SPSS统计分析方法及应用

　　《SPSS统计分析方法及应用（第4版）》是北京市高等教育精品教材。
　　《SPSS统计分析方法及应用（第4版）》以统计分析的应用需求为主线，以通俗易懂的语言对SPSS中主要统计分析方法的核心思想进行系统的介绍，并对其在SPSS中的操作实现步骤进行详尽说明，同时配合应用案例分析，使读者能够较快领会方法的要点，掌握方法的实现操作，明确方法的适用特点。
　　《SPSS统计分析方法及应用（第4版）》克服了SPSS手册类教材只注重操作说明而忽略原理讲解的不足，同时弥补了统计专业教材只注重原理述论而缺乏实现工具的缺憾，是一本特色鲜明、具有广泛使用价值的精品教材。书中相关章节的示例数据文件及全书电子课件，可登录华信教育资源网www.hxedu.com.cn免费注册下载使用。
　　《SPSS统计分析方法及应用（第4版）》可作为高等院校财经类专业本科生和研究生学习SPSS统计分析方法和软件使用的教材，也适合于从事统计分析和决策的社会各领域读者学习使用，尤其适合于从事社会科学研究、经济管理、商业决策、人文教育、金融保险等行业的中高层管理人员学习使用。

　　薛薇，工学硕士，经济学博士，中国人民大学应用统计学科研究中心副主任，中国人民大学统计学院副教授。主要研究领域：数据挖掘和文本挖掘、复杂网络建模等。关注统计和数据挖掘算法及软件应用、统计数据库系统研发等方面。涉足金融、贸易等复杂网络动态建模，电商数据分析，网络新媒体舆论传播、热点事件主题跟踪和预测建模，社会网络分析和以数据挖掘为依托的客户关系管理等领域。代表性教材有《统计分析与SPSS的应用》《R语言数据挖掘》《基于SPSS Modeler的数据挖掘》等。

第1章 SPSS统计分析软件概述
1．1 SPSS使用基础
1．1．1 SPSS的基本窗口
1．1．2 SPSS软件的退出
1．2 SPSS的基本运行方式
1．2．1 窗口菜单方式
1．2．2 程序运行方式
1．2．3 混合运行方式
1．3 利用SPSS进行数据分析的基本步骤
1．3．1 数据分析的一般步骤
1．3．2 利用SPSS进行数据分析的一般步骤

第2章 SPSS数据文件的建立和管理
2．1 SPSS数据文件
2．1．1 SPSS数据文件的特点
2．1．2 SPSS数据的基本组织方式
2．2 SPSS数据的结构和定义方法
2．2．1 变量名
2．2．2 变量类型、宽度、列宽度
2．2．3 变量名标签
2．2．4 变量值标签
2．2．5 缺失值
2．2．6 计量尺度
2．2．7 结构定义的基本操作
2．3 SPSS结构定义的应用案例
2．4 SPSS数据的录入与编辑
2．4．1 SPSS数据的录入
2．4．2 SPSS数据的编辑
2．5 SPSS数据的保存
2．5．1 SPSS支持的数据格式
2．5．2 保存SPSS数据的基本操作
2．6 读取其他格式的数据文件
2．6．1 直接读入其他格式的数据文件
2．6．2 使用文本向导读入文本文件
2．6．3 使用数据库向导读入数据
2．7 SPSS数据文件合并
2．7．1 纵向合并数据文件
2．7．2 横向合并数据文件

第3章 SPSS数据的预处理
3．1 数据的排序
3．1．1 数据排序的目的
3．1．2 数据排序的基本操作
3．1．3 数据排序的应用举例
3．2 变量计算
3．2．1 变量计算的目的
3．2．2 SPSS算术表达式
3．2．3 SPSS条件表达式
3．2．4 SPSS函数
3．2．5 变量计算的基本操作
3．2．6 变量计算的应用举例
3．3 数据选取
3．3．1 数据选取的目的
3．3．2 数据选取
3．3．3 数据选取的基本操作
3．3．4 数据抽样的应用举例
3．4 计数
3．4．1 计数目的
3．4．2 计数区间
3．4．3 计数的基本操作
3．4．4 计数的应用举例
3．5 分类汇总
3．5．1 分类汇总的目的
3．5．2 分类汇总的基本操作
3．5．3 分类汇总的应用举例
3．6 数据分组
3．6．1 数据分组的目的
3．6．2 SPSS的单变量值分组
3．6．3 SPSS的组距分组
3．6．4 SPSS的分位数分组
3．7 数据预处理的其他功能
3．7．1 数据转置
3．7．2 加权处理
3．7．3 数据拆分

