目　　录

第 1章 统计分析和SPSS软件简介 1

    1.1 统计分析的基本概念 1
        1.1.1 统计分析的步骤 2
        1.1.2 数据的类型 2
        1.1.3 数据的来源 5
    1.2 常见统计分析软件简介 5
        1.2.1 SPSS 5
        1.2.2 SAS 6
        1.2.3 R语言 6
        1.2.4 其他统计分析软件 6
    1.3 SPSS统计分析软件的历史 7
    1.4 SPSS版本和授权 7
    1.5 SPSS统计分析软件的特点 8
    1.6 SPSS主要模块及功能简介 9
    1.7 SPSS的安装 12
    1.8 SPSS的几种基本运行方式 14
    1.9 SPSS的界面 17
    1.10 SPSS的图形用户界面 19
    1.11 SPSS帮助系统 21
    1.12 小结 24
    思考与练习 25
第 2章 数据文件的建立和管理 26
    2.1 数据管理的特点 26
    2.2 SPSS数据编辑器简介 27
        2.2.1 开始SPSS 27
        2.2.2 SPSS的数据编辑器界面 27
    2.3 新建数据文件、数据字典 31
    2.4 保存文件 34
    2.5 读入数据 34
        2.5.1 读入Excel数据 35
        2.5.2 读入文本数据 36
        2.5.3 读入数据库数据 41
    2.6 数据文件的合并 45
        2.6.1 添加个案 46
        2.6.2 添加变量 48
    2.7 数据的拆分 53
    2.8 小结 54
    思考与练习 55
    附录：为数据库文件建立ODBC数据源 57
第3章 描述性统计分析 59
    3.1 频率分析 59
    3.2 中心趋势的描述：均值、中位数、众数、5%截尾均值 62
        3.2.1 均值（或者算术平均数） 62
        3.2.2 5%截尾均值 62
        3.2.3 几何均值 63
        3.2.4 中位数 63
        3.2.5 众数 64
    3.3 离散趋势的描述：极差、方差、标准差、均值的标准误、分位数和变异指标 64
        3.3.1 极差 65
        3.3.2 方差和标准差 65
        3.3.3 均值的标准误 65
        3.3.4 变异系数 66
        3.3.5 分位数 66
    3.4 分布的形状——偏度和峰度 66
    3.5 SPSS描述性统计分析 67
        3.5.1 频率入口 68
        3.5.2 描述子菜单 69
        3.5.3 探索子菜单 70
        3.5.4 表格 71
    3.6 应用统计图进行描述性统计分析 73
        3.6.1 定性数据的图形描述——条形图、饼图、帕累托图 73
        3.6.2 定量数据的图形描述——直方图、茎叶图、箱图 76
    3.7 数据标准化 80
    3.8 小结 81
    思考与练习 82
第4章 概率论初步 83
    4.1 随机变量的仿真 83
        4.1.1 “均匀分布”的随机数 83
        4.1.2 正态分布的随机数 86
    4.2 理论分布 90
        4.2.1 二项分布的分布函数和概率 90
        4.2.2 连续分布的随机变量——正态分布 95
    4.3 经验分布 100
    4.4 抽样分布 102
    4.5 置信区间 104
    4.6 小结 106
    思考与练习 107
第5章 均值的比较 108
    5.1 假设检验的思想及原理 108
    5.2 均值 110
        5.2.1 均值过程分析 110
        5.2.2 双因素的均值过程分析 112
    5.3 单样本T检验 113
        5.3.1 数据准备 114
        5.3.2 单样本T检验 115
        5.3.3 置信区间和自抽样选项 117
    5.4 独立样本T检验 118
        5.4.1 数据初探 119
        5.4.2 T检验 122
        5.4.3 均值差的绘图 124
    5.5 配对样本T检验 125
    5.6 小结 128
    思考与练习 128
第6章 非参数检验 130
    6.1 非参数检验简介 130
    6.2 单样本非参数检验 131
        6.2.1 卡方检验 135
        6.2.2 二项式检验 139
        6.2.3 K-S检验 147
        6.2.4 Wilcoxon符号秩检验 150
        6.2.5 游程检验 150
    6.3 独立样本非参数检验 152
        6.3.1 独立样本检验简介 152
        6.3.2 独立样本检验举例 153
    6.4 相关样本非参数检验 156
        6.4.1 相关样本检验简介 156
        6.4.2 相关样本检验举例 158
    6.5 小结 160
    思考与练习 161
第7章 相关分析 162
    7.1 相关分析的基本概念 162
        7.1.1 相关关系的种类 163
        7.1.2 相关分析的作用 163
    7.2 散点图 163
        7.2.1 散点图简介 164
        7.2.2 使用旧对话框绘制散点图 164
        7.2.3 用图表构建程序绘制散点图 167
    7.3 相关系数 169
        7.3.1 线性相关的度量——尺度数据间的相关性的度量 170
