SPSS进阶分析与实务

本书以统计理论为主线，以解决实际问题为导向，详细介绍了SPSS在多变量方差分析、协方差分析、线性回归分析、主成分分析、因子分析、聚类分析、判别分析、决策树、神经网络、时间序列分析、对应分析、典型相关分析、简单效应、简单简单效应、调节效应、中介效应及多重响应分析中的应用。本书结合理论与实践，具有较强的技术应用性和针对性，主要面向各个专业的初、中级SPSS的使用者，以及想要深入学习和应用统计学的读者。

第 1 章 多个因变量的假设检验：多变量方差分析 .............................................................. 1
1.1 多变量方差分析 ................................................................................................................ 1
1.1.1 多变量方差分析简介 ............................................................................................ 1
1.1.2 多变量方差分析的应用条件 ................................................................................ 1
1.2 多变量方差分析案例：不同舞蹈学校的分数差异分析 ................................................. 2
1.2.1 选择变量 ................................................................................................................ 3
1.2.2 设置模型选项 ........................................................................................................ 3
1.2.3 设置事后选项 ........................................................................................................ 4
1.2.4 选项设置 ................................................................................................................ 4
1.2.5 输出结果 ................................................................................................................ 5
1.3 本章小结 ............................................................................................................................ 8

第 2 章 校正混杂因素：协方差分析 .................................................................................... 9
2.1 协方差分析简介 ................................................................................................................ 9
2.2 协方差分析案例：早读对成绩的影响 .......................................................................... 10
2.2.1 回归拟合线平行性检验 ...................................................................................... 11
2.2.2 计算和检验修正均数（正式进行协方差分析） ............................................... 15
2.3 本章小结 .......................................................................................................................... 18

第 3 章 因变量为连续变量的估计与预测：线性回归分析 ................................................. 19
3.1 线性回归分析简介 .......................................................................................................... 19
3.1.1 简单线性回归分析简介 ...................................................................................... 19
3.1.2 多重线性回归分析简介 ...................................................................................... 20
3.2 简单线性回归分析 .......................................................................................................... 20
3.2.1 简单线性回归分析的假设条件 .......................................................................... 21
3.2.2 简单线性回归分析案例：身高和体重的关系 ................................................... 26
3.3 多重线性回归分析 .......................................................................................................... 27
3.3.1 多重线性回归分析的假设条件 .......................................................................... 28
3.3.2 多重线性回归分析案例：年收入的影响因素 ................................................... 28
3.4 回归诊断 .......................................................................................................................... 33
3.4.1 异常值判断 .......................................................................................................... 33
3.4.2 独立性检验 .......................................................................................................... 37
3.4.3 正态性检验 .......................................................................................................... 39
3.4.4 方差齐性检验 ...................................................................................................... 40
3.4.5 多重共线性诊断 .................................................................................................. 41
3.5 权重估计 .......................................................................................................................... 43
3.5.1 权重估计简介 ...................................................................................................... 43
3.5.2 权重估计案例：收入影响因素分析................................................................... 43
3.6 加权最小二乘法 .............................................................................................................. 46
3.6.1 加权最小二乘法简介 .......................................................................................... 46
3.6.2 加权最小二乘法案例：收入影响因素分析 ....................................................... 46
3.7 二阶最小二乘法 .............................................................................................................. 48
3.7.1 二阶最小二乘法简介 .......................................................................................... 48
3.7.2 二阶最小二乘法案例：影响成绩的数据 ........................................................... 49
3.8 分层回归分析 .................................................................................................................. 51
3.8.1 分层回归分析简介 .............................................................................................. 51
3.8.2 分层回归分析案例：影响个人收入的因素 ....................................................... 52
3.9 本章小结 .......................................................................................................................... 56

第 4 章 因变量为离散变量的估计与预测：Logistic 回归模型 ........................................... 58
4.1 Logistic 回归模型简介 .................................................................................................... 58
4.1.1 Logistic 回归模型的公式 .................................................................................... 58
4.1.2 Logistic 回归分析的目的 .................................................................................... 59
4.1.3 Logistic 回归模型的适用条件 ............................................................................ 59
4.1.4 Logistic 回归分析的主要用途 ............................................................................ 60
4.2 二元 Logistic 回归模型 ................................................................................................... 60
4.2.1 二元 Logistic 回归模型简介 ............................................................................... 61
4.2.2 二元 Logistic 回归分析案例：学业成就数据 .................................................... 61
4.3 多元 Logistic 回归模型 ................................................................................................... 67
4.3.1 多元 Logistic 回归模型简介 ............................................................................... 67
4.3.2 多元 Logistic 回归分析案例：数学成绩调查数据 ............................................ 68
4.4 有序回归模型 .................................................................................................................. 71
4.4.1 有序回归模型简介 .............................................................................................. 71
4.4.2 有序回归分析案例：影响个人收入水平的因素 ............................................... 71
4.5 本章小结 .......................................................................................................................... 74

