本書全面、系統(tǒng)地介紹了各種多變量統(tǒng)計模型、多元統(tǒng)計分析模型、智能統(tǒng)計分析方法的原理和軟件實現(xiàn),是一本使用SPSS進行高級統(tǒng)計分析的實用性很強的指導(dǎo)書和參考書。本書共分4個部分。第一部分是一般線性模型、線性混合模型與廣義線性模型,主要內(nèi)容包括方差分析模型、常用實驗設(shè)計分析方法、多元方差分析與重復(fù)測量方差分析、線性混合模型、廣義線性模型,廣義估計方程與廣義線性混合模型;第二部分是回歸模型,主要內(nèi)容包括多重線性回歸模型、線性回歸的衍生模型、路徑分析入門、非線性回歸模型、二分類Logistic回歸模型、多分類、配對Logistic回歸與Pobit回歸模型、對數(shù)線性模型、Poisson回歸模型 與潛類別分析;第三部分是多元統(tǒng)計分析方法,主要內(nèi)容包括主成份分析、因子分析與多維偏好分析、對應(yīng)分析、典型相關(guān)分析、多維尺度分析、聚類分析、經(jīng)典判別分析;第四部分是其他統(tǒng)計分析方法,主要內(nèi)容包括樹模型、隨機森林與最近鄰元素法、神經(jīng)網(wǎng)絡(luò)與支持向量機、信度分析、聯(lián)合分析、時間序列模型、生存分析、缺失值分析。
《SPSS統(tǒng)計分析高級教程(第3版)/高等學(xué)校教材》是作者多年使用SPSS進行教學(xué)、科研與項目實戰(zhàn)工作的經(jīng)驗結(jié)晶。
《SPSS統(tǒng)計分析高級教程(第3版)/高等學(xué)校教材》基于IBM SPSS Statistics 24中文版,從統(tǒng)計分析實戰(zhàn)的角度詳細介紹了SPSS的各種高級統(tǒng)計分析功能,和《SPSS統(tǒng)計分析基礎(chǔ)教程》(第3版)一起構(gòu)成了對該軟件的全面介紹。
《SPSS統(tǒng)計分析高級教程(第3版)/高等學(xué)校教材》既可作為高等學(xué)校統(tǒng)計學(xué)相關(guān)課程教材,也可作為培訓(xùn)類教材。
本書自2004年第1版出版以來,受到了廣大讀者的歡迎,被國內(nèi)數(shù)百所高校選為本科生或研究生相關(guān)課程教材,在此感謝廣大讀者的支持與厚愛。
本書第2版出版于2013年,SPSS在這幾年間已經(jīng)升級了4個版本,而且最新的版本易用性更強,軟件功能更豐富,因此需要對全書內(nèi)容進行有針對性的修訂。在第2版的基礎(chǔ)上,結(jié)合SPSS版本的更新和讀者的反饋,本版以IBM SPSSS tatistics24中文版為準(zhǔn),對內(nèi)容做了如下調(diào)整。
1.內(nèi)容進一步拓展
本書第2版全面覆蓋了SPSS自身提供的各種高級統(tǒng)計分析功能,但SPSS提供的主要是成熟且常用的統(tǒng)計模型,許多獨特的新模型并未提供。實際上,SPSS通過Python插件和R插件的方式提供了這些模型。為進一步拓展讀者的知識面,除介紹SPSS新版本直接提供的新模型外,本書還對一些比較重要的用插件方式提供的模型進行了介紹,包括分位數(shù)回歸、弗斯I,ogistic:回歸、潛類別分析、支持向量機、隨機森林、項響應(yīng)模型等,并在附錄中介紹了相應(yīng)插件的安裝方法,以幫助讀者及時跟進統(tǒng)計分析領(lǐng)域的最新進展,并在工作中充分發(fā)揮SPSS的作用。
2.更加淺顯易懂
