《SPSS 统计分析从入门到精通(第2版)》一导读

简介: SPSS 统计分析从入门到精通(第2版) 随着大数据概念的兴起,数据分析与挖掘受到越来越多行业的持续关注,如何做到大有所用、大有产出成为业内热议的话题。工欲善其事,必先利其器。在对数据及对应业务的理解方面,SPSS始终是数据分析从业者可靠的利器之一


b8254420b04e4405ffdb1170a58f0b1a3ffbca5d

前 言

SPSS 统计分析从入门到精通(第2版)
随着大数据概念的兴起,数据分析与挖掘受到越来越多行业的持续关注,如何做到大有所用、大有产出成为业内热议的话题。工欲善其事,必先利其器。在对数据及对应业务的理解方面,SPSS始终是数据分析从业者可靠的利器之一。

IBM SPSS Statistics 20 也是与时俱进,持续提供优秀的操作体验和分析性能。其操作友好性、模型可靠性以及与其他平台的兼容性等,都有了非常大的提升。IBM SPSS Statistics 20还增加了许多新的特点,如扩展了线性模型关于预测有序变量的功能,增加了广义线性模型(GZLMs)和广义估计方程(GEEs),可用于处理类型更广泛的统计模型问题;增加了地图可视化功能,用于创建不同类型地图的直观表示模板,包括增强在地图中按区域展示结果的功能;更快地生成表格,比现有的表格生成速度快5倍甚至更多,和表格相关的其他操作的速度也有显著提高;提高了排序和保存的性能;在Server端运行作业时,可断开与远程服务器的连接,稍后再重新连接并检索结果。

本书第2版采用IBM SPSS Statistics 20(中文界面),并更新之前版中的内容,保持了与最新工具的同步性,同时对实例描述和统计结果解释等内容加以补充和拓展,使本书在使用上更加方便,进一步提高了实用价值。

我们致力于使读者全面了解SPSS,学习如何使用SPSS进行数据融合、数据分析、结果展示等工作。全书分为25章:第1~3章介绍SPSS系统环境的设置,以及对数据和文件的基本操作;第4~18章是各种统计分析方法及其对应SPSS过程的操作详解,包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、分类分析、生存分析、时间序列分析、多重响应分析等;第19章介绍各种统计图形的生成和编辑;第20~25章列举了用SPSS处理多种行业数据的案例,包括上市公司财务数据分析、影响汇率的因素分析、多因素试验设计等多方面的应用。

本书内容全面且实例丰富,涉及基本的统计分析方法、常用的数据挖掘手段,软件操作讲解流畅,结果分析详尽透彻,是一本辅助读者使用SPSS进行统计分析的良好参考用书。对于读者关心的各种模型参数含义及其设置方法,书中力求讲解详尽;而且从软件操作步骤到行业案例分析,都配有图形指示和样本数据实例分析;对于数理统计和分析方法的相关背景,书中做简单铺垫后,给出算法的基本思想或关键步骤,重点介绍软件操作方法和参数设置,以期达到读者通过本书可以理解和应用相关统计方法的目的。若读者再参考有关统计分析的专业书籍或不同背景知识的书籍,再加上不断的操作演练和实践,就能做更深入的算法改进、应用创新等研究性工作。

目 录

第1章 SPSS 20概述
第2章 数据文件的建立与操作
第3章 数据文件的操作
第4章 基本统计分析功能
第5章 均值比较和T检验
第6章 非参数检验
6.1 非参数检验简介
6.2 卡方检验
6.3 二项式检验
6.4 游程检验
6.5 单样本Kolmogorov-Smirnov检验
6.6 两个独立样本检验
6.7 k个独立样本的检验
6.8 两个相关样本的检验
6.9 k个相关样本的检验
第7章 多重响应分析
第8章 回归分析
第9章 方差分析
第10章 相关分析
第11章 因子分析
第12章 分类分析
第13章 生存分析
第14章 信度分析
第15章 时间序列分析
第16章 对数线性模型
第17章 对应分析
第18章 缺失值分析
第19章 统计图形
第20章 上市公司财务危机预警分析
第21章 影响汇率的因素分析
第22章 因子分析在成绩综合评价中的应用
第23章 高等教育办学条件的聚类分析
第24章 试卷信度的检验与分析
第25章 多因素试验的设计与分析

相关文章
|
6月前
|
机器学习/深度学习 数据可视化 数据挖掘
使用R语言进行统计分析的深入探索
【5月更文挑战第22天】R语言是数据分析首选工具,以其强大的统计计算和图形绘制功能受青睐。本文介绍了R在描述性统计、假设检验、回归分析、聚类分析和时间序列分析中的应用。通过线性回归案例展示了R如何进行数据分析,强调了其在数据科学中的重要地位。随着数据科学的发展,R语言将继续发挥关键作用。
|
3月前
|
数据采集 机器学习/深度学习 数据可视化
使用R语言进行统计分析:入门与实践
【8月更文挑战第10天】通过本文,我们介绍了使用R语言进行统计分析的基本流程,包括数据加载、数据清洗、描述性统计、假设检验以及数据可视化等关键步骤。R语言以其强大的功能和丰富的包资源,为数据分析师和科学家提供了强大的工具。随着你对R语言的
|
4月前
|
数据采集 数据可视化 大数据
R语言在统计分析中的应用与实践
【7月更文挑战第30天】R语言以其强大的统计分析能力和开源自由的特性,在统计分析领域发挥着重要作用。无论是基础的描述性统计、推断性统计,还是复杂的回归分析、时间序列分析和生存分析,R语言都提供了丰富的函数和包来支持。通过学习和掌握R语言,数据分析师和研究者可以更加高效地进行数据分析,获取有价值的信息和结论。未来,随着大数据和云计算等新兴技术的发展,R语言的应用前景将更加广阔。
|
6月前
|
算法 数据挖掘
R语言在统计分析中的应用
【4月更文挑战第25天】本文探讨了R语言在统计分析的广泛应用,包括描述性统计(如`mean()`, `median()`, `sd()`函数)、推断性统计(如`t.test()`, `aov()`)、回归分析(`lm()`, `glm()`)、时间序列分析(`ts()`, `auto.arima()`)、贝叶斯统计与模拟、多元统计(主成分分析、因子分析、聚类和判别分析)。R的开源性质和丰富的包生态系统使其成为统计工作的理想工具,助力用户保持对最新统计方法的了解。
80 0
|
6月前
|
数据挖掘
SPSS频数分析
SPSS频数分析
86 0
SPSS频数分析
|
6月前
|
数据挖掘
SPSS列联表分析
SPSS列联表分析
164 0
|
6月前
|
数据挖掘
SPSS信度分析
SPSS信度分析
116 0
|
数据挖掘 Python
spss、R语言、Python数据分析系列(5)spss基本统计分析
spss、R语言、Python数据分析系列(5)spss基本统计分析
220 0
spss、R语言、Python数据分析系列(5)spss基本统计分析