì)與預(yù)測(cè)：線(xiàn)性回歸分析 . 19
3.1 線(xiàn)性回歸分析簡(jiǎn)介 19
3.1.1 簡(jiǎn)單線(xiàn)性回歸分析簡(jiǎn)介 19
3.1.2 多重線(xiàn)性回歸分析簡(jiǎn)介 20
3.2 簡(jiǎn)單線(xiàn)性回歸分析 20
3.2.1 簡(jiǎn)單線(xiàn)性回歸分析的假設(shè)條件 21
3.2.2 簡(jiǎn)單線(xiàn)性回歸分析案例：身高和體重的關(guān)系 . 26
3.3 多重線(xiàn)性回歸分析 27
3.3.1 多重線(xiàn)性回歸分析的假設(shè)條件 28
3.3.2 多重線(xiàn)性回歸分析案例：年收入的影響因素 . 28
3.4 回歸診斷 33
3.4.1 異常值判斷 33
3.4.2 獨(dú)立性檢驗(yàn) 37
3.4.3 正態(tài)性檢驗(yàn) 39
3.4.4 方差齊性檢驗(yàn) 40
3.4.5 多重共線(xiàn)性診斷 41
3.5 權(quán)重估計(jì) 43
3.5.1 權(quán)重估計(jì)簡(jiǎn)介 43
3.5.2 權(quán)重估計(jì)案例：收入影響因素分析. 43
3.6 加權(quán)最小二乘法 46
3.6.1 加權(quán)最小二乘法簡(jiǎn)介 46
3.6.2 加權(quán)最小二乘法案例：收入影響因素分析 . 46
3.7 二階最小二乘法 48
3.7.1 二階最小二乘法簡(jiǎn)介 48
3.7.2 二階最小二乘法案例：影響成績(jī)的數(shù)據(jù) . 49
3.8 分層回歸分析 51
3.8.1 分層回歸分析簡(jiǎn)介 51
3.8.2 分層回歸分析案例：影響個(gè)人收入的因素 . 52
3.9 本章小結(jié) 56
第 4 章 因變量為離散變量的估計(jì)與預(yù)測(cè)：Logistic 回歸模型 . 58
4.1 Logistic 回歸模型簡(jiǎn)介 58
4.1.1 Logistic 回歸模型的公式 58
4.1.2 Logistic 回歸分析的目的 59
4.1.3 Logistic 回歸模型的適用條件 59
4.1.4 Logistic 回歸分析的主要用途 60
4.2 二元 Logistic 回歸模型 . 60
4.2.1 二元 Logistic 回歸模型簡(jiǎn)介 . 61
4.2.2 二元 Logistic 回歸分析案例：學(xué)業(yè)成就數(shù)據(jù) 61
4.3 多元 Logistic 回歸模型 . 67
4.3.1 多元 Logistic 回歸模型簡(jiǎn)介 . 67
4.3.2 多元 Logistic 回歸分析案例：數(shù)學(xué)成績(jī)調(diào)查數(shù)據(jù) 68
4.4 有序回歸模型 71
4.4.1 有序回歸模型簡(jiǎn)介 71
4.4.2 有序回歸分析案例：影響個(gè)人收入水平的因素 . 71
4.5 本章小結(jié) 74
第 5 章 回歸模型進(jìn)階：其他回歸模型 76
5.1 最優(yōu)尺度回歸模型 76
5.1.1 最優(yōu)尺度回歸模型簡(jiǎn)介 76
5.1.2 最優(yōu)尺度回歸分析案例：師生關(guān)系的預(yù)測(cè)因素 . 77
5.2 非線(xiàn)性回歸模型 83
5.2.1 曲線(xiàn)估計(jì)回歸模型 84
5.2.2 非線(xiàn)性回歸模型簡(jiǎn)介 87
5.2.3 曲線(xiàn)估計(jì)回歸模型與非線(xiàn)性回歸模型的比較 . 90
5.3 多層線(xiàn)性模型 91
5.3.1 多層線(xiàn)性模型簡(jiǎn)介 92
5.3.2 多層線(xiàn)性模型（零模型）案例：語(yǔ)文成績(jī)預(yù)測(cè)因素 . 93
5.3.3 多層線(xiàn)性模型（全模型）案例：語(yǔ)文成績(jī)預(yù)測(cè)因素 . 95
5.4 對(duì)數(shù)線(xiàn)性模型 98
5.4.1 對(duì)數(shù)線(xiàn)性模型簡(jiǎn)介 98
5.4.2 對(duì)數(shù)線(xiàn)性模型案例：不同學(xué)歷人員的收入水平數(shù)據(jù) . 99
5.5 本章小結(jié) 101
第 6 章 簡(jiǎn)化多變量復(fù)雜關(guān)系：主成分分析與因子分析 . 102
6.1 主成分分析 102
6.1.1 主成分分析簡(jiǎn)介 102
6.1.2 主成分分析案例：各省市特征指標(biāo)的降維 . 104
6.2 因子分析 106
