世界優(yōu)秀統(tǒng)計(jì)工具SPSS 11統(tǒng)計(jì)分析教程（高級(jí)篇）

第一部分　一般線性與混合線性模型                  
 第1章　征服一般線性模型                  
 ——General Linear Model                  
 菜單詳解（上） 2                  
 1.1　方差分析模型簡介 3                  
 1.1.1　模型入門 3                  
 1.1.2　常用術(shù)語 4                  
 1.1.3　方差分析模型的適用條件 5                  
 1.2　Univariate過程入門 6                  
 1.2.1　引例 6                  
 1.2.2　界面說明 7                  
 1.2.3　結(jié)果解釋 12                  
 1.2.4　對引例的進(jìn)一步分析 13                  
 1.3　常用試驗(yàn)設(shè)計(jì)及分析方法詳解 15                  
 1.3.1　完全隨機(jī)設(shè)計(jì)                  
 （Completely Random Design）                  
  15                  
 1.3.2　配伍設(shè)計(jì)                  
 （Randomized Block Design）                  
  15                  
 1.3.3　交叉設(shè)計(jì)                  
 （Cross-over Design） 16                  
 1.3.4　析因設(shè)計(jì)                  
 （Factorial Design） 18                  
 1.3.5　拉丁方設(shè)計(jì)                  
 （Latin Square Design） 19                  
 1.3.6　正交設(shè)計(jì)                  
 （Orthogonal Design） 21                  
 1.3.7　星點(diǎn)設(shè)計(jì)                  
 （Central Composite Design）                  
  24                  
 1.3.8　嵌套設(shè)計(jì)（Nested Design）                  
 與裂區(qū)設(shè)計(jì)                  
 （Split-plot Design） 24                  
 1.4　協(xié)方差分析 27                  
 1.4.1　概述 27                  
 1.4.2　預(yù)分析：線性趨勢的判斷 28                  
 1.4.3　預(yù)分析：檢驗(yàn)各組總體                  
 斜率是否相等 28                  
 1.4.4　正式分析：比較修正均數(shù)                  
 有無差異 29                  
 第2章　征服一般線性模型                  
 ——General Linear Model                  
 菜單詳解（下） 32                  
 2.1　Multivariate過程 32                  
 2.1.1　引例與界面說明 33                  
 2.1.2　結(jié)果解釋 33                  
 2.1.3　對引例的進(jìn)一步分析 35                  
 2.2　Repeated Measures過程 36                  
 2.2.1　引例 37                  
 2.2.2　界面說明 38                  
 2.2.3　結(jié)果解釋 39                  
 2.2.4　對引例的進(jìn)一步分析 42                  
 2.3　Variance Components過程 43                  
 2.3.1　引例 43                  
 2.3.2　界面說明 44                  
 2.3.3　結(jié)果解釋 45                  
 第3章　混合線性模型入門                  
 ——Mixed Model菜單詳解 46                  
 3.1　模型簡介 46                  
 3.1.1　模型入門 47                  
 3.1.2　混合效應(yīng)模型的用途 49                  
 3.2　Linear過程 49                  
 3.2.1　引例與界面說明 49                  
 3.2.2　結(jié)果解釋 54                  
 3.2.3　對引例的進(jìn)一步分析 55                  
 3.3　混合線性模型分析實(shí)例 58                  
 3.3.1　家庭聚集性數(shù)據(jù) 59                  
 3.3.2　重復(fù)測量數(shù)據(jù) 59                  
 3.3.3　嵌套設(shè)計(jì)數(shù)據(jù) 60                  
 第二部分　回歸分析                  
 第4章　多元線性回歸與曲線擬合                  
  ——Regression菜單詳解（上） 64                  
 4.1　Linear過程 65                  
 4.1.1　線性回歸模型簡介 65                  
 4.1.2　引例與界面說明 68                  
 4.1.3　結(jié)果解釋 73                  
 4.1.4　對引例的進(jìn)一步分析 74                  
 4.1.5　一個(gè)多元回歸實(shí)例 77                  
 4.2　關(guān)于線性回歸的高級(jí)話題 79                  
 4.2.1　衡量多元線性                  
 回歸方程的標(biāo)準(zhǔn) 79                  
 4.2.2　強(qiáng)影響點(diǎn)的診斷及對策 81                  
 4.2.3　多重共線性問題及對策 82                  
 4.2.4　分類自變量的設(shè)置與                  
 啞變量的使用 84                  
 4.2.5　趨勢面分析 86                  
 4.2.6　通徑分析（Path Analysis） 86                  
 4.3　Curve Estimation過程 87                  