第4章 SPSS基本统计分析
4．1 频数分析
4．1．1 频数分析的目的和基本任务
4．1．2 频数分析的基本操作
4．1．3 SPSS频数分析的扩展功能
4．1．4 频数分析的应用举例
4．2 计算基本描述统计量
4．2．1 基本描述统计量
4．2．2 计算基本描述统计量的基本操作
4．2．3 计算基本描述统计量的应用举例
4．3 交叉分组下的频数分析
4．3．1 交叉分组下频数分析的目的和基本任务
4．3．2 交叉列联表的主要内容
4．3．3 交叉列联表行列变量间关系的分析
4．3．4 交叉分组下的频数分析基本操作
4．3．5 交叉分组下的频数分析应用举例
4．3．6 SPSS中列联表分析的其他方法
4．4 多选项分析
4．4．1 多选项分析的目的
4．4．2 多选项分析的基本操作
4．4．3 多选项分析的应用举例
4．5 比率分析
4．5．1 比率分析的目的和主要指标
4．5．2 比率分析的基本步骤
4．5．3 比率分析的应用举例

第5章 SPSS的参数检验
5．1 参数检验概述
5．1．1 推断统计与参数检验
5．1．2 假设检验的基本思想
5．1．3 假设检验的基本步骤
5．2 单样本t检验
5．2．1 单样本t检验的目的
5．2．2 单样本t检验的基本步骤
5．2．3 单样本t检验的基本操作
5．2．4 单样本t检验的应用举例
5．3 两独立样本t检验
5．3．1 两独立样本t检验的目的
5．3．2 两独立样本t检验的基本步骤
5．3．3 两独立样本t检验的基本操作
5．3．4 两独立样本t检验的应用举例
5．4 两配对样本t检验
5．4．1 两配对样本t检验的目的
5．4．2 两配对样本t检验的基本步骤
5．4．3 两配对样本t检验的基本操作
5．4．4 两配对样本t检验的应用举例

第6章 SPSS的方差分析
6．1 方差分析概述
6．2 单因素方差分析
6．2．1 单因素方差分析的基本思想
6．2．2 单因素方差分析的数学模型
6．2．3 单因素方差分析的基本步骤
6．2．4 单因素方差分析的基本操作
6．2．5 单因素方差的应用举例
6．2．6 单因素方差分析的进一步分析
6．2．7 单因素方差应用举例的进一步分析
6．3 多因素方差分析
6．3．1 多因素方差分析的基本思想
6．3．2 多因素方差分析的数学模型
6．3．3 多因素方差分析的基本步骤
6．3．4 多因素方差分析的基本操作
6．3．5 多因素方差分析的应用举例
6．3．6 多因素方差分析的进一步分析
6．3．7 多因素方差分析应用举例的进一步分析
6．4 协方差分析
6．4．1 协方差分析的基本思路
6．4．2 协方差分析的数学模型
6．4．3 协方差分析的基本操作
6．4．4 协方差分析的应用举例

第7章 SPSS的非参数检验
7．1 单样本的非参数检验
7．1．1 总体分布的卡方检验
7．1．2 二项分布检验
7．1．3 单样本KS检验
7．1．4 变量值随机性检验
7．2 两独立样本的非参数检验
7．2．1 两独立样本的曼惠特尼U检验（MannWhitney U）
7．2．2 两独立样本的KS检验
7．2．3 两独立样本的游程检验（WaldWolfwitz Runs）
7．2．4 极端反应检验（Moses Extreme Reactions）
7．2．5 两独立样本非参数检验的基本操作
7．2．6 两独立样本非参数检验的应用举例
7．3 多独立样本的非参数检验
7．3．1 中位数检验
7．3．2 多独立样本的KruskalWallis检验
7．3．3 多独立样本的JonckheereTerpstra检验
7．3．4 多独立样本非参数检验的基本操作
7．3．5 多独立样本非参数检验的应用举例
7．4 两配对样本的非参数检验
7．4．1 两配对样本的McNemar检验
7．4．2 两配对样本的符号检验
7．4．3 两配对样本Wilcoxon符号秩检验
7．4．4 两配对样本非参数检验的基本操作
7．4．5 两配对样本非参数检验的应用举例
7．5 多配对样本的非参数检验
7．5．1 多配对样本的Friedman检验
7．5．2 多配对样本的Cochran Q检验
7．5．3 多配对样本的Kendall协同系数检验
7．5．4 多配对样本非参数检验的基本操作
7．5．5 多配对样本非参数检验的应用举例

