点此进入淘宝搜索页搜索　　參考價格: 点此进入淘宝搜索页搜索
　　分類: 图书,教材教辅与参考书,大学,综合,
　　品牌: 薛薇

基本信息·出版社：电子工业出版社

·页码：484 页

·出版日期：2009年

·ISBN：7121069660/9787121069666

·条形码：9787121069666

·包装版本：2版

·装帧：平装

·开本：16

·正文语种：中文

·丛书名：北京高等教育精品教材

·附带品描述：附赠CD光盘一张

产品信息有问题吗？请帮我们更新产品信息。

内容简介《SPSS统计分析方法及应用》(第2版)是北京高等教育精品教材。全书以统计分析的应用需求为主线，以通俗易懂的语言对SPSS中的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，明确方法的适应特点。《SPSS统计分析方法及应用》(第2版)克服SPSS手册类教材中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中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。

编辑推荐《SPSS统计分析方法及应用》(第2版)适合于从事统计分析和决策的各领域各相关专业的读者，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。同时，也可作为高等院校财经类专业研究生和本科生掌握SPSS统计分析方法和软件使用的教材。

目录

第1章 SPSS统计分析软件概述

1．1 SPSS的发展及特点

1．2 SPSS使用基础

1．2．1 SPSS软件的安装和启动

1．2．2 SPSS的基本操作环境

1．2．3 SPSS软件的退出

1．2．4 SPSS软件的三种基本使用方式

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

1．4 利用统计教练快速入门SPSS

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（Name）

2．2．2 数据类型（Type）、宽度（Width）、列宽度（Columns）

2．2．3 变量名标签（Label）

2．2．4 变量值标签（Values）

2．2．5 缺失数据（Missing）

2．2．6 计量尺度（Measure）

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 条件表达式

3．2．4 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

3．7．4 SPSS变量集

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 交叉分析下的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WhitneyU）

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WolfwitzRuns）

7．2．4 极端反应检验(MosesExtremeReactions)

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CochranQ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 回归参数的普通最小二乘估计

