SPSS多元统计分析方法及应用

‘壹’ 统计分析与spss的应用

统计分析与SPSS的应用是2008年中国人民大学出版社出版的书，作者是薛薇。

在内容安排上，既包括基本的统计分析方法，如：描述统计、频数分析、交叉列联表分析、多选项分析、参数检验、方差分析、非参数检验，同时也包括多元统计分析方法，如：多元回归分析，聚类分析，因子分析等，从而使读者能够由浅入深的掌握统计分析方法的精华

教材既克服了其他统计分析教材中单纯讲解分析方法，而缺少方法的实验手段的弱点，同时也克服了一般spss软件使用手册中，仅仅讲解操作步骤的弱点，因而具有很强的实用性。

‘贰’ SPSS多元统计分析方法及应用的目录

第1章spss综述
1.1spss 17.0概述
1.1.1spss 17.0特点
1.1.2spss各版本特性比较
1.2spss数据的管理
1.2.1定义变量属性
1.2.2个案标识
1.2.3数据的排序
1.2.4数据的转置
1.2.5数据的重组
1.2.6数据文件的合并
1.2.7数据文件的拆分
1.2.8数据的分类汇总
1.3spss数据的预处理
1.3.1spss表达式与函数
1.3.2变量计算
1.3.3选择个案
1.3.4个案计数与加权
1.3.5个案排秩
1.3.6数据的重新编码
1.3.7spss其他功能
1.4基本统计分析
1.4.1基本描述统计量的定义
1.4.2频数分析
1.4.3描述性分析
1.4.4探索性分析
1.4.5比率分析
1.4.6p-p图
1.4.7q-q图
1.4.8基本统计分析实例
1.5本章小结
思考题
第2章假设检验
2.1常用分布及参数估计
2.1.1几种与多元正态分布有关的概率分布
2.1.2参数估计
2.1.3正态分布的大样本推断
2.1.4样本容量的确定
2.2假设检验的一般问题
2.2.1假设检验的概念
2.2.2假设检验的基本思想
2.2.3显着性水平及两类错误
2.2.4假设检验的步骤
2.3正态总体参数的假设检验
2.3.1正态总体均值和方差的假设检验
2.3.2总体比率的假设检验
2.4假设检验的spss操作
2.4.1单样本的t检验
2.4.2两独立样本的t检验
2.4.3两配对样本的t检验
2.5假设检验实例
2.6本章小结
思考题
第3章方差分析
3.1方差分析的基本原理
3.2单因素方差分析
3.2.1数据结构与线性模型
3.2.2平方和分解与自由度
3.2.3显着性检验
3.2.4多重比较
3.2.5单因素方差分析的spss操作
3.2.6单因素方差分析实例
3.3多因素方差分析
3.3.1多因素方差分析的分类
3.3.2无交互作用的多因素方差分析
3.3.3有交互作用的多因素方差分析
3.3.4多因素方差分析的spss操作
3.3.5多因素方差分析实例
3.4重复测量方差分析
3.4.1重复测量方差分析的基本原理
3.4.2重复测量方差分析的spss操作
3.4.3重复测量方差分析实例
3.5协方差分析
3.5.1协方差分析的基本原理
3.5.2协方差分析的spss操作
3.5.3协方差分析实例
3.6本章小结
思考题
第4章非参数检验
4.1单样本非参数检验
4.1.1卡方检验
4.1.2二项分布检验
4.1.3游程检验
4.1.4单样本k-s检验
4.2两独立样本非参数检验
4.2.1曼-惠特尼u检验
4.2.2moses极端反应检验
4.2.3k-s z检验
4.2.4wald-wolfowitz游程检验
4.3多独立样本非参数检验
4.3.1中位数检验
4.3.2kruskal-wallis检验
4.3.3jonckheere-terpstra检验
4.4两相关样本非参数检验
4.4.1mcnemar变化显着性检验
4.4.2符号检验
4.4.3wilcoxon符号秩检验
4.5多相关样本非参数检验
4.5.1friedman双向评秩方差检验
4.5.2kendall w协同系数检验
4.5.3cochran q检验
4.6非参数检验的spss操作
4.6.1卡方检验
4.6.2二项分布检验
4.6.3游程检验
4.6.4单样本k-s检验
4.6.5两独立样本非参数检验
4.6.6多独立样本非参数检验
4.6.7两相关样本非参数检验
4.6.8多相关样本非参数检验
4.7非参数检验实例
4.8本章小结
思考题
第5章回归分析
5.1回归分析的概念和方法
