题名取自盘面标签

第一部分　一般线性与混合线性模型

第1章　征服一般线性模型

——general linear model

菜单详解（上） 2

1.1　方差分析模型简介 3

1.1.1　模型入门 3

1.1.2　常用术语 4

1.1.3　方差分析模型的适用条件 5

1.2　univariate过程入门 6

1.2.1　引例 6

1.2.2　界面说明 7

1.2.3　结果解释 12

1.2.4　对引例的进一步分析 13

1.3　常用试验设计及分析方法详解 15

1.3.1　完全随机设计

（completely random design）

15

1.3.2　配伍设计

（randomized block design）

15

.1.3.3　交叉设计

（cross-over design） 16

1.3.4　析因设计

（factorial design） 18

1.3.5　拉丁方设计

（latin square design） 19

1.3.6　正交设计

（orthogonal design） 21

1.3.7　星点设计

（central composite design）

24

1.3.8　嵌套设计（nested design）

与裂区设计

（split-plot design） 24

1.4　协方差分析 27

1.4.1　概述 27

1.4.2　预分析：线性趋势的判断 28

1.4.3　预分析：检验各组总体

斜率是否相等 28

1.4.4　正式分析：比较修正均数

有无差异 29

第2章　征服一般线性模型

——general linear model

菜单详解（下） 32

2.1　multivariate过程 32

2.1.1　引例与界面说明 33

2.1.2　结果解释 33

2.1.3　对引例的进一步分析 35

2.2　repeated measures过程 36

2.2.1　引例 37

2.2.2　界面说明 38

2.2.3　结果解释 39

2.2.4　对引例的进一步分析 42

2.3　variance components过程 43

2.3.1　引例 43

2.3.2　界面说明 44

2.3.3　结果解释 45

第3章　混合线性模型入门

——mixed model菜单详解 46

3.1　模型简介 46

3.1.1　模型入门 47

3.1.2　混合效应模型的用途 49

3.2　linear过程 49

3.2.1　引例与界面说明 49

3.2.2　结果解释 54

3.2.3　对引例的进一步分析 55

3.3　混合线性模型分析实例 58

3.3.1　家庭聚集性数据 59

3.3.2　重复测量数据 59

3.3.3　嵌套设计数据 60

第二部分　回归分析

第4章　多元线性回归与曲线拟合

——regression菜单详解（上） 64

4.1　linear过程 65

4.1.1　线性回归模型简介 65

4.1.2　引例与界面说明 68

4.1.3　结果解释 73

4.1.4　对引例的进一步分析 74

4.1.5　一个多元回归实例 77

4.2　关于线性回归的高级话题 79

4.2.1　衡量多元线性

回归方程的标准 79

4.2.2　强影响点的诊断及对策 81

4.2.3　多重共线性问题及对策 82

4.2.4　分类自变量的设置与

哑变量的使用 84

4.2.5　趋势面分析 86

4.2.6　通径分析（path analysis） 86

4.3　curve estimation过程 87

4.3.1　引例 87

4.3.2　界面说明 88

4.3.3　结果解释 89

第5章　分类资料的回归分析

——regression菜单详解（中） 91

5.1　binary logistic过程 91

5.1.1　模型简介 91

5.1.2　引例 92

5.1.3　界面说明 92

5.1.4　结果解释 97

5.1.5　对引例的进一步分析 99

5.2　关于logistic模型的高级话题 100

5.2.1　模型中的假设检验方法 100

5.2.2　模型的自变量设置方法 101

5.2.3　模型诊断 104

5.2.4　配对logistic回归模型 107

5.3　multinomial logistic过程 109

5.3.1　引例 110

5.3.2　界面说明 110

5.3.3　结果解释 113

5.4　ordinal过程 115

5.4.1　引例 115

5.4.2　界面说明 116

5.4.3　结果解释 118

5.5　probit过程 119

5.5.1　引例 119

5.5.2　界面说明 120

5.5.3　结果解释 121

第6章　非线性回归及其他回归过程

——regression菜单详解（下） 124

6.1　nonlinear regression过程 124

6.1.1　引例与界面说明 125

6.1.2　结果解释 129

6.1.3　对非线性模型的深入探讨 131

6.2　weight estimation过程 132

6.2.1　引例与界面说明 132

6.2.2　结果解释 133

6.2.3　对引例的进一步分析 135

6.3　two-stage least-squares过程 135

6.3.1　引例与界面说明 136

6.3.2　结果解释 138

6.4　optimal scaling过程 139

6.4.1　引例与界面说明 140

6.4.2　结果解释 144

6.4.3　对引例的进一步分析 145

第三部分　多元统计分析方法

第7章　对数线性模型

——loglinear菜单详解 148

7.1　模型简介 148

7.1.1　原理 148

7.1.2　模型选择 149

7.2　general过程 150

7.2.1　引例 150

7.2.2　界面说明 151

7.2.3　结果解释 152

7.2.4　对引例的进一步分析 156

7.3　logit过程 156

7.3.1　引例与界面说明 157

7.3.2　结果解释 158

7.3.3　对引例的进一步分析 161

7.4　model selection过程 161

7.4.1　引例 161

7.4.2　界面说明 162

7.4.3　结果解释 163

第8章　聚类分析与判别分析

——classify菜单详解 166

8.1　k-means cluster过程 166

8.1.1　引例与界面说明 167

8.1.2　结果解释 169

8.1.3　对引例的进一步分析 170

