SPSS统计分析高级教程

第一部分 一般线性与混合线性模型.

第1章 方差分析模型
1.1 模型简介
1.1.1 模型入门
1.1.2 常用术语
1.1.3 方差分析模型的适用条件
1.2 简单分析实例
1.2.1 模型表达式
1.2.2 初步分析结果
1.2.3 模型参数的估计值
1.2.4 两两比较
1.2.5 其他常用选项
1.3 两因素方差分析模型
1.3.1 分析实例
1.3.2 边际均数与轮廓图
1.3.3 拟和劣度检验
1.4 因素各水平间的精细比较
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 随机因素的方差分析模型
1.6 其他问题
1.6.1 自定义效应检验使用的误差项
1.6.2 四类方差分解方法
第2章 常用实验设计分析方法
2.1 仅研究主效应的实验设计方案
2.1.1 完全随机设计(completely random design)
2.1.2 配伍组设计(randomized block design)
2.1.3 交叉设计(cross-over design)
2.1.4 拉丁方设计(latin square design)
2.2 考虑交互作用的实验设计方案
2.2.1 析因设计(factorial design)
2.2.2 正交设计(orthogonal design)
2.2.3 均匀设计(uniform design)
2.3 误差项变动的特殊实验设计方案
2.3.1 嵌套设计(nested design)
2.3.2 重复测量设计(repeated measure design)
2.3.3 裂区设计(split-plot design)
2.4 协方差分析(analysis of covariance)
2.4.1 协方差分析的必要性
2.4.2 平行性假定的检验
2.4.3 计算和检验修正均数
第3章 多元方差分析与重复测量方差分析
3.1 多元方差分析
3.1.1 模型简介
3.2.2 分析实例
3.3.3 检验统计量的计算
3.3.4 对引例的进一步分析
3.2 重复测量资料的方差分析
3.2.1 模型简介
3.2.2 分析实例
第4章 混合线性模型入门
4.1 模型简介
4.1.1 问题的提出
4.1.2 模型入门
4.2 层次聚集性数据分析实例
4.1.1 拟合混合线性模型的基本结构
4.1.2 在固定效应中加入自变量
4.1.3 在随机效应中加入自变量
4.1.4 更多解释变量的引入
4.1.5 其他常用选项
4.3 重复测量数据分析实例
4.3.1 对数据的初步分析
4.3.2 拟合混合线性模型的基本结构
4.3.3 考虑重复测量间的相关性
4.3.4 更改对测量间相关性的假定
4.3.5 模型中可用的相关阵种类
4.4 本章方法小结
4.4.1 混合效应模型的用途
4.4.2 混合效应模型与一般线性模型的联系
第二部分 回归模型

