SPSS统计分析从入门到精通

第1章 SPSS 15.0概述
1.1 SPSS简介
1.2 SPSS的安装、启动和退出
1.2.1 SPSS 15.0的安装
1.2.2 SPSS的启动
1.2.3 SPSS 15.0的退出
1.3 SPSS 15.0的界面及设置
1.3.1 常用界面
1.3.2 通用General功能参数
1.3.3 Viewer视图窗口参数
1.3.4 Draft Viewer(草稿窗口)参数
1.3.5 Output Labels输出标签参数
1.3.6 Charts图形参数
1.3.7 Interactive交互图形窗口参数
1.3.8 Pivot Table枢纽表参数
1.3.9 Data数据参数
1.3.10 Currency数值型变量格式参数
1.3.11 Scripts脚本编辑窗口

第2章 数据文件的建立与操作
2.1 数据编辑器与数据文件
2.1.1 数据编辑器
2.1.2 数据文件
2.2 常量、变量、操作符和表达式
2.2.1 常量与变量
2.2.2 操作符与表达式
2.2.3 如何定义一个变量
2.2.4 概率事件
2.3 输入数据
2.3.1 输入数据的方法
2.3.2 查看文件信息和变量信息
2.4 编辑数据文件
2.4.1 在单元格中编辑数据
2.4.2 插入变量与删除变量
2.4.3 插入观测量与删除观测量
2.4.4 数据的剪切、复制和粘贴
2.4.5 撤销操作
2.5 对数据文件的操作
2.5.1 数据文件的打开与保存
2.5.2 数据库文件的转换

第3章 数据文件的操作
3.1 数据文件的一般操作
3.1.1 数据排序
3.1.2 数据文件的分组
3.1.3 数据文件的合并
3.1.4 数据文件的转置
3.1.5 变量取值的求秩
3.1.6 变量值的重新编码
3.1.7 计算新变量
3.2 分类汇总
3.2.1 数据描述
3.2.2 分类汇总的参数设置
3.2.3 分类汇总的结果
3.3 观测量的加权
3.4 数据文件的结构重组
3.4.1 选择数据重组方式
3.4.2 变量组到观测量组的重组
3.4.3 观测量组到变量组的重组
3.4.4 转置重组

第4章 基本统计分析功能
4.1 OLAP在线分析过程
4.1.1 数据描述
4.1.2 OLAP过程的操作和设置
4.2 观测的摘要报告分析
4.2.1 观测摘要分析的参数设置
4.2.2 输出结果
4.3 行和列的摘要报告分析
4.3.1 行形式摘要报告
4.3.2 列形式摘要报告
4.4 频数分析
4.4.1 数据描述
4.4.2 对分类变量的频数分析
4.4.3 对连续变量的频数分析
4.5 描述性统计分析
4.5.1 数据描述
4.5.2 Descriptives分析
4.6 探索分析过程
4.6.1 数据描述
4.6.2 Explore实例分析
4.7 列联表分析过程
4.7.1 数据描述
4.7.2 列联表分析的参数设置
4.7.3 列联表分析的输出结果

第5章 均值比较和T检验
5.1 Means过程
5.1.1 原理与方法
5.1.2 SPSS实例分析
5.2 单样本T检验
5.2.1 原理与方法
5.2.2 SPSS实例分析
5.3 两独立样本T检验
5.3.1 原理与方法
5.3.2 SPSS实例分析
5.4 配对样本T检验
5.4.1 原理与方法
5.4.2 SPSS实例分析

第6章 非参数检验
6.1 非参数检验的简介
6.1.1 非参数检验与参数检验
6.1.2 非参数检验的优点
6.1.3 非参数检验的缺点
6.2 卡方检验
6.2.1 原理与方法
6.2.2 数据和问题描述
6.2.3 卡方检验实例分析
6.3 二项检验
6.3.1 原理与方法
6.3.2 数据和问题描述
6.3.3 二项检验实例分析
6.4 游程检验
6.4.1 原理与方法
6.4.2 数据和问题描述
6.4.3 游程检验实例分析
6.5 Kolmogorov-Smirnov单样本检验
6.5.1 原理与方法
6.5.2 数据和问题描述
6.5.3 K-S单样本检验实例分析
6.6 两独立样本检验
6.6.1 原理与方法
6.6.2 数据和问题描述
6.6.3 两独立样本检验实例分析
6.7 k个独立样本的检验
6.7.1 原理与方法
6.7.2 数据和问题描述
6.7.3 k个独立样本检验实例分析
6.8 两个相关样本的检验
6.8.1 原理与方法
6.8.2 数据和问题描述
6.8.3 两个相关样本检验的实例分析
6.9 k个相关样本的检验
6.9.1 原理与方法
6.9.2 数据和问题描述
6.9.3 k个相关样本检验的实例分析