本書涉及的統(tǒng)計模型都比較復(fù)雜,為降低學(xué)習(xí)難度,確保讀者能夠掌握相應(yīng)的統(tǒng)計分析方法,本書在第2版的基礎(chǔ)上進一步減少了案例數(shù)量。通過對同一案例在不同方法框架下的分析結(jié)果進行比較,再輔以對統(tǒng)計理論深入淺出的講解,降低了初學(xué)者的入門難度,最大限度地優(yōu)化了學(xué)習(xí)效果,有利于讀者學(xué)以致用。
本書由張文彤和董偉共同編寫,可作為高等學(xué)校各專業(yè)本科生和研究生的統(tǒng)計學(xué)相關(guān)課程教材,也可作為市場營銷、金融、財務(wù)、人力資源管理等行業(yè)中需要進行數(shù)據(jù)分析的人士,或從事咨詢、研究、分析等工作的人士的參考書。學(xué)習(xí)本書的讀者需要具備統(tǒng)計分析及SPSS操作的基礎(chǔ)知識,需要補充這部分知識的讀者可以先學(xué)習(xí)《SPSS統(tǒng)計分析基礎(chǔ)教程》(第3版)。對于希望進一步提升統(tǒng)計分析和數(shù)據(jù)挖掘?qū)崙?zhàn)能力的讀者,則可以在學(xué)習(xí)完本書后繼續(xù)閱讀作者的實戰(zhàn)案例精粹系列書籍,以進一步提高實戰(zhàn)經(jīng)驗。為便于讀者交流和使用這套書,讀者可以關(guān)注微信公眾號:統(tǒng)計之星。本書的案例數(shù)據(jù)文件、拓展資料等可到本書配套的數(shù)字課程網(wǎng)站和“醫(yī)學(xué)統(tǒng)計之星”網(wǎng)站上下載。
希望廣大讀者一如既往地踴躍提出自己的寶貴意見和建議,使得本書再次改版時能夠更上一層樓,更好地滿足大家的學(xué)習(xí)和工作需求。
第一部分 一般線性模型、線性混合模型與廣義線性模型
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(shù)語
1.1.3 適用條件
1.2 案例:膠合板磨損深度的比較
1.2.1 操作說明
1.2.2 結(jié)果解釋
1.2.3 模型參數(shù)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 案例:超市規(guī)模、貨架位置與銷售量的關(guān)系
1.3.2 邊際平均值與輪廓圖
1.3.3 擬合劣度檢驗
1.4 因素各水平間的精細比較
1.4.1 POSTHOC子句
1.4.2 EMMEANS子句
1.4.3 LMATRIX和KMATRIX子句
1.4.4 CONSTRAST子句
1.5 方差分析模型進階
1.5.1 含隨機因子的方差分析模型
1.5.2 白定義檢驗使用的誤差項
1.5.3 4類方差分解方法
思考與練習(xí)
參考文獻
第2章 常用的實驗設(shè)計分析方法
2.1 僅研究主效應(yīng)的實驗設(shè)計方案
2.1.1 完全隨機設(shè)計
2.1.2 隨機區(qū)組設(shè)計
2.1.3 交叉設(shè)計
2.1.4 拉丁方設(shè)計
2.2 考慮交互作用的實驗設(shè)計方案
2.2.1 析因設(shè)計
2.2.2 正交設(shè)計
2.2.3 均勻設(shè)計
2.3 誤差項變動的特殊實驗設(shè)計方案
2.3.1 嵌套設(shè)計
2.3.2 重復(fù)測量設(shè)計
2.3.3 裂區(qū)設(shè)計
2.4 協(xié)方差分析
2.4.1 協(xié)方差分析的必要性
2.4.2 平行性假定的檢驗
2.4.3 計算和檢驗修正平均值
思考與練習(xí)
參考文獻
第3章 多元方差分析與重復(fù)測量方差分析
3.1 多元方差分析
3.1.1 模型簡介
3.1.2 案例:青少年牙齒發(fā)育狀況跟蹤