6.2.1 因子分析簡(jiǎn)介 106
6.2.2 因子分析案例：學(xué)生知識(shí)結(jié)構(gòu)狀況. 106
6.3 本章小結(jié) 112
第 7 章 數(shù)據(jù)歸約技術(shù)：聚類(lèi)分析 114
7.1 聚類(lèi)分析簡(jiǎn)介 114
7.2 K 均值聚類(lèi) 115
7.2.1 K 均值聚類(lèi)簡(jiǎn)介. 115
7.2.2 K 均值聚類(lèi)案例：土壤樣本聚類(lèi) . 116
7.3 系統(tǒng)聚類(lèi) 119
7.3.1 系統(tǒng)聚類(lèi)簡(jiǎn)介 119
7.3.2 系統(tǒng)聚類(lèi)案例：土壤指標(biāo)聚類(lèi) 120
7.4 二階聚類(lèi) 123
7.4.1 二階聚類(lèi)簡(jiǎn)介 123
7.4.2 二階聚類(lèi)案例：潮間帶大型動(dòng)物的群落結(jié)構(gòu) . 124
7.5 本章小結(jié) 127
第 8 章 建立分組預(yù)測(cè)模式：判別分析 128
8.1 Fisher 判別分析 . 128
8.1.1 Fisher 判別分析簡(jiǎn)介 . 128
8.1.2 Fisher 判別分析案例：鳶尾花分類(lèi) 128
8.2 Bayes 判別分析 . 133
8.2.1 Bayes 判別分析簡(jiǎn)介 . 133
8.2.2 Bayes 判別分析案例：鳶尾花分類(lèi) 133
8.3 本章小結(jié) 138
第 9 章 預(yù)測(cè)變量的二元分離：決策樹(shù) 139
9.1 決策樹(shù)簡(jiǎn)介 139
9.2 C4.5 算法 . 139
9.2.1 構(gòu)造決策樹(shù) 140
9.2.2 決策樹(shù)剪枝 141
9.3 SPSS Modeler 的 C5.0 算法實(shí)現(xiàn) 143
9.3.1 SPSS Modeler 簡(jiǎn)介 143
9.3.2 C5.0 算法分析案例：患者用藥策略 144
9.4 本章小結(jié) 154
第 10 章 自適應(yīng)、自學(xué)習(xí)：神經(jīng)網(wǎng)絡(luò) 155
10.1 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 155
10.2 神經(jīng)網(wǎng)絡(luò)模型 155
10.2.1 激勵(lì)函數(shù)表達(dá)方式 156
10.2.2 傳播方式 158
10.2.3 神經(jīng)網(wǎng)絡(luò)模型案例：鳶尾花分類(lèi) 159
10.3 本章小結(jié) 165
第 11 章 時(shí)序數(shù)據(jù)的預(yù)測(cè)：時(shí)間序列分析 . 166
11.1 時(shí)間序列分析簡(jiǎn)介 166
11.2 指數(shù)平滑模型 167
11.2.1 指數(shù)平滑模型簡(jiǎn)介 167
11.2.2 指數(shù)平滑模型案例：藥品產(chǎn)量 . 168
11.3 自回歸綜合移動(dòng)平均模型 176
11.3.1 自回歸綜合移動(dòng)平均模型簡(jiǎn)介 . 176
11.3.2 自回歸綜合移動(dòng)平均模型實(shí)例分析案例：體檢中心收入 . 176
11.4 本章小結(jié) 181
第 12 章 發(fā)現(xiàn)多個(gè)分類(lèi)變量間的潛在關(guān)系：對(duì)應(yīng)分析 182
12.1 對(duì)應(yīng)分析簡(jiǎn)介 182
12.2 簡(jiǎn)單對(duì)應(yīng)分析 183
12.2.1 簡(jiǎn)單對(duì)應(yīng)分析實(shí)現(xiàn) 183
12.2.2 簡(jiǎn)單對(duì)應(yīng)分析案例：家庭結(jié)構(gòu)與學(xué)歷 . 187
12.3 基于均數(shù)的對(duì)應(yīng)分析 190
12.3.1 基于均數(shù)的對(duì)應(yīng)分析簡(jiǎn)介 190
12.3.2 基于均數(shù)的對(duì)應(yīng)分析案例：各行業(yè)經(jīng)濟(jì)增長(zhǎng)狀況比較 . 191
12.4 基于最優(yōu)尺度變換的多重對(duì)應(yīng)分析 194
12.4.1 基于最優(yōu)尺度變換的多重對(duì)應(yīng)分析簡(jiǎn)介 . 194