 4.3.1　引例 87                  
 4.3.2　界面說明 88                  
 4.3.3　結(jié)果解釋 89                  
 第5章　分類資料的回歸分析                  
 ——Regression菜單詳解（中） 91                  
 5.1　Binary Logistic過程 91                  
 5.1.1　模型簡介 91                  
 5.1.2　引例 92                  
 5.1.3　界面說明 92                  
 5.1.4　結(jié)果解釋 97                  
 5.1.5　對引例的進(jìn)一步分析 99                  
 5.2　關(guān)于Logistic模型的高級(jí)話題 100                  
 5.2.1　模型中的假設(shè)檢驗(yàn)方法 100                  
 5.2.2　模型的自變量設(shè)置方法 101                  
 5.2.3　模型診斷 104                  
 5.2.4　配對Logistic回歸模型 107                  
 5.3　Multinomial Logistic過程 109                  
 5.3.1　引例 110                  
 5.3.2　界面說明 110                  
 5.3.3　結(jié)果解釋 113                  
 5.4　Ordinal過程 115                  
 5.4.1　引例 115                  
 5.4.2　界面說明 116                  
 5.4.3　結(jié)果解釋 118                  
 5.5　Probit過程 119                  
 5.5.1　引例 119                  
 5.5.2　界面說明 120                  
 5.5.3　結(jié)果解釋 121                  
 第6章　非線性回歸及其他回歸過程                  
 ——Regression菜單詳解（下） 124                  
 6.1　Nonlinear Regression過程 124                  
 6.1.1　引例與界面說明 125                  
 6.1.2　結(jié)果解釋 129                  
 6.1.3　對非線性模型的深入探討 131                  
 6.2　Weight Estimation過程 132                  
 6.2.1　引例與界面說明 132                  
 6.2.2　結(jié)果解釋 133                  
 6.2.3　對引例的進(jìn)一步分析 135                  
 6.3　Two-Stage Least-Squares過程 135                  
 6.3.1　引例與界面說明 136                  
 6.3.2　結(jié)果解釋 138                  
 6.4　Optimal Scaling過程 139                  
 6.4.1　引例與界面說明 140                  
 6.4.2　結(jié)果解釋 144                  
 6.4.3　對引例的進(jìn)一步分析 145                  
 第三部分　多元統(tǒng)計(jì)分析方法                  
 第7章　對數(shù)線性模型                  
 ——Loglinear菜單詳解 148                  
 7.1　模型簡介 148                  
 7.1.1　原理 148                  
 7.1.2　模型選擇 149                  
 7.2　General過程 150                  
 7.2.1　引例 150                  
 7.2.2　界面說明 151                  
 7.2.3　結(jié)果解釋 152                  
 7.2.4　對引例的進(jìn)一步分析 156                  
 7.3　Logit過程 156                  
 7.3.1　引例與界面說明 157                  
 7.3.2　結(jié)果解釋 158                  
 7.3.3　對引例的進(jìn)一步分析 161                  
 7.4　Model Selection過程 161                  
 7.4.1　引例 161                  
 7.4.2　界面說明 162                  
 7.4.3　結(jié)果解釋 163                  
 第8章　聚類分析與判別分析                  
 ——Classify菜單詳解 166                  
 8.1　K-means Cluster過程 166                  
 8.1.1　引例與界面說明 167                  
 8.1.2　結(jié)果解釋 169                  
 8.1.3　對引例的進(jìn)一步分析 170                  
 8.2　Hierarchical Cluster過程 171                  
 8.2.1　引例 171                  
 8.2.2　界面說明 172                  
 8.2.3　結(jié)果解釋 175                  
 8.3　Discriminant過程 177                  
 8.3.1　模型簡介 177                  
 8.3.2　引例 180                  
 8.3.3　界面說明 181                  
 8.3.4　結(jié)果解釋 183                  
 8.3.5　對引例的進(jìn)一步分析 186                  
 第9章　因子分析與對應(yīng)分析                  
 ——Data Reduction菜單詳解 190                  
 9.1　Factor Analysis過程 190                  
 9.1.1　模型簡介 191                  
 9.1.2　引例 193                  
 9.1.3　界面說明 194                  
 9.1.4　結(jié)果解釋 197                  
 9.1.5　對引例的進(jìn)一步分析 200                  
 9.2　Correspondence Analysis過程 202                  
 9.2.1　引例與界面說明 203                  