第 5 章 回归模型进阶：其他回归模型 .............................................................................. 76
5.1 很优尺度回归模型 .......................................................................................................... 76
5.1.1 很优尺度回归模型简介 ...................................................................................... 76
5.1.2 很优尺度回归分析案例：师生关系的预测因素 ............................................... 77
5.2 非线性回归模型 .............................................................................................................. 83
5.2.1 曲线估计回归模型 .............................................................................................. 84
5.2.2 非线性回归模型简介 .......................................................................................... 87
5.2.3 曲线估计回归模型与非线性回归模型的比较 ................................................... 90
5.3 多层线性模型 .................................................................................................................. 91
5.3.1 多层线性模型简介 .............................................................................................. 92
5.3.2 多层线性模型（零模型）案例：语文成绩预测因素 ....................................... 93
5.3.3 多层线性模型（全模型）案例：语文成绩预测因素 ....................................... 95
5.4 对数线性模型 .................................................................................................................. 98
5.4.1 对数线性模型简介 .............................................................................................. 98
5.4.2 对数线性模型案例：不同学历人员的收入水平数据 ....................................... 99
5.5 本章小结 ........................................................................................................................ 101

第 6 章 简化多变量复杂关系：主成分分析与因子分析 ................................................... 102
6.1 主成分分析 .................................................................................................................... 102
6.1.1 主成分分析简介 ................................................................................................ 102
6.1.2 主成分分析案例：各省市特征指标的降维 ..................................................... 104
6.2 因子分析 ........................................................................................................................ 106
6.2.1 因子分析简介 .................................................................................................... 106
6.2.2 因子分析案例：学生知识结构状况................................................................. 106
6.3 本章小结 ........................................................................................................................ 112

第 7 章 数据归约技术：聚类分析 .................................................................................... 114
7.1 聚类分析简介 ................................................................................................................ 114
7.2 K 均值聚类 .................................................................................................................... 115
7.2.1 K 均值聚类简介................................................................................................. 115
7.2.2 K 均值聚类案例：土壤样本聚类 ..................................................................... 116
7.3 系统聚类 ........................................................................................................................ 119
7.3.1 系统聚类简介 .................................................................................................... 119
7.3.2 系统聚类案例：土壤指标聚类 ........................................................................ 120
7.4 二阶聚类 ........................................................................................................................ 123
7.4.1 二阶聚类简介 .................................................................................................... 123
7.4.2 二阶聚类案例：潮间带大型动物的群落结构 ................................................. 124
7.5 本章小结 ........................................................................................................................ 127

第 8 章 建立分组预测模式：判别分析 ............................................................................ 128
8.1 Fisher 判别分析 ............................................................................................................. 128
8.1.1 Fisher 判别分析简介 ......................................................................................... 128
8.1.2 Fisher 判别分析案例：鸢尾花分类.................................................................. 128
8.2 Bayes 判别分析 ............................................................................................................. 133
8.2.1 Bayes 判别分析简介 ......................................................................................... 133
8.2.2 Bayes 判别分析案例：鸢尾花分类 .................................................................. 133
8.3 本章小结 ........................................................................................................................ 138

第 9 章 预测变量的二元分离：决策树 ............................................................................ 139
9.1 决策树简介 .................................................................................................................... 139
9.2 C4.5 算法 ....................................................................................................................... 139
9.2.1 构造决策树 ........................................................................................................ 140
9.2.2 决策树剪枝 ........................................................................................................ 141
9.3 SPSS Modeler 的 C5.0 算法实现 .................................................................................. 143
9.3.1 SPSS Modeler 简介 ............................................................................................ 143
9.3.2 C5.0 算法分析案例：患者用药策略 ................................................................ 144
9.4 本章小结 ........................................................................................................................ 154

第 10 章 自适应、自学习：神经网络 .............................................................................. 155
10.1 神经网络简介 .............................................................................................................. 155
10.2 神经网络模型 .............................................................................................................. 155
10.2.1 激励函数表达方式 .......................................................................................... 156
10.2.2 传播方式 .......................................................................................................... 158
10.2.3 神经网络模型案例：鸢尾花分类 .................................................................. 159
10.3 本章小结 ...................................................................................................................... 165