12.4.2 基于最優(yōu)尺度變換的多重對(duì)應(yīng)分析案例：家庭結(jié)構(gòu)與學(xué)歷 . 201
12.5 本章小結(jié) 205
第 13 章 兩組變量的相關(guān)分析：典型相關(guān)分析 . 206
13.1 典型相關(guān)分析簡(jiǎn)介 206
13.2 典型相關(guān)分析案例：旅游前的旅游信息搜索動(dòng)機(jī)與旅游行為之間的關(guān)系 . 207
13.2.1 使用 Canonical 宏程序進(jìn)行典型相關(guān)操作 207
13.2.2 使用 MANOVA 語(yǔ)法進(jìn)行典型相關(guān)操作 . 211
13.2.3 輸出結(jié)果 215
13.3 基于最優(yōu)尺度變換的非線(xiàn)性典型相關(guān)分析 216
13.3.1 基于最優(yōu)尺度變換的非線(xiàn)性典型相關(guān)分析簡(jiǎn)介 . 216
13.3.2 基于最優(yōu)尺度變換的非線(xiàn)性典型相關(guān)分析案例：家庭結(jié)構(gòu)與學(xué)歷 . 217
13.4 本章小結(jié) 221
第 14 章 交互效應(yīng)分析進(jìn)階：簡(jiǎn)單效應(yīng)與簡(jiǎn)單簡(jiǎn)單效應(yīng) . 222
14.1 重復(fù)測(cè)量設(shè)計(jì)的簡(jiǎn)單效應(yīng)與簡(jiǎn)單簡(jiǎn)單效應(yīng) 222
14.1.1 簡(jiǎn)單效應(yīng)簡(jiǎn)介 223
14.1.2 簡(jiǎn)單簡(jiǎn)單效應(yīng)簡(jiǎn)介 224
14.1.3 分析策略 224
14.1.4 簡(jiǎn)單效應(yīng)案例：不同教學(xué)方法與智力的關(guān)系 . 224
14.1.5 簡(jiǎn)單簡(jiǎn)單效應(yīng)案例：不同教學(xué)方法與智力的關(guān)系 . 228
14.2 被試間設(shè)計(jì)的簡(jiǎn)單效應(yīng)與簡(jiǎn)單簡(jiǎn)單效應(yīng) 231
14.2.1 分析策略 232
14.2.2 簡(jiǎn)單效應(yīng)案例：心理學(xué)反應(yīng)時(shí)研究 . 232
14.2.3 簡(jiǎn)單簡(jiǎn)單效應(yīng)案例：心理學(xué)反應(yīng)時(shí)研究 . 235
14.3 本章小結(jié) 239
第 15 章 調(diào)節(jié)變量與中介變量分析方法：調(diào)節(jié)效應(yīng)與中介效應(yīng) 243
15.1 調(diào)節(jié)效應(yīng) 243
15.1.1 調(diào)節(jié)效應(yīng)簡(jiǎn)介 243
15.1.2 自變量和調(diào)節(jié)變量均為連續(xù)變量的調(diào)節(jié)效應(yīng)分析 . 245
15.1.3 自變量為連續(xù)變量、調(diào)節(jié)變量為分類(lèi)變量的調(diào)節(jié)效應(yīng)分析 . 249
15.1.4 自變量為分類(lèi)變量、調(diào)節(jié)變量為連續(xù)變量的調(diào)節(jié)效應(yīng)分析 . 254
15.1.5 自變量、調(diào)節(jié)變量均為分類(lèi)變量的調(diào)節(jié)效應(yīng)分析 . 257
15.2 Process 插件 . 258
15.2.1 Process 插件的安裝及應(yīng)用 . 258
15.2.2 Bootstrap 方法及其應(yīng)用 260
15.2.3 使用 Process 插件檢驗(yàn)調(diào)節(jié)效應(yīng) 260
15.2.4 使用 Process 插件檢驗(yàn)中介效應(yīng) 264
15.2.5 中介效應(yīng)與調(diào)節(jié)效應(yīng)的混合模型 270
15.3 本章小結(jié) 274
第 16 章 多項(xiàng)選擇題的分析處理：多重響應(yīng)分析 275
16.1 多重響應(yīng)分析 275
16.1.1 多重響應(yīng)分析案例：注冊(cè)某軟件時(shí)選過(guò)的標(biāo)簽 . 276
16.1.2 多重響應(yīng)變量集的頻率差異卡方檢驗(yàn)案例：標(biāo)簽選擇 . 280
16.1.3 多重響應(yīng)變量集的交叉表分析案例：標(biāo)簽選擇 . 282
16.2 本章小結(jié) 284
參考文獻(xiàn) . 285