3.2 重復(fù)測量數(shù)據(jù)的方差分析
3.2.1 模型簡介
3.2.2 案例:進一步考察年齡對牙齒發(fā)育的影響
思考與練習(xí)
參考文獻
第4章 線性混合模型
4.1 模型簡介
4.1.1 問題的提出
4.1.2 模型人門
4.2 層次聚集性數(shù)據(jù)案例
4.2.1 擬合基本模型結(jié)構(gòu)
4.2.2 在固定效應(yīng)中加入自變量
4.2.3 在隨機效應(yīng)中加入自變量
4.2.4 更多自變量的引入
4.2.5 其他常用選項
4.3 重復(fù)測量數(shù)據(jù)案例
4.3.1 對數(shù)據(jù)的初步分析
4.3.2 擬合基本模型結(jié)構(gòu)
4.3.3 考慮測量間的相關(guān)性
4.3.4 更改對測量間相關(guān)性的假定
4.3.5 模型中可用的相關(guān)矩陣種類
4.4 線性混合模型進階
4.4.1 線性混合模型的用途
4.4.2 線性混合模型與一般線性
模型的聯(lián)系
思考與練習(xí)
參考文獻
第5章 廣義線性模型、廣義估計方程與廣義線性混合模型
5.1 廣義線性模型
5.1.1 模型簡介
5.1.2 分析案例
5.2 廣義估計方程
5.2.1 模型簡介
5.2.2 分析案例
5.3 廣義線性混合模型
5.3.1 模型簡介
5.3.2 分析案例
思考與練習(xí)
參考文獻
第二部分 回歸模型
第6章 多重線性回歸模型
6.1 模型簡介
6.1.1 基本概念
6.1.2 分析步驟
6.2 案例:銷售收入影響因素分析
6.2.1 基本分析結(jié)果
6.2.2 回歸模型的假設(shè)檢驗
6.2.3 偏回歸系數(shù)的假設(shè)檢驗
6.2.4 標(biāo)準(zhǔn)化偏回歸系數(shù)
6.2.5 衡量回歸模型效果的指標(biāo)
6.3 回歸預(yù)測與區(qū)間估計
6.3.1 模型預(yù)測值
6.3.2 模型的區(qū)間估計
6.3.3 如何將模型用于預(yù)測
6.4 殘差分析
6.4.1 模型的殘差
6.4.2 利用殘差考察模型適用條件
6.5 逐步回歸
6.5.1 篩選自變量的基本原則
6.5.2 常用的逐步回歸方法
6.5.3 案例:固體垃圾排放量與土地種類的關(guān)系
6.6 模型的進一步診斷與修正
6.6.1 強影響點的識別與處理
6.6.2 多重共線性的識別與處理
6.6.3 回歸模型結(jié)果解釋時應(yīng)注意的問題
6.7 自動線性建模
6.7.1 界面說明
6.7.2 案例:生成更高精度的預(yù)測模型
思考與練習(xí)
參考文獻
第7章 線性回歸的衍生模型
7.1 非直線趨勢的處理:曲線直線化
7.1.1 模型簡介
……
第8章 路徑分析入門
第9章 非線性回歸模型
第10章 二分類Logistic回歸模型
第11章 多分類、配對Logistic回歸與Probit回歸模型
第12章 對數(shù)線性模型、Poisson回歸模型與潛類別分析
第三部分 多元統(tǒng)計分析方法
第13章 主成分分析、因子分析與多維偏好分析
第14章 對應(yīng)分析
第15章 典型相關(guān)分析
第16章 多維尺度分析
第17章 聚類分析
第18章 經(jīng)典判別分析
第四部分 其他統(tǒng)計分析方法
第19章 樹模型、隨機森林與最近鄰元素法
第20章 神經(jīng)網(wǎng)絡(luò)與支持向量機
第21章 信度分析
第22章 聯(lián)合分析
第23章 時間序列模型
第24章 生存分析
第25章 缺失值分析
附錄1 常見多變量/多元統(tǒng)計分析方法分類圖
附錄2 Python插件和R插件的安裝方法