第7章 多重响应分析
7.1 多重响应概述
7.2 多重响应变量集的定义
7.2.1 定义多重响应变量集的实例
7.3 多重响应变量集的频数分析
7.3.1 多重响应变量频数分析的实例
7.4 多重响应变量集的交叉表分析
7.4.1 多重响应变量交叉表分析的实例
7.5 使用Tables过程研究多重响应变量集
7.5.1 多重响应变量集的定义
7.5.2 用Tables过程建立包含多重响应变量集的表格

第8章 回归分析
8.1 线性回归
8.1.1 一元线性回归的基本原理
8.1.2 多元线性回归的基本原理
8.1.3 模型假设的其他检验
8.1.4 问题描述和数据准备
8.1.5 线性回归分析的设置和操作
8.1.6 案例的结果分析
8.2 曲线回归
8.2.1 曲线回归的基本原理
8.2.2 问题描述和数据准备
8.2.3 曲线回归分析的设置和操作
8.2.4 案例的结果分析
8.3 非线性回归
8.3.1 非线性回归简介
8.3.2 问题描述和数据准备
8.3.3 非线性回归的参数设置
8.3.4 案例的结果分析
8.4 二元Logistic回归
8.4.1 二元Logistic回归的数学原理
8.4.2 问题描述和数据准备
8.4.3 二元Logistic回归的参数设置
8.4.4 案例的结果分析
8.5 多元Logistic回归分析
8.5.1 多元Logistic回归的原理简介
8.5.2 问题描述和数据准备
8.5.3 多元Logistic回归参数设置
8.5.4 案例的结果分析
8.6 Ordinal回归
8.6.1 问题描述和数据准备
8.6.2 Ordinal回归的参数设置
8.6.3 案例的结果分析
8.7 概率单位回归分析
8.7.1 概率单位回归分析简介
8.7.2 问题描述和数据准备
8.7.3 概率单位回归的参数设置
8.7.4 案例的结果分析
8.8 加权回归分析
8.8.1 加权回归分析简介
8.8.2 问题描述和数据准备
8.8.3 加权回归的参数设置
8.8.4 案例的结果分析
8.9 二阶段最小二乘回归
8.9.1 二阶段最小二乘回归的基本原理
8.9.2 问题描述和数据准备
8.9.3 二阶段最小二乘回归的参数设置
8.9.4 案例的结果分析
8.10 最优尺度回归
8.10.1 最优尺度回归原理
8.10.2 问题描述和数据准备
8.10.3 最优尺度回归的参数设置
8.10.4 案例的结果分析

第9章 方差分析
9.1 方差分析简介
9.1.1 t检验与方差分析的比较
9.1.2 方差分析的基本原理
9.2 单因素方差分析
9.2.1 原理与方法
9.2.2 单因素方差分析实例
9.3 多因素方差分析过程
9.3.1 原理与方法
9.3.2 二因素方差分析实例
9.3.3 协方差分析实例
9.3.4 交互效应中随机因素的分析
9.4 多元方差分析
9.4.1 原理与方法
9.4.2 多元方差分析实例
9.5 重复测量设计的方差分析
9.5.1 原理与方法
9.5.2 SPSS实例分析
9.6 方差成分分析
9.6.1 原理简介
9.6.2 SPSS实例分析
9.7 正交实验设计
9.7.1 正交实验设计简述
9.7.2 SPSS实例分析
9.7.3 正交实验设计的方差分析

第10章 相关分析
10.1 相关分析的基本概念
10.1.1 相关分析的特点和应用
10.1.2 相关系数的计算
10.1.3 SPSS提供的相关分析功能
10.2 两变量相关分析
10.2.1 问题描述和数据准备
10.2.2 相关分析的参数设置
10.2.3 案例的结果分析
10.3 偏相关分析
10.3.1 偏相关分析的基本原理
10.3.2 偏相关分析实例
10.4 距离分析
10.4.1 距离分析的基本概念
10.4.2 距离分析的参数设置
10.4.3 距离分析实例