5.1.1概述
5.1.2回归分析的研究范围
5.1.3实际问题建立回归模型的过程
5.2线性回归分析
5.2.1一元线性回归
5.2.2多元线性回归
5.2.3回归诊断
5.2.4多元线性回归的有偏估计
5.2.5线性回归spss操作全过程
5.2.6权重估计spss操作全过程
5.2.7两阶最小二乘法spss操作全过程
5.3非线性回归分析
5.3.1可化为线性回归的曲线回归分析
5.3.2曲线估计spss操作全过程
5.3.3多项式回归分析
5.3.4部分最小平方回归spss操作全过程
5.3.5非线性回归分析
5.3.6非线性回归spss操作全过程
5.4logistic回归分析
5.4.1自变量中含有定性变量的回归模型
5.4.2处理定性变量的最优尺度回归spss操作全过程
5.4.3逻辑回归模型
5.4.4二元逻辑回归spss操作全过程
5.4.5多项逻辑回归spss操作全过程
5.4.6概率回归分析spss操作全过程
5.4.7有序回归分析spss操作全过程
5.5回归分析实例
5.5.1线性回归实例
5.5.2非线性回归实例
5.5.3逻辑回归实例
5.6本章小结
思考题
第6章聚类分析与判别分析
6.1聚类分析和判别分析的基本原理
6.2相似性度量
6.2.1区间变量
6.2.2二值变量
6.2.3定序变量
6.3聚类分析方法
6.3.1系统聚类法
6.3.2逐步聚类法
6.3.3二阶聚类法
6.4聚类分析的spss操作
6.4.1系统聚类
6.4.2k-均值聚类
6.4.3 二阶聚类
6.5判别分析方法
6.5.1距离判别
6.5.2bayes判别
6.5.3fisher判别
6.5.4判别分析步骤
6.6判别分析的spss操作
6.7聚类分析和判别分析实例
6.7.1聚类分析实例
6.7.2判别分析实例
6.8本章小结
思考题
第7章主成分分析与因子分析
7.1主成分分析与因子分析的基本思想
7.2主成分分析的模型与方法
7.2.1主成分分析的代数模型与几何意义
7.2.2总体的主成分
7.2.3样本的主成分
7.3主成分分析的spss操作
7.4因子分析的模型与方法
7.4.1正交因子模型
7.4.2相关性分析
7.4.3因子的提取
7.4.4因子旋转
7.4.5因子得分
7.5因子分析的spss操作
7.6主成分分析和因子分析实例
7.6.1主成分分析实例
7.6.2 因子分析实例
7.7本章小结
思考题
第8章对应分析
8.1列联表与列联表分析
8.1.1列联表
8.1.2列联表分析
8.2简单对应分析的基本原理
8.2.1行轮廓与列轮廓
8.2.2总惯量
8.2.3行列轮廓的坐标
8.2.4对应分析图
8.2.5简单对应分析的步骤
8.2.6简单对应分析的逻辑框图
8.3简单对应分析的spss操作
8.4多重对应分析及其spss操作
8.4.1多重对应分析
8.4.2多重对应分析的基本操作
8.5对应分析实例
8.6本章小结
思考题
第9章时间序列分析
9.1时间序列的相关概念以及时间序列分析步骤
9.1.1时间序列与统计学其他分析方法的关系
9.1.2时间序列的相关概念
9.1.3时间序列分析原理与分类
9.1.4时间序列分析一般步骤
9.1.5spss时间序列分析
9.2时间序列的数据准备与检验
9.2.1时间序列的数据准备
9.2.2时间序列的数据检验
9.2.3时间序列的数据图形化检验
9.2.4时间序列的数据统计量检验
9.3时间序列的数据预处理
9.3.1时间序列缺失数据的处理
9.3.2时间序列数据的变换处理
9.4时间序列的确定性分析
9.4.1非平稳时间序列的组成要素
9.4.2平滑法
9.4.3趋势分析法
9.4.4季节性分解法
9.5时间序列的随机性分析
9.5.1适用于平稳性序列的随机性时间序列模型
9.5.2适用于非平稳性序列的随机性时间序列模型
9.5.3时间序列随机性分析步骤
9.5.4arima模型的参数设置
9.6时间序列模型的spss操作
9.7spss时间序列的案例分析
9.8本章小结
思考题
第10章信度分析
10.1信度的基本原理
10.1.1信度的统计学原理
10.1.2信度影响因素
10.1.3信度评价指标
10.2信度分析及其基本方法
10.2.1信度分析
10.2.2信度分析的基本方法
10.3信度分析的spss操作
10.4信度分析实例
10.4.1 α信度系数法分析
