世界优秀统计工具SPSS 11统计分析教程（高级篇）

作者：张文彤主编

出版社：北京希望电子出版社

出版时间：2002-01-01

ISBN：9787900101235

定价：¥40.00

　　SPSS是世界最为优秀的统计工具之一，深受各行业用户的青睐，SPSS 11.0是其最新版本。本书为《SPSS 11.0统计分析教程》的高级篇，由4部分15章及3个附录组成。主要内容包括：一般线性模型、混合线性模型、多元线性回归与曲线拟合、分类资料的回归分析、非线性回归及其他回归过程、对数线性模型、聚类分析与判别分析、因子分析与对应分析、信度分析与多维尺度分析、生存分析、缺失值分析等。本书作者从统计专业用户的角度出发，结合自身多年的SPSS使用经验，在以风趣、明快的笔触介绍软件操作的同时，注意将相应的统计学知识融入其中。书中既有深入浅出的软件功能介绍，又有针对实际问题的解决办法，更侧重于对统计新方法、新观点的讲解。本书不仅是SPSS 10～11版的通用入门教材，也是各行业数据开发、应用的广大从业人员的重要指导书，同时也可作为大专院校相关专业的参考书。本版CD为SPSS 11.0相关材料和书中有关数据，并赠送SPSS 11.0试用版软件。

暂缺《世界优秀统计工具SPSS 11统计分析教程（高级篇）》作者简介

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