第11章 因子分析
11.1 因子分析的原理简介
11.1.1 因子分析的基本思想
11.1.2 因子分析和主成分分析的联系
11.1.3 因子分析的基本步骤
11.2 SPSS因子分析的应用实例
11.2.1 数据描述
11.2.2 SPSS因子分析过程的设置
11.2.3 结果分析

第12章 分类分析
12.1 聚类分析的原理简介
12.1.1 聚类分析的基本概念
12.1.2 聚类分析的一般原理
12.2 快速样本聚类过程
12.2.1 快速聚类简介
12.2.2 问题描述和数据准备
12.2.3 SPSS快速聚类的设置
12.2.4 案例的结果分析
12.3 分层聚类
12.3.1 分层聚类简介
12.3.2 问题描述和数据准备
12.3.3 SPSS分层聚类的设置
12.3.4 案例的结果分析
12.3.5 对聚类结果的进一步分析
12.4 两阶段聚类分析
12.4.1 两阶段聚类简介
12.4.2 问题描述和数据准备
12.4.3 SPSS两阶段聚类的设置
12.4.4 案例的结果分析
12.5 一般判别分析
12.5.1 判别分析的基本原理
12.5.2 问题描述和数据准备
12.5.3 判别分析的参数设置
12.5.4 案例的结果分析
12.6 逐步判别分析实例
12.6.1 问题描述和数据准备
12.6.2 逐步判别的参数设置
12.6.3 案例的结果分析
12.7 决策树分析
12.7.1 决策树分类的基本原理
12.7.2 决策树过程的参数设置
12.7.3 问题描述和数据准备
12.7.4 案例分析

第13章 生存分析
13.1 生存分析简介
13.1.1 生存分析的基本概念
13.1.2 生存分析的数据特点
13.1.3 生存分析的常用方法
13.1.4 SPSS中的生存分析过程
13.2 生命表分析
13.2.1 生命表分析简介
13.2.2 生命表分析的基本步骤
13.2.3 生命表实例分析
13.3 Kaplan-Meier分析
13.3.1 Kaplan-Meier分析的步骤
13.3.2 生存曲线的比较和检验
13.3.3 Kaplan-Meier分析的实例
13.4 Cox回归模型
13.4.1 Cox回归模型的原理简介
13.4.2 Cox回归实例分析

第14章 信度分析
14.1 信度分析
14.1.1 信度分析的基本原理
14.1.2 问题描述和数据准备
14.1.3 信度分析的参数设置
14.1.4 案例的结果分析
14.2 多维尺度分析
14.2.1 多维尺度分析简介
14.2.2 问题描述和数据准备
14.2.3 ALSCAL过程的参数设置
14.2.4 案例的结果分析

第15章 时间序列分析
15.1 SPSS15的时间序列分析概览
15.1.1 Create Models的通用设置选项
15.1.2 Apply Models的通用设置选项
15.2 时间序列数据的预分析
15.2.1 缺失值替换
15.2.2 定义时间变量
15.2.3 时间序列的平稳化
15.3 指数平滑模型
15.3.1 指数平滑的基本原理
15.3.2 指数平滑模型的参数设置
15.3.3 指数平滑模型实例分析
15.4 ARIMA模型
15.4.1 ARIMA模型的基本原理
15.4.2 ARIMA模型的参数设置
15.4.3 ARIMA模型实例分析
15.5 季节分解模型
15.5.1 季节分解法概述
15.5.2 季节分解模型实例分析

第16章 对数线性模型
16.1 对数线性模型概述
16.1.1 简单列联表分析的不足
16.1.2 对数线性模型的基本形式
16.2 General过程
16.2.1 General过程概述
16.2.2 问题描述和数据准备
16.2.3 General过程的参数设置
16.2.4 案例的结果分析
16.3 Logit过程
16.3.1 Logit过程概述
16.3.2 问题描述和数据准备
16.3.3 Logit过程的参数设置
16.3.4 案例的结果分析
16.4 Model Selection过程
16.4.1 Model Selection过程概述
16.4.2 问题描述和数据准备
16.4.3 层次对数线性模型的操作过程
16.4.4 案例的结果分析