第8章 SPSS的相关分析和线性回归分析
8．1 相关分析和回归分析概述
8．2 相关分析
8．2．1 散点图
8．2．2 相关系数
8．2．3 相关分析应用举例
8．3 偏相关分析
8．3．1 偏相关分析和偏相关系数
8．3．2 偏相关分析的基本操作
8．3．3 偏相关分析的应用举例
8．4 回归分析
8．4．1 回归分析概述
8．4．2 线性回归模型
8．4．3 回归参数的普通小二乘估计
8．4．4 回归方程的统计检验
8．4．5 多元回归分析中的其他问题
8．4．6 线性回归分析的基本操作
8．4．7 线性回归分析的其他操作
8．4．8 线性回归分析的应用举例
8．5 曲线估计
8．5．1 曲线估计概述
8．5．2 曲线估计的基本操作
8．5．3 曲线估计的应用举例

第9章 SPSS的Logistic回归分析
9．1 Logistic回归分析概述
9．2 二项Logistic回归分析
9．2．1 二项Logistic回归方程
9．2．2 二项Logistic回归方程系数的含义
9．2．3 二项Logistic回归方程的检验
9．2．4 二项Logistic回归分析中的虚拟自变量
9．3 二项Logistic回归分析的应用
9．3．1 二项Logistic回归分析的基本操作
9．3．2 二项Logistic回归分析的其他操作
9．3．3 二项Logistic回归应用示例
9．4 多项Logistic回归分析
9．4．1 多项Logistic回归分析概述
9．4．2 多项Logistic回归分析的基本操作和应用
9．4．3 多项Logistic回归分析的其他操作和应用
9．5 多项有序回归分析
9．5．1 多项有序回归分析概述
9．5．2 多项有序回归分析的基本操作和应用

第10章 SPSS的聚类分析
10．1 聚类分析的一般问题
10．1．1 聚类分析的意义
10．1．2 聚类分析中“亲疏程度”的度量方法
10．1．3 聚类分析几点说明
10．2 层次聚类
10．2．1 层次聚类的两种类型和两种方式
10．2．2 个体与小类、小类与小类间“亲疏程度”的度量方法
10．2．3 层次聚类的基本操作
10．2．4 层次聚类的应用举例
10．3 KMeans聚类
10．3．1 KMeans聚类分析的核心步骤
10．3．2 KMeans聚类分析的基本操作
10．3．3 KMeans聚类分析的应用举例

第11章 SPSS的因子分析
11．1 因子分析概述
11．1．1 因子分析的意义
11．1．2 因子分析的数学模型和相关概念
11．2 因子分析的基本内容
11．2．1 因子分析的基本步骤
11．2．2 因子分析的前提条件
11．2．3 因子提取和因子载荷矩阵的求解
11．2．4 因子的命名
11．2．5 计算因子得分
11．3 因子分析的基本操作及案例
11．3．1 因子分析的基本操作
11．3．2 因子分析的应用举例

第12章 SPSS的对应分析
12．1 对应分析概述
12．1．1 对应分析的提出
12．1．2 对应分析的基本思想
12．2 对应分析的基本步骤
12．3 对应分析的基本操作及案例
12．3．1 对应分析的基本操作
12．3．2 对应分析的应用举例

第13章 SPSS的判别分析
13．1 判别分析概述
13．2 距离判别法
13．2．1 距离判别的基本思路
13．2．2 判别函数的计算
13．3 Fisher判别法
13．3．1 Fisher判别的基本思路
13．3．2 Fisher判别的计算
13．4 贝叶斯判别法
13．4．1 贝叶斯判别的基本思路
13．4．2 贝叶斯判别的计算
13．5 判别分析的基本操作及案例
13．5．1 判别分析的基本操作
13．5．2 判别分析的准备工作：均值检验和协差阵齐性检验
13．5．3 解读判别结果

第14章 SPSS的信度分析
14．1 信度分析概述
14．1．1 信度分析的提出
14．1．2 信度分析的基本原理
14．2 信度分析的基本操作及案例
14．2．1 信度分析的基本操作
14．2．2 信度分析的应用举例

第15章 SPSS的一般对数线性分析模型
15．1 一般对数线性分析模型概述
15．1．1 模型的提出
15．1．2 基本概念和基本思路
15．2 饱和模型和非饱和层次对数线性模型
15．2．1 饱和模型和参数估计
15．2．2 饱和模型检验
15．2．3 非饱和层次模型
15．2．4 建立饱和模型和非饱和层次对数线性模型的基本操作
15．2．5 饱和模型和非饱和层次对数线性模型的应用举例
15．3 一般对数线性模型
15．3．1 一般对数线性模型的概述
15．3．2 建立一般对数线性模型的基本操作
15．3．3 一般对数线性模型的应用举例
15．4 Logit对数线性模型
15．4．1 Logit对数线性模型的概述
15．4．2 Logit对数线性模型的应用举例