10.4.2折半信度系数法分析
10.5本章小结
思考题
第11章联合分析
11.1联合分析的基本原理
11.2联合分析的步骤
11.2.1属性和属性水平的确定
11.2.2受测设计
11.2.3受测体的评价
11.2.4效用值的估计
11.2.5效用值的聚集
11.3联合分析的spss操作
11.3.1生成正交设计
11.3.2显示设计
11.3.3运行联合分析
11.4联合分析实例
11.5本章小结
思考题
第12章生存分析
12.1生存分析的基本概念和内容
12.1.1生存分析的定义
12.1.2生存分析的基本概念
12.1.3生存分析的基本内容和方法
12.1.4spss中的生存分析过程
12.2寿命表分析
12.2.1寿命表分析的基本原理及步骤
12.2.2spss中的寿命表分析过程
12.3kaplan-meier分析
12.3.1kaplan-meier分析的基本原理及步骤
12.3.2spss中的kaplan-meier分析过程
12.4cox回归模型分析
12.4.1cox回归模型的基本形式和原理
12.4.2spss中的cox回归模型分析过程
12.4.3依时协变量cox回归模型的基本原理
12.4.4spss中的依时协变量cox回归模型分析过程
12.5生存分析实例
12.5.1寿命表分析实例
12.5.2kaplan-meier分析实例
12.5.3cox回归模型分析实例
12.6本章小结
思考题
第13章神经网络分析
13.1神经网络的发展历史以及神经网络相关概念
13.1.1时间序列的发展历史简介
13.1.2生物神经元模型
13.1.3人工神经元模型
13.1.4spss神经网络分析
13.2多层感知器模型
13.2.1感知器神经元模型
13.2.2感知器的网络结构
13.2.3感知器神经网络的学习规则
13.2.4感知器神经网络的训练
13.3径向基函数模型
13.3.1径向基函数神经网络结构
13.3.2径向基函数的学习算法
13.4神经网络的spss操作
13.4.1变量设置
13.4.2分区设置
13.4.3体系结构设置
13.4.4培训的设置
13.4.5输出的设置
13.4.6保存的设置
13.4.7导出的设置
13.4.8选项的设置
13.5spss神经网络的案例分析
13.5.1数据准备
13.5.2数据分析
13.5.3过程摘要
13.6本章小结
思考题
第14章结构方程模型
14.1结构方程模型概述
14.1.1结构方程模型方法与统计学其他分析方法的关系
14.1.2模型方程模型相关概念
14.1.3结构方程模型原理与基本假定
14.1.4结构方程模型特性
14.1.5结构方程模型方法一般步骤
14.2结构方程模型设定和识别
14.2.1结构方程模型设定
14.2.2结构方程模型识别
14.2.3amos模型设定操作
14.3结构方程模型数据准备
14.3.1缺失数据的处理
14.3.2数据的信度与效度
14.3.3数据文件导入
14.4结构方程模型参数估计
14.4.1参数估计常用方法
14.4.2amos参数估计操作
14.5结构方程模型评价与修正
14.5.1参数检验
14.5.2模型整体拟合评价
14.5.3模型限制修正
14.5.4模型扩展修正
14.6结构方程模型解释
14.6.1相关关系
14.6.2因果关系
14.7本章小结
思考题
附录spss函数名及其含义
参考文献

‘叁’ 多元阶层回归分析在spss中怎么做

可使用spssau的分层回归，操作简单两步出结果。

操作步骤：

1、选择spssau的分层回归。

同时生成标准表格结果及智能文字分析，不会统计学也可以看懂。

‘肆’ 简述多元统计分析方法在spss中的操作步骤，在考试，跪谢

多元线性回归
1.打开数据，依次点击：analyse--regression，打开多元线性回归对话框。
2.将因变量和自变量放入格子的列表里，上面的是因变量，下面的是自变量。
3.设置回归方法，这里选择最简单的方法：enter，它指的是将所有的变量一次纳入到方程。其他方法都是逐步进入的方法。
4.等级资料，连续资料不需要设置虚拟变量。多分类变量需要设置虚拟变量。
虚拟变量ABCD四类，以a为参考，那么解释就是b相对于a有无影响，c相对于a有无影响，d相对于a有无影响。
5.选项里面至少选择95%CI。
点击ok。