第17章 对应分析
17.1 对应分析的基本原理
17.1.1 对应分析与因子分析
17.1.2 SPSS中的对应分析
17.1.3 使用对应分析的注意事项
17.2 简单对应分析
17.2.1 简单对应分析的数学原理
17.2.2 SPSS简单对应分析实例
17.3 多元对应分析
17.3.1 多元对应分析基本概念及其特点
17.3.2 多元对应分析的参数设置
17.3.3 实例的结果分析

第18章 缺失值分析
18.1 缺失值分析的概念
18.1.1 缺失值的表现方式
18.1.2 SPSS中的缺失值处理方法
18.2 缺失值分析的参数设置
18.3 缺失值分析的实例

第19章 统计图形
19.1 概述
19.1.1 数据和变量的准备
19.1.2 图形构建器的基本操作
19.1.3 交互式作图和对话框作图
19.1.4 图形的编辑
19.2 条形图
19.2.1 数据和问题描述
19.2.2 用图形构建器作条形图
19.2.3 交互式条形图
19.2.4 用对话框创建条形图
19.3 线形图
19.3.1 数据和问题描述
19.3.2 用图形构建器作线形图
19.3.3 交互式线形图
19.3.4 用对话框创建线形图
19.4 面积图
19.4.1 数据和问题描述
19.4.2 用图形构建器作面积图
19.4.3 交互式面积图
19.4.4 用对话框创建面积图
19.5 饼图
19.5.1 数据和问题描述
19.5.2 用图形构建器作饼图
19.5.3 交互式饼图
19.5.4 用对话框创建饼图
19.6 高低图
19.6.1 数据和问题描述
19.6.2 用图形构建器作高低图
19.6.3 交互式高低图
19.6.4 用对话框创建高低图
19.7 帕累托图
19.7.1 数据和问题描述
19.7.2 用对话框创建帕累托图
19.8 控制图
19.8.1 数据和问题描述
19.8.2 用对话框创建控制图
19.9 箱图
19.9.1 数据和问题描述
19.9.2 用图形构建器作箱图
19.9.3 交互式箱图
19.9.4 用对话框创建箱图
19.10 误差条图
19.10.1 数据和问题描述
19.10.2 交互式误差条图
19.10.3 用对话框创建误差条图
19.11 散点图
19.11.1 数据和问题描述
19.11.2 用图形构建器作高低图
19.11.3 交互式散点图
19.11.4 用对话框创建散点图
19.12 直方图
19.12.1 数据和问题描述
19.12.2 用图形构建器作直方图
19.13 P-P概率图
19.13.1 数据和问题描述
19.13.2 用对话框创建帕P-P概率图
19.14 Q-Q概率图
19.14.1 数据和问题描述
19.14.2 用对话框创建Q-Q概率图
19.15 时间序列图
19.15.1 普通序列图
19.15.2 自相关序列图
19.15.3 互相关序列图
19.16 双轴线图
19.16.1 数据和问题描述
19.16.2 用图形构建器作双轴线图

第20章 上市公司财务危机预警分析
20.1 财务危机预警的应用简介
20.1.1 财务危机的定量定义方法
20.1.2 财务危机预警的模型选择
20.2 数据描述
20.2.1 数据说明
20.2.2 指标选择
20.2.3 补充说明
20.3 分析方法概述
20.3.1 判别分析
20.3.2 logistic回归方法
20.4 SPSS建模过程和结论分析
20.4.1 SPSS数据筛选操作
20.4.2 SPSS判别分析建模与分析
20.4.3 logistic回归建模与分析
20.5 进一步的分析与应用
20.5.1 分类结果的应用分析
20.5.2 建模方法的改进
20.6 建议和推广
20.6.1 时间序列研究
20.6.2 数据的有效预警期
20.6.3 指标的简化方法

第21章 影响汇率的因素分析
21.1 汇率影响因素的简介
21.2 数据描述
21.3 分析方法概述
21.3.1 探索性分析
21.3.2 多元回归分析
21.4 SPSS建模过程和结论分析
21.4.1 数据准备
21.4.2 探索性分析
21.4.3 多元回归分析
21.5 进一步的分析与应用
21.5.1 剔除存在共线性的外汇储备变量
21.5.2 回归模型的进一步改进
21.5.3 两个回归模型的比较
21.6 建议和推广
21.6.1 时间序列研究
21.6.2 汇率影响因素的定性分析