第5章 多重线性回归模型
5.1 模型简介
5.2 简单分析实例
5.2.1 对数据的初步分析
5.2.2 回归模型的假设检验
5.2.3 偏回归系数的假设检验
5.2.4 标准化偏回归系数
5.2.5 衡量多元线性回归模型优劣的标准
5.3 回归预测与残差分析
5.3.1 回归预测与区间估计
5.3.2 残差分析与模型适用条件的检验
5.4 逐步回归
5.4.1 筛选自变量的基本原则
5.4.2 常用的逐步回归方法
5.4.3 分析实例
5.5 模型的进一步诊断与修正
5.5.1 强影响点的识别与处理
5.5.2 多重共线性的识别与处理
5.6 本章方法小结
5.6.1 回归模型的建立步骤
5.6.2 多重线性回归模型结果解释时应注意的问题
第6章 线性回归的衍生模型
6.1 非直线趋势的处理：曲线直线化
6.1.1 方法简介
6.1.2 使用linear过程进行分析
6.1.3 使用曲线拟合过程分析
6.2 方差不齐的处理：加权最小二乘法
6.2.1 方法简介
6.2.2 使用linear过程进行分析
6.2.3 使用wls过程分析
6.3 共线性的处理：岭回归
6.3.1 方法简介
6.3.2 分析实例
6.4 分类变量的数值化：最优尺度回归
6.4.1 方法简介
6.4.2 分析实例
6.4.3 最优尺度方法的应用注意事项
第7章 路径分析入门
7.1 两阶段最小二乘法
7.1.1 模型简介
7.1.2　使用linear过程进行分析
7.1.3 使用2sls过程进行分析
7.2 路径分析入门
7.2.1 模型简介
7.2.2 分析实例
第8章 非线性回归模型
8.1 模型简介
8.1.1 问题的提出
8.1.2 模型入门
8.2 简单分析实例
8.2.1 软件操作与界面说明
8.2.2 基本分析结果
8.2.3 模型的进一步分析
8.3 自定义损失函数：最小一乘法实例
8.3.1 分析实例
8.3.3 结果解释
8.4 分段回归模型的拟合
8.4.1 分析实例
8.4.2 结果解释
8.4.3 模型的进一步分析
8.5 其他需要注意的问题
8.5.1 参数初始值的设定
8.5.2 模型的拟合方法
第9章 二分类logistic回归模型
9.1 模型简介
9.1.1 模型入门
9.1.2 一些基本概念
9.2 简单分析实例
9.3 分类自变量的定义与比较方法
9.3.1 使用哑变量的必要性
9.3.2 spss中预设的哑变量编码方式
9.3.3 设置哑变量时要注意的问题
9.4 自变量的筛选方法与逐步回归
9.4.1 模型中的假设检验方法
9.4.2 自变量的筛选方法
9.4.3 分析实例
9.5 模型拟合效果与拟合优度检验
9.5.1 模型效果的判断指标
9.5.2 拟合优度检验
9.6 模型的诊断与修正
9.6.1 残差分析
9.6.2 多重共线性的识别及其对回归系数的影响及处理办法
第10章 多分类、配对logistic回归与probit回归
10.1 有序多分类logistic回归模型
10.1.1 模型简介
10.1.2 分析实例
10.1.3 模型适用条件的检验
10.2 无序多分类logistic回归模型
10.2.1 模型简介
10.2.2 分析实例
10.3 1:1配对logistic回归
10.3.1 模型简介
10.3.2 分析实例
10.4 probit回归模型
10.4.1 模型简介
10.4.2 实例一：与logistic模型比较
10.4.3 实例二：计算ld50
第三部分 多元统计分析方法

第11章 主成分分析与因子分析
11.1 主成分分析
11.1.1 模型入门..
11.1.2 简单分析实例
11.1.3 对主成分分析的进一步说明
11.2 因子分析
11.2.1 模型入门
11.2.4 简单分析实例
11.3 因子分析的进一步讨论
11.3.1 不同的因子分析法
11.3.2 相关阵和协方差
11.3.3 确定公因子数量
11.4 因子分析综合案例
11.5 主成分分析和因子分析的比较
第12章 聚类分析
12.1 模型简介
12.1.1 问题的提出
12.1.2 聚类分析入门
12.1.3 聚类分析的方法体系
12.2 层次聚类法
12.2.1 方法原理
12.2.2 分析实例
12.2.3 对层次聚类法的进一步讨论
12.3 k-均值聚类法
12.3.1 方法原理
12.3.2 分析实例
12.4 两步聚类法简介
12.4.1 方法原理
12.4.2 分析实例
12.5 本章方法小结
第13章 判别分析
13.1 模型简介
13.1.1 典型判别分析的基本原理
13.1.2 判别分析的适用条件和违背条件时的处理方法
13.1.3 判别效果的评价
13.1.4 判别分析的一般步骤
13.2 简单分析实例
13.2.1 软件操作与界面说明
13.2.2 基本分析结果
13.2.3 判别结果的图形化展示
13.2.4 判别效果的验证
13.2.5 适用条件的判断方法
13.3 贝叶斯判别分析
13.3.1 方法原理
13.3.2 软件实现
13.4 对判别分析的进一步讨论
13.4.1 逐步判别分析
13.4.2 判别分析和因子分析的相似性和差异
13.4.3 二类判别和多重回归的等价性
第14章 典型相关分析
14.1 方法介绍
14.1.1 典型相关分析的基本思想
14.2.1 典型相关分析的数学描述
14.2 分析实例
14.2.1 两组变量间的相关系数
14.2.2 典型相关系数及显著性检验
11.2.3 典型变量的系数
14.2.4 典型结构分析
14.2.5 典型冗余分析
14.3 本章方法小结
14.3.1 典型相关分析的应用
14.3.2 典型相关分析和因子分析
第15章 对应分析
15.1 模型简介
15.1.1 问题的提出
15.1.2 模型入门
15.1.3 spss中的相应功能
15.2 简单分析实例
15.2.1 对数据的初步分析
15.2.2 正式分析
15.2.3 对引例的进一步分析
15.3 基于均数的对应分析
15.3.1 方法原理
15.3.2 分析实例
15.4 多重对应分析
15.4.1 方法原理
15.4.2 分析实例
15.5 对应分析中的其它问题
15.5.1 对应分析结果的正确解释
15.5.2 罕见类别和相似类别的处理
15.5.3 有序类别的处理
15.6 本章方法小结
15.6.1 对应分析与其它分析方法的关系
15.6.2 对应分析的优势与劣势
第16章 多维尺度分析
16.1 古典mds模型
16.1.1 方法原理
16.1.2 分析实例
16.1.3 距离的计算方式
16.2 非度量mds模型
16.2.1 数据测量尺度的设定
16.2.2 方法原理
16.2.3 分析实例
16.3 考虑个体差异的mds模型
16.3.1 方法原理
16.3.2 分析实例
16.3.3 空间定位图的含义解释
16.4 基于最优尺度变换的mds模型
16.4.1 方法简介
16.4.2 分析实例
16.5 本章方法小结
第四部分 其他统计分析方法