第16章 SPSS的时间序列分析
16．1 时间序列分析概述
16．1．1 时间序列的相关概念
16．1．2 时间序列分析的一般步骤
16．1．3 SPSS时间序列分析的特点
16．2 数据准备
16．3 时间序列的图形化观察及检验
16．3． 1 时间序列的图形化观察及检验目的
16．3．2 时间序列的图形化观察工具
16．3．3 时间序列的检验方法
16．3．4 时间序列的图形化观察的基本操作和应用举例
16．4 时间序列的预处理
16．4．1 时间序列预处理的目的和主要方法
16．4．2 时间序列预处理的基本操作
16．5 时间序列的简单回归分析法和趋势外推法
16．5．1 简单回归分析法和趋势外推法概述
16．5．2 简单回归分析法和趋势外推法应用举例
16．6 指数平滑法
16．6．1 指数平滑法的基本思想
16．6．2 指数平滑法的模型
16．6．3 指数平滑法的基本操作
16．6．4 指数平滑法的应用举例
16．7 ARIMA模型分析
16．7．1 ARIMA分析的基本思想和模型
16．7．2 ARIMA分析的基本操作
16．7．3 ARIMA分析的应用举例
16．8 季节调整法
16．8．1 季节调整法的基本思想和模型
16．8．2 季节调整法的基本操作
16．8．3 季节调整法的应用举例

　　一、统计应用的特点
　　在计算机技术迅猛发展的今天，政府和企业的统计应用已逐渐呈现以下特征：
　　第一，数据量和数据关系复杂性快速膨胀
　　数据量和数据关系复杂性快速膨胀是目前统计应用中遇到的主要问题。通常，一般规模的统计分析项目中，数据量可达到百万条甚至近千万条。统计应用也不再以统计年鉴和统计报表的纸面方式获得数据，而要求直接从电子化多媒体化的基础业务系统、管理信息系统和决策支持系统的数据库（数据仓库）中提取数据。利用计算机和网络进行有效的数据组织和数据管理已经成为统计应用的基本环节和基础方式。
　　第二，数据分析方法日益丰富
　　在数据处理和数据分析中，以坚实的数学理论为基础的统计分析方法已获得广泛应用。近年来，以计算机技术为动力的数据挖掘技术也为数据分析增添了新的方法和思路。机器学习、神经网络和生物遗传算法等已成为处理海量数据，探索数据内在规律性，提取数据中未知知识的重要手段。这些数据分析方法的成果不断地体现在统计分析软件和数据挖掘软件体系中，并通过强大的计算机处理能力和网络分布处理能力进行模型的高速计算。
　　第三，统计应用需要具有可操作性的整体解决方案
　　传统的统计业务处理流程是报表上报、人工汇总、撰写分析报告，最终实现为有关管理决策部门提供信息监督和咨询服务的目标。统计应用的科研长期以来也沿用了这种套路，即由统计业务方提供数据，由统计方法专家进行数据分析、撰写分析报告和提供咨询建议。这样的应用方式存在两个主要问题：首先，许多企事业单位统计应用起点较低，基础较薄弱，无法提供完善的报表支持，出现或资料不完整或没有电子化的数据来源等问题，使得统计分析常常成为无米之炊；其次，不定期的统计报告方式难以满足统计业务的长期发展需要。目前，越来越多的统计应用要求研究人员提供能够与统计业务绑定的、可长期运行的、具有可操作性的统计应用整体解决方案。这个整体方案将统计业务处理功能、统计数据、统计分析方法完整地集成起来。因此，如果没有一个符合企事业单位统计业务自身特点的统计信息系统，统计分析方法的应用将很难实现健康的、落地生根的、滚动式的发展。
　　总之，如果说数学是统计方法的首要工具，那么，统计应用软件已经成为统计应用的首要工具。
　　二、统计应用软件的分类
　　长期以来，统计无论在国内外政府和企业都有着广泛的应用，但统计应用软件在企事业信息化建设中的认可度却相对较低。产生这个矛盾的一个重要原因就是统计应用软件概念混淆，分类不清。目前，人们在提及统计应用软件时会涉及统计分析软件、统计信息系统、统计数据库系统等方面。规范统计应用软件分类标准对统计应用软件发展和统计信息化建设有着深远的和现实的意义。我们经过对国内外大量资料的分析研究，结合自身统计应用软件开发应用的经验，提出了统计应用软件分类标准，希望能抛砖引玉，引起大家对统计应用软件的关注和研究。
　　首先，统计应用软件是应用软件的一种分类，是应用软件从应用领域或应用行业划分出的一个分支。其次，根据应用性质，统计应用软件可划分为统计分析软件、统计信息系统和统计数据库系统三大类。