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

8．6 二项Logistic回归

8．6．1 二项Logistic回归概述

8．6．2 二项Logistic回归分析的基本操作

8．6．3 二项Logistic回归分析的其他操作

8．6．4 二项Logistic回归的应用举例

第9章 SPSS的聚类分析

9．1 聚类分析的一般问题

9．1．1 聚类分析的意义

9．1．2 聚类分析中“亲疏程度”的度量方法

9．1．3 聚类分析几点说明

9．2 层次聚类

9．2．1 层次聚类的两种类型和两种方式

9．2．2 个体与小类、小类与小类间“亲疏程度”的度量方法

9．2．3 层次聚类的基本操作

9．2．4 层次聚类的应用举例

9．3 KMeans聚类

9．3．1 KMeans聚类分析的核心步骤

9．3．2 KMeans聚类分析的基本操作

9．3．3 KMeans聚类分析的应用举例

第10章 SPSS的因子分析

10．1 因子分析概述

10．1．1 因子分析的意义

10．1．2 因子分析的数学模型和相关概念

10．2 因子分析的基本内容

10．2．1 因子分析的基本步骤

10．2．2 因子分析的前提条件

10．2．3 因子提取和因子载荷矩阵的求解

10．2．4 因子的命名

10．2．5 计算因子得分

10．3 因子分析的基本操作及案例

10．3．1 因子分析的基本操作

10．3．2 因子分析的应用举例

第11章 SPSS的对应分析

11．1 对应分析概述

11．1．1 对应分析的提出

11．1．2 对应分析的基本思想

11．2 对应分析的基本步骤

11．3 对应分析的基本操作及案例

11．3．1 对应分析的基本操作

11．3．2 对应分析的应用举例

第12章 SPSS的信度分析

12．1 信度分析概述

12．1．1 信度分析的提出

12．1．2 信度分析的基本原理

12．2 信度分析的基本操作及案例

12．2．1 信度分析的基本操作

12．2．2 信度分析的应用举例

第13章 SPSS的对数线性模型

13．1 对数线性模型概述

13．1．1 模型的提出

13．1．2 基本概念和基本思路

13．2 饱和模型和非饱和层次模型

13．2．1 饱和模型和参数估计

13．2．2 饱和模型检验

13．2．3 非饱和层次模型

13．2．4 建立饱和模型和非饱和层次模型的基本操作

13．2．5 饱和模型和非饱和层次模型的应用举例

13．3 一般模型

13．3．1 一般模型的概述

13．3．2 建立一般模型的基本操作

13．3．3 建立一般模型的应用举例

13．4 Logit模型

13．4．1 Logit模型的概述

13．4．2 Logit模型的应用举例

第14章 SPSS的时间序列分析

14．1 时间序列分析概述

14．1．1 时间序列的相关概念

14．1．2 时间序列分析的一般步骤

14．1．3 SPSS时间序列分析的特点

14．2 数据准备

14．3 时间序列的图形化观察及检验

14．3．1 时间序列的图形化观察及检验目的

14．3．2 时间序列的图形化观察工具

14．3．3 时间序列的检验方法

14．3．4 时间序列的图形化观察和检验的基本操作

14．4 时间序列的预处理

14．4．1 时间序列预处理的目的和主要方法

14．4．2 时间序列预处理的基本操作

14．5 时间序列的简单回归分析法和趋势外推法

14．5．1 简单回归分析法和趋势外推法概述

14．5．2 简单回归分析法和趋势外推法应用举例

14．6 指数平滑法

14．6．1 指数平滑法的基本思想

14．6．2 指数平滑法的模型

14．6．3 指数平滑法的基本操作

14．6．4 指数平滑法的应用举例

14．7 自回归法

14．7．1 自回归法的基本思想和模型

14．7．2 自回归法的基本操作

14．7．3 自回归法的应用举例

14．8 ARIMA模型分析

14．8．1 ARIMA分析的基本思想和模型

14．8．2 ARIMA分析的基本操作

14．8．3 ARIMA分析的应用举例

14．9 季节调整法

14．9．1 季节调整法的基本思想和模型

14．9．2 季节调整法的基本操作

14．9．3 季节调整法的应用举例

参考文献

……[看更多目录]

序言一、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、统计数据库管理系统和统计数据库系统、统计信息系统三大类。

统计分析软件是依据统计分析方法开发的支持数据分析的工具型软件，比如SPSS和SAS等。

统计数据库管理系统是根据统计处理对象(统计数据)的特征和一般处理功能而研制的数据库管理系统(DBMS)，统计数据库系统则是基于统计数据库管理系统而建立的包含统计数据资源的数据库系统。

统计信息系统是采用软件开发平台，结合统计数据库管理系统和统计分析软件等核心技术开发的服务于统计业务处理和统计数据分析的信息系统。根据统计业务的不同处理层次和服务对象，统计信息系统一般又可以分为统计基础业务系统、统计经营管理系统和统计决策支持系统。统计基础业务系统主要用于统计数据的采集处理和统计报表的采集处理，包括统计专项调查与普查处理系统等；统计经营管理系统主要用于统计数据和报表的汇总、查询、传输、基本分析和信息发布等；统计决策支持系统主要用于统计数据综合分析预测和深入的数据挖掘处理等。

因此，本书将重点讨论的SPSS软件是一种专业的统计分析软件，用于数据的各种分析，进而最终为企事业的科学决策服务。

文摘第1章SPSS统计分析软件概述

中国企业面临着市场化的挑战。在过去改革开放的三十年里，我国的经济体制由计划经济步入了社会主义市场经济的运行轨道，这一客观现实要求中国企业必须能够独立地面对市场经济的大风大浪。企业只有利用一切可能的条件和手段，及时获取各种千变万化的市场信息，准确理解信息中蕴涵的深层含义，并迅速制定出符合企业自身特点的经营战略，在动态的市场环境中不断快速调整竞争策略和方向，企业才有可能在残酷的市场竞争中处于不败之地并不断发展。所以，吸收先进的管理理论，利用先进的信息技术和数据分析方法，“多快好省”地获取市场信息，了解市场变化，对市场信息进行科学分析和科学决策，已经成为中国企业能否成为竞争“赢家”的关键。在加入WTO后，中国企业在面临着更广泛的客户选择的同时，也面临着更强大对手的竞争。因此，在这种大趋势下，如果说工业化时代企业信奉“时间是金钱，效率是生命”的企业精神，那么，进入21世纪的信息化时代，企业则应树立“信息是金钱，决策是生命”的科学理念。

中国企业面临着客户需求个性化的挑战。一方面，随着企业生产技术和服务水平的普遍提高，产品的“同质化”特征越来越明显，市场竞争也已呈白热化趋势。此时，企业拓展生存空间、提升竞争力的有效途径是为客户提供满足客户需要的、竞争对手无法“效仿”的个性化服务；同时，随着现代社会人们自我意识的不断加强和对个性化需求的不懈追求，对企业提供个性化服务的呼声也愈来愈高。所有这些都强烈地冲击着传统的企业经营模式，企业的经营战略正逐步由“以产品为中心”的卖方市场向“以客户为中心”买方市场转移，从关心重量、数量、质量的工业化思路向满足个性化服务的方向转移。

市场化和个性化对企业的挑战，要求企业承担起信息化和定量分析的重任，只有信息化才能够迅速全面地感知市场化和个性化的要求，只有定量分析才能对感知信息做出科学分析和正确决策。

以数据库技术等为代表的企业信息化技术，为收集、存储和管理大量的市场和客户数据，建立企业级的数据库管理信息系统打下了坚实的基础。而统计分析软件则是基于数据库基础之上实现深层次定量分析并辅助企业级决策的有效工具。

SPSS统计分析软件以其强大的统计分析功能、方便易用的用户操作方式、灵活的表格式分析报告和精美的图形展现形式，赢得了各领域广大数据分析人员的喜爱，并得到了广泛应用。同时，SPSS统计分析软件也已成为许多大专院校统计学

……[看更多书摘]

 

 

免责声明：本文为网络用户发布，其观点仅代表作者个人观点，与本站无关，本站仅提供信息存储服务。文中陈述内容未经本站证实，其真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。