第22章 因子分析在成绩综合评价中的应用
22.1 学生成绩的综合评价简介
22.2 数据描述
22.3 分析方法概述
22.3.1 应用因子分析进行成绩综合评价的步骤
22.3.2 应用因子分法进行成绩综合评价的注意事项
22.4 SPSS建模过程和结论分析
22.4.1 数据准备
22.4.2 SPSS因子分析建模与分析
22.5 进一步的分析与应用
22.6 建议和推广
22.6.1 高中生的成绩综合评价
22.6.2 对缺失数据的处理
22.6.3 多种方法结合的综合评价模型

第23章 高等教育办学条件的聚类分析
23.1 数据描述
23.1.1 关于基本办学条件指标合格与否的判定
23.1.2 指标选取
23.1.3 数据格式
23.2 聚类分析法简述
23.3 SPSS建模过程和结论分析
23.3.1 对专科院校进行聚类的设置操作
23.3.2 对本科院校的分析
23.4 建议和推广

第24章 试卷信度的检验与分析
24.1 试卷信度检验的背景简介
24.1.1 测验内容的自身方面
24.1.2 施测过程
24.1.3 被测试者的自身因素
24.2 数据描述
24.3 分析方法概述
24.3.1 试卷信度的基本计算公式
24.3.2 试卷信度的估计方法
24.4 SPSS建模过程和结论分析
24.4.1 SPSS信度分析的参数设置
24.4.2 结果分析
24.5 建议和推广

第25章 多因素试验的设计与分析
25.1 试验设计简介
25.1.1 试验设计的应用
25.1.2 试验设计问题的解决步骤
25.2 数据描述
25.3 分析方法概述
25.3.1 正交设计方法
25.3.2 综合评分方法
25.4 SPSS建模过程和结论分析
25.4.1 数据标准化
25.4.2 性能指标权重的确定
25.4.3 利用权重求综合指标
25.4.4 对综合得分的进一步分析
25.5 建议和推广

2.聚类分析的应用
在科学研究和社会生产的许多领域（例如模式识别、机器学习、数据挖掘、图像处理和市场分析等）都渗透着聚类分析的研究和应用。
聚类分析的典型应用包括：在商业方面，帮助市场研究人员发现拥有不同特征的顾客组群，并可利用购买模式对其进行描述；在生物方面，可用来获取动物或植物群体内存在的层次结构（taxonomies），还能根据基因功能对其进行分类，由此获得对群体固有结构更深入的了解；它还可以利用地球观测数据库，帮助用户识别具有相似土地使用情况的区域；帮助研究者分类和识别互联网上的文档，以便发现潜在的信息；作为数据挖掘的一项功能，聚类分析还可以作为一个单独使用的工具，用来帮助分析数据的分布、了解数据的特征，找出感兴趣的数据子集作进一步分析；此外，聚类分析也可以作为其他算法的预处理步骤。
作为统计学的一个分支，聚类分析已有多年的研究历史，这些研究主要集中在基于距离的聚类分析方面。现在的大多统计分析软件（例如S-Plus、SPSS和SAS等）都包含基于K-均值、K.中心等的聚类分析工具。
12.1.2聚类分析的一般原理
本节以最基础的对观测记录的Q型系统聚类法为例，简单介绍聚类的一般原理和步骤。
系统聚类是一种逐次合并类的方法，在规定了样品之间的距离和类与类之间的距离后，先让n个样品各自成为一类；开始时，因每个样品自成一类，类与类之间的距离与样品之间的距离是相等的；然后，将距离最近的两个类合并；如此重复，每次循环减少一个类别，直至所有的样品归为一类为止。然而合并成一个类别就失去了聚类的意义，所以聚类过程应该在达到某个类水平数（即未合并的类数）时停下来，在此得到的聚类就是分析的结果。如何决定聚类个数是一个很复杂的问题，整个聚类过程还可以用二叉树谱系聚类图直观地表示出来。
1.系统聚类的步骤
把系统聚类的步骤作以简单总结，概括为如下5个部分。
（1）定义样品之间的距离，以及类与类之间的距离。
（2）令每个观测记录各自成为一个类别。
（3）计算类与类之间的距离，并将距离最近的两个类合并为一个类，类的数目减l。
（4）如果当前的类的数目大于1，转第③步。
（5）结束聚类过程。
插图：