8.2　hierarchical cluster过程 171

8.2.1　引例 171

8.2.2　界面说明 172

8.2.3　结果解释 175

8.3　discriminant过程 177

8.3.1　模型简介 177

8.3.2　引例 180

8.3.3　界面说明 181

8.3.4　结果解释 183

8.3.5　对引例的进一步分析 186

第9章　因子分析与对应分析

——data reduction菜单详解 190

9.1　factor analysis过程 190

9.1.1　模型简介 191

9.1.2　引例 193

9.1.3　界面说明 194

9.1.4　结果解释 197

9.1.5　对引例的进一步分析 200

9.2　correspondence analysis过程 202

9.2.1　引例与界面说明 203

9.2.2　结果解释 205

9.3　optimal scaling过程 208

9.3.1　引例与界面说明 208

9.3.2　结果解释 210

第10章　信度分析与多维尺度分析

——scale菜单详解 213

10.1　reliability analysis过程 213

10.1.1　引例与界面说明 214

10.1.2　结果解释 216

10.2　multidimensional scaling过程 217

10.2.1　引例与界面说明 218

10.2.2　结果解释 221

10.3 multidimensional scaling

(proxscal)过程 224

10.3.1　引例 225

10.3.2　界面说明 225

10.3.3　结果解释 230

10.3.4　对引例的进一步分析 232

第11章　结合分析 234

11.1　模型简介 234

11.1.1　为什么使用结合分析 234

11.1.2　常用术语 235

11.1.3　结合分析的基本步骤 236

11.1.4　spss中的相应过程 236

11.2　orthogonal design子菜单 237

11.2.1　generate项 237

11.2.2　display项 240

11.3　conjoint过程 241

11.3.1　引例及语法说明 241

11.3.2　结果解释 243

11.3.3　对引例的进一步分析 246

第四部分　其他高级统计分析方法

第12章　岁月如歌

——time series菜单详解 250

12.1　时间序列的建立和平稳化 251

12.1.1　缺失值的填补

——replace missing values

过程 251

12.1.2　时间变量的定义

——define dates过程 252

12.1.3　时间序列的平稳化

——create time series

过程 254

12.2　时间序列的图形化观察 258

12.2.1　序列图（sequence chart）

258

12.2.2　自相关图

（autocorrelation chart）

260

12.2.3　互相关图

（cross-correlation chart）
264

12.2.4　谱密度图（spectral chart）

266

12.2.5　交叉谱图

（the cross-spectrum） 268

12.3　exponential smoothing过程 269

12.3.1　模型简介 269

12.3.2　引例与界面说明 270

12.3.3　结果解释 272

12.4　autoregression过程 273

12.4.1　模型简介 273

12.4.2　引例与界面说明 274

12.5　arima过程 276

12.5.1　arma模型简介 277

12.5.2　标准建模步骤 278

12.5.3　界面说明 279

12.5.4　综合分析实例 280

12.6　季节解构

——seasonal decomposition

过程 286

12.6.1　引例与界面说明 286

12.6.2　结果解释 287

第13章　生存分析——survival菜单详解 290

13.1　生存分析简介 290

13.1.1　应用背景 290

13.1.2　基本术语 291

13.1.3　spss中相应模块简介 292

13.2　life tables过程 292

13.2.1　引例 293

13.2.2　界面说明 294

13.2.3　结果解释 295

13.3　kaplan-meier过程 297

13.3.1　引例与界面说明 297

13.3.2　结果解释 300

13.3.3　对引例的进一步分析 302

13.3.4　life tables过程

与kaplan-meier过程的比较
303

13.4　cox regression过程 304

13.4.1　模型简介 304

13.4.2　引例及界面说明 305

13.4.3　结果解释 309

13.4.4　对引例的进一步分析 311

13.5　关于cox模型的高级话题 312

13.5.1　分类自变量的定义

与比较方法 312

13.5.2　cox模型中的分层分析 312

13.5.3　配对logistic回归 313

13.5.4　竞争风险

（competing risks）的

cox模型 315

13.5.5　复发性疾病的cox模型 315

13.6　cox w/time-dep cov过程 316

13.6.1　模型简介 316

13.6.2　引例与界面说明 317

13.6.3　结果解释 319

13.6.4　分析时依cox模型时的

注意事项 320

第14章　缺失值分析

——missing value analysis

过程详解 321

14.1　缺失值理论简介 321

14.1.1　数据的缺失方式 321

14.1.2　spss中可用的缺失值

处理方法 322

14.2　界面说明 323

14.3　分析实例 326

14.3.1　缺失值的生成及分析操作 326

14.3.2　结果解释 327

14.3.3　对引例的进一步分析 328

第15章　其他统计分析功能

——不得不说的故事 331

15.1　典型相关分析 331

15.1.1　方法简介 331

15.1.2　引例及语法说明 331

15.1.3　结果解释 332

15.2　岭回归分析 335

15.2.1　方法简介 335

15.2.2　引例及语法说明 336

15.2.3　结果解释 336

15.3　广义线性模型简介 337

附录　spss公司部分软件介绍 340

参考文献 345