第 11 章 时序数据的预测：时间序列分析 ....................................................................... 166
11.1 时间序列分析简介 ...................................................................................................... 166
11.2 指数平滑模型 .............................................................................................................. 167
11.2.1 指数平滑模型简介 .......................................................................................... 167
11.2.2 指数平滑模型案例：药品产量 ....................................................................... 168
11.3 自回归综合移动平均模型 .......................................................................................... 176
11.3.1 自回归综合移动平均模型简介 ....................................................................... 176
11.3.2 自回归综合移动平均模型实例分析案例：体检中心收入 ........................... 176
11.4 本章小结 ...................................................................................................................... 181

第 12 章 发现多个分类变量间的潜在关系：对应分析 .................................................... 182
12.1 对应分析简介 .............................................................................................................. 182
12.2 简单对应分析 .............................................................................................................. 183
12.2.1 简单对应分析实现 .......................................................................................... 183
12.2.2 简单对应分析案例：家庭结构与学历 ........................................................... 187
12.3 基于均数的对应分析 .................................................................................................. 190
12.3.1 基于均数的对应分析简介 .............................................................................. 190
12.3.2 基于均数的对应分析案例：各行业经济增长状况比较 ............................... 191
12.4 基于很优尺度变换的多重对应分析 .......................................................................... 194
12.4.1 基于很优尺度变换的多重对应分析简介 ....................................................... 194
12.4.2 基于很优尺度变换的多重对应分析案例：家庭结构与学历 ....................... 201
12.5 本章小结 ...................................................................................................................... 205

第 13 章 两组变量的相关分析：典型相关分析 ............................................................... 206
13.1 典型相关分析简介 ...................................................................................................... 206
13.2 典型相关分析案例：旅游前的旅游信息搜索动机与旅游行为之间的关系 ........... 207
13.2.1 使用 Canonical 宏程序进行典型相关操作 .................................................... 207
13.2.2 使用 MANOVA 语法进行典型相关操作 ....................................................... 211
13.2.3 输出结果 .......................................................................................................... 215
13.3 基于很优尺度变换的非线性典型相关分析 .............................................................. 216
13.3.1 基于很优尺度变换的非线性典型相关分析简介 ........................................... 216
13.3.2 基于很优尺度变换的非线性典型相关分析案例：家庭结构与学历 ........... 217
13.4 本章小结 ...................................................................................................................... 221

第 14 章 交互效应分析进阶：简单效应与简单简单效应 ................................................. 222
14.1 重复测量设计的简单效应与简单简单效应 .............................................................. 222
14.1.1 简单效应简介 .................................................................................................. 223
14.1.2 简单简单效应简介 .......................................................................................... 224
14.1.3 分析策略 .......................................................................................................... 224
14.1.4 简单效应案例：不同教学方法与智力的关系 ............................................... 224
14.1.5 简单简单效应案例：不同教学方法与智力的关系 ....................................... 228
14.2 被试间设计的简单效应与简单简单效应 .................................................................. 231
14.2.1 分析策略 .......................................................................................................... 232
14.2.2 简单效应案例：心理学反应时研究 ............................................................... 232
14.2.3 简单简单效应案例：心理学反应时研究 ....................................................... 235
14.3 本章小结 ...................................................................................................................... 239

第 15 章 调节变量与中介变量分析方法：调节效应与中介效应 ...................................... 243
15.1 调节效应 ...................................................................................................................... 243
15.1.1 调节效应简介 .................................................................................................. 243
15.1.2 自变量和调节变量均为连续变量的调节效应分析 ....................................... 245
15.1.3 自变量为连续变量、调节变量为分类变量的调节效应分析 ....................... 249
15.1.4 自变量为分类变量、调节变量为连续变量的调节效应分析 ....................... 254
15.1.5 自变量、调节变量均为分类变量的调节效应分析 ....................................... 257
15.2 Process 插件 ................................................................................................................. 258
15.2.1 Process 插件的安装及应用 ............................................................................. 258
15.2.2 Bootstrap 方法及其应用 .................................................................................. 260
15.2.3 使用 Process 插件检验调节效应 .................................................................... 260
15.2.4 使用 Process 插件检验中介效应 .................................................................... 264
15.2.5 中介效应与调节效应的混合模型 .................................................................. 270
15.3 本章小结 ...................................................................................................................... 274

第 16 章 多项选择题的分析处理：多重响应分析 ............................................................ 275
16.1 多重响应分析 .............................................................................................................. 275
16.1.1 多重响应分析案例：注册某软件时选过的标签 ........................................... 276
16.1.2 多重响应变量集的频率差异卡方检验案例：标签选择 ............................... 280
16.1.3 多重响应变量集的交叉表分析案例：标签选择 ........................................... 282
16.2 本章小结 ...................................................................................................................... 284
参考文献 ........................................................................................................................... 285