        7.3.2 Spearman等级相关系数—定序变量之间的相关性的度量 174
        7.3.3 Kendall的tau系数 176
    7.4 偏相关分析 176
    7.5 小结 178
    思考与练习 178
第8章 回归分析 179
    8.1 线性回归分析的基本概念 179
        8.1.1 线性回归 179
        8.1.2 非线性回归 181
    8.2 简单线性回归 182
        8.2.1 简单回归方程的求解 182
        8.2.2 回归方程拟合程度检验 183
        8.2.3 用回归方程预测 184
        8.2.4 简单线性回归举例 185
    8.3 多元线性回归 187
        8.3.1 多元线性回归方程简介 187
        8.3.2 多元线性回归方程的显著性检验 187
        8.3.3 应用举例 188
        8.3.4 线性回归自变量进入的方式 191
    8.4 线性回归的诊断和线性回归过程中的其他选项 193
        8.4.1 回归分析的前提条件 194
        8.4.2 回归分析前提条件的检验 194
        8.4.3 回归诊断 197
    8.5 非线性回归 201
    8.6 曲线估计 208
    8.7 小结 211
    思考与练习 211
第9章 方差分析 213
    9.1 方差分析的术语与前提 213
    9.2 单因素的方差分析 214
        9.2.1 描述性数据分析 214
        9.2.2 单因素方差分析 215
    9.3 多因素方差分析 219
        9.3.1 多因素方差分析简介 219
        9.3.2 多因素方差分析案例分析 219
    9.4 协方差分析 224
        9.4.1 协方差分析简介 224
        9.4.2 协方差分析案例分析 224
    9.5 小结 230
    思考与练习 230
第 10章 聚类分析 231
    10.1 聚类分析简介 231
    10.2 聚类分析原理 232
    10.3 个案间距离 233
        10.3.1 尺度（或定距）数据的距离定义方式 233
        10.3.2 分类数据的频数数据 234
        10.3.3 二分类数据 235
        10.3.4 聚类分析计算距离的方法设定 235
    10.4 类之间的距离 236
    10.5 系统聚类 237
        10.5.1 系统聚类算法过程 237
        10.5.2 系统聚类案例：山东餐饮市场分层 238
    10.6 K-均值聚类 246
        10.6.1 K-均值聚类方法简介 247
        10.6.2 K-均值法案例分析 247
    10.7 两步法聚类 252
        10.7.1 两步法简介 252
        10.7.2 两步法案例分析 253
    10.8 小结 258
    思考与练习 258
第 11章 主成分分析 259
    11.1 主成分分析简介 259
        11.1.1 主成分分析的目的与功能 259
        11.1.2 主成分分析的数学理论 260
    11.2 主成分分析的应用条件 261
        11.2.1 Bartlett球形检验 261
        11.2.2 KMO统计量 262
        11.2.3 基于相关系数矩阵还是协方差矩阵 263
    11.3 主成分分析案例 263
        11.3.1 综合评价案例 263
        11.3.2 主成分分析用于探索变量间结构关系 273
    11.4 小结 275
    思考与练习 275
第 12章 因子分析法 277
    12.1 因子分析简介 277
    12.2 因子分析的统计理论 277
        12.2.1 因子分析的模型 277
        12.2.2 因子分析模型的求解方法 279
        12.2.3 因子分析的应用前提 281
        12.2.4 因子个数的确定 281
        12.2.5 因子的解释 282
        12.2.6 因子旋转 283
        12.2.7 因子得分 284
    12.3 因子分析案例分析 285
        12.3.1 探索变量间的结构关系 285
        12.3.2 因子分析在市场调查中的应用 289
    12.4 因子分析结果的有效性 295
    12.5 因子分析和主成分分析的比较 295
    12.6 小结 296
    思考与练习 296
第 13章 判别分析 298
    13.1 判别分析的基本概念与理论 298
        13.1.1 Fisher判别法 298
        13.1.2 马式距离判别法 299
    13.2 逐步判别分析 301
    13.3 判别分析中的假设检验 303
    13.4 案例分析 303
        13.4.1 两个总体的判别分析——找出可能会购买新书的客户 303
        13.4.2 两个以上总体的判别——电信客户分类 311
    13.5 小结 317
    思考与练习 318
第 14章 典型相关分析 319
    14.1 典型相关分析简介 319
        14.1.1 典型相关分析的应用范围 320
        14.1.2 典型相关分析的功能 320
    14.2 典型相关分析算法简介 320
    14.3 典型相关系数的显著性检验 321
    14.4 案例分析 322
    14.5 小结 325
    思考与练习 326
参考文献 327