第17章 对数线性模型与poisson回归
17.1 对数线性模型简介
17.1.1 问题的提出
17.1.2 模型入门
17.1.3 spss的相应功能
17.2 一般对数线性模型分析实例
17.2.1 对数据的初步分析
17.2.2 正式分析
17.2.3 对引例的进一步分析
17.3 因果关系明确时的对数线性模型
17.4 对数线性模型的选择
17.4.1 模型的选择策略
17.4.2 分析实例
17.5 对数线性模型与其它模型的关系
17.5.1 对数线性模型与方差分析模型的关系
17.5.2 对数线性模型与logistic回归的关系
17.6 poisson回归模型
17.6.1 模型简介
17.6.2 分析实例
第18章 信度分析
18.1 信度理论入门
18.1.1 真分数测量理论
18.1.2 信度与效度
18.1.3 内在信度与外在信度
18.1.4 信度的判断标准
18.2 简单分析实例
18.2.1 alpha信度系数
18.2.2 对各题目的深入分析
18.2.3 对真分数理论假设的考察
18.3 其余常用的信度系数
18.3.1 重测信度
18.3.2 折半信度
18.3.3 guttman系数
18.3.4 平行模型的信度系数
18.3.5 严格平行模型的信度系数
18.3.6 评分者信度
18.3.7 信度系数总结
18.4 信度理论进阶
18.4.1 真分数测量理论的缺限
18.4.2 概化理论入门
18.4.3 spss中相应的分析功能
第19章 生存分析
19.1 生存分析简介
19.1.1 生存分析简史
19.1.2 生存分析中的基本概念
19.1.3 生存分析的基本步骤
19.1.4 spss与生存分析
19.2 生存函数的估计和检验
19.2.1 生存函数的基本估计方法
19.2.2 kaplan-meier法
19.2.3 寿命表法
19.2.4 kaplan-meier法和寿命表法比较
19.3 cox回归模型
19.3.1 cox模型入门
19.3.2 分析实例
19.3.3 比例风险性的图形验证
19.4 含时间依存性变量的cox模型
19.4.1 时依协变量的种类
19.4.2 用时依模型验证比例风险性
19.4.3 用时依模型评价处理因素的影响
19.4.4 用时依模型评价重复测量因子的影响
19.5 关于cox模型的一些高级话题
19.5.1 生存分析中的分层变量
19.5.2 用cox回归过程拟合配伍logistic回归
19.5.3 竞争风险的cox模型
第20章 缺失值分析入门
20.1 缺失值理论简介
20.1.1 数据的缺失机制
20.1.2 spss中对缺失值的处理方法
20.2 对缺失情况的基本分析
20.2.1 缺失值数据的生成
20.2.2 对缺失模式的分析
20.2.3 缺失情况的统计描述
20.3 缺失值填充技术
20.3.1 列表输出
20.3.2 使用回归算法进行填充
20.3.3 使用em算法进行填充
20.3.4 多重填充技术简介

思考与练习

参考文献

附录...