- 中文名
- SPSS统计分析高级教程
- 作 者
- 张文彤，董伟
- 出版社
- 高等教育出版社
- 出版时间
- 2018年1月
- 页 数
- 525 页
- 定 价
- 65 元
- 开 本
- 16 开
- 装 帧
- 平装
- ISBN
- 978-7-04-049033-6
简介
版本历史
第1版：
2004年9月出版，以SPSS 12为准。
第2版：
2013年3月出版，以SPSS 20为准。
[1]
第3版：
2018年1月出版，以SPSS 24为准。和第2版相比，针对SPSS通过Python插件和R插件提供各种统计模型，除介绍新版本直接提供的新方法外，本书还对较重要的一些用插件方式提供的方法进行了介绍，包括分位数回归、弗斯logisit回归、潜类别分析、
支持向量机
、随机森林、项响应模型等，并在附录中介绍了相应插件的安装方法，以帮助读者及时跟进统计方法领域的最新进展，并能在工作中充分发挥SPSS软件的威力。
目录
1.1 模型简介
1.2 案例：胶合板磨损深度的比较
1.3 两因素方差分析模型
1.4 因素各水平间的精细比较
1.5 方差分析模型进阶
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
2.2 考虑交互作用的实验设计方案
2.3 误差项变动的特殊实验设计方案
2.4 协方差分析
3.1 多元方差分析
第4章 线性混合模型
4.1 模型简介
4.2 层次聚集性数据案例
4.3 重复测量数据案例
4.4 线性混合模型进阶
第5章 广义线性模型，广义估计方程 与广义线性混合模型
5.1 广义线性模型
5.2 广义估计方程
5.3 广义线性混合模型
第二部分 回归模型
6.1 模型简介
6.2 案例：销量影响因素分析
6.3 回归预测与区间估计
6.4 残差分析
6.5 逐步回归
6.6 模型的进一步诊断与修正
6.7 自动线性建模
第7章 线性回归的衍生模型
7.1 非直线趋势的处理：曲线直线化
7.2 方差不齐的处理：
加权最小二乘法
7.3 共线性的处理：岭回归
7.4 分类变量的数值化：最优尺度回归
7.5 强影响点的弱化：稳健回归与分位数回归
7.6 其余回归方法简介
第8章 路径分析入门
8.1 两阶段
最小二乘法
8.2 路径分析入门
9.1 模型简介
9.2 案例：通风时间和毒物浓度的曲线方程
9.3 自定义损失函数：最小一乘法
9.4 分段回归模型的拟合
第10章 二分类logistic回归模型
10.1 模型简介
10.2 案例：低出生体重儿影响因素研究
10.3 分类自变量的定义与比较方法
10.4 自变量的筛选方法与逐步回归
10.5 弗斯Logistic回归
11.1 有序多分类logistic回归模型
11.2 无序多分类logistic回归模型
11.3 1:1配对logistic回归
11.4 probit回归模型
第12章 对数线性模型、Poisson回归模型 与潜类别分析
12.1 对数线性模型简介
12.2 一般对数线性模型
12.3 因果关系明确时的对数线性模型
12.4 对数线性模型的自动筛选
12.5 对数线性模型与其它模型的关系
12.6 Poisson回归模型
12.7 潜类别分析简介
第三部分 多元统计分析方法
第13章 主成份分析、因子分析与多维偏好分析
13.1 主成份分析
13.2 因子分析
13.3 因子分析进阶
13.4 分类数据的主成份分析（多维偏好分析）
第14章 对应分析
14.1 模型简介
14.2 案例：头发颜色与眼睛颜色的关联
14.3 基于均数的对应分析
14.4 对应分析进阶
14.5 基于最优尺度变换的多重对应分析
第15章 典型相关分析
15.1 模型简介
15.2 案例：体力指标和运动能力指标的相关分析
15.3 典型相关分析进阶
15.4 基于最优尺度变换的非线性典型相关分析
第16章 多维尺度分析
16.1 不考虑个体差异的MDS模型
16.2 考虑个体差异的MDS模型
16.3 基于最优尺度变换的MDS模型
16.4 多维展开模型
第17章 聚类分析
17.1 模型简介
17.2 K-均值聚类法
17.3 聚类结果的验证与自动优化
17.4
层次聚类法
17.4 两步聚类法
17.5 聚类分析进阶
第18章 经典判别分析
18.1 模型简介
18.2 案例：鸢尾花种类判别
18.3 贝叶斯判别分析
18.4 判别分析进阶
第四部分 其他统计分析方法
第19章 树模型、随机森林与最近邻元素法
19.1 树模型简介
19.2 案例：移动客户流失预测
19.3 对案例的进一步分析
19.4 常见的树模型算法
19.5 随机森林
19.6 最近邻元素法
第20章 神经网络与
支持向量机
20.1 模型简介
20.2 案例：对低出生体重儿案例的重新分析
20.3 对案例的进一步分析
20.4 径向基神经网络
20.5 支持向量机简介
第21章 信度分析
21.1 信度理论入门
21.2 案例：问卷信度分析
21.3 其余常用的信度系数
21.4 概化理论简介
第22章 联合分析
22.1 模型简介
22.2 联合分析的
正交试验设计
22.3 联合分析的数据建模
22.4 联合分析进阶
第23章
时间序列模型
23.1 模型简介
23.2 时间序列的建立和平稳化
23.3 时间序列的图形化观察
23.4 时间序列的建模与预测
23.5 季节分解
23.6 时间因果模型
第24章 生存分析
24.1 生存分析简介
24.2 生存函数的估计和检验
24.3 Cox回归模型
24.4 含时间依存变量的Cox模型
24.5 Cox模型进阶
24.6 加速失效时间模型
第25章 缺失值分析
25.1 缺失值理论简介
25.2 对缺失情况的基本分析
25.3 缺失值填充技术
25.4 多重填充
附录1 常见多变量/多元统计分析方法分类图
附录2 Python插件和R插件的安装方法