 9.2.2　結(jié)果解釋 205                  
 9.3　Optimal Scaling過程 208                  
 9.3.1　引例與界面說明 208                  
 9.3.2　結(jié)果解釋 210                  
 第10章　信度分析與多維尺度分析                  
 ——Scale菜單詳解 213                  
 10.1　Reliability Analysis過程 213                  
 10.1.1　引例與界面說明 214                  
 10.1.2　結(jié)果解釋 216                  
 10.2　Multidimensional Scaling過程 217                  
 10.2.1　引例與界面說明 218                  
 10.2.2　結(jié)果解釋 221                  
 10.3  Multidimensional Scaling                  
 (PROXSCAL)過程 224                  
 10.3.1　引例 225                  
 10.3.2　界面說明 225                  
 10.3.3　結(jié)果解釋 230                  
 10.3.4　對引例的進(jìn)一步分析 232                  
 第11章　結(jié)合分析 234                  
 11.1　模型簡介 234                  
 11.1.1　為什么使用結(jié)合分析 234                  
 11.1.2　常用術(shù)語 235                  
 11.1.3　結(jié)合分析的基本步驟 236                  
 11.1.4　SPSS中的相應(yīng)過程 236                  
 11.2　Orthogonal Design子菜單 237                  
 11.2.1　Generate項(xiàng) 237                  
 11.2.2　Display項(xiàng) 240                  
 11.3　CONJOINT過程 241                  
 11.3.1　引例及語法說明 241                  
 11.3.2　結(jié)果解釋 243                  
 11.3.3　對引例的進(jìn)一步分析 246                  
 第四部分　其他高級(jí)統(tǒng)計(jì)分析方法                  
 第12章　歲月如歌                  
 ——Time Series菜單詳解 250                  
 12.1　時(shí)間序列的建立和平穩(wěn)化 251                  
 12.1.1　缺失值的填補(bǔ)                  
 ——Replace Missing Values                  
 過程 251                  
 12.1.2　時(shí)間變量的定義                  
 ——Define dates過程 252                  
 12.1.3　時(shí)間序列的平穩(wěn)化                  
 ——Create Time Series                  
 過程 254                  
 12.2　時(shí)間序列的圖形化觀察 258                  
 12.2.1　序列圖（Sequence Chart）                  
  258                  
 12.2.2　自相關(guān)圖                  
 （Autocorrelation Chart）                  
  260                  
 12.2.3　互相關(guān)圖                  
 （Cross-correlation Chart）                   
  264                  
 12.2.4　譜密度圖（Spectral Chart）                  
  266                  
 12.2.5　交叉譜圖                  
 （The Cross-Spectrum） 268                  
 12.3　Exponential Smoothing過程 269                  
 12.3.1　模型簡介 269                  
 12.3.2　引例與界面說明 270                  
 12.3.3　結(jié)果解釋 272                  
 12.4　Autoregression過程 273                  
 12.4.1　模型簡介 273                  
 12.4.2　引例與界面說明 274                  
 12.5　ARIMA過程 276                  
 12.5.1　ARMA模型簡介 277                  
 12.5.2　標(biāo)準(zhǔn)建模步驟 278                  
 12.5.3　界面說明 279                  
 12.5.4　綜合分析實(shí)例 280                  
 12.6　季節(jié)解構(gòu)                  
 ——Seasonal Decomposition                  
 過程 286                  
 12.6.1　引例與界面說明 286                  
 12.6.2　結(jié)果解釋 287                  
 第13章　生存分析——Survival菜單詳解 290                  
 13.1　生存分析簡介 290                  
 13.1.1　應(yīng)用背景 290                  
 13.1.2　基本術(shù)語 291                  
 13.1.3　SPSS中相應(yīng)模塊簡介 292                  
 13.2　Life Tables過程 292                  
 13.2.1　引例 293                  
 13.2.2　界面說明 294                  
 13.2.3　結(jié)果解釋 295                  
 13.3　Kaplan-Meier過程 297                  
 13.3.1　引例與界面說明 297                  
 13.3.2　結(jié)果解釋 300                  
 13.3.3　對引例的進(jìn)一步分析 302                  
 13.3.4　Life Tables過程                  
 與Kaplan-Meier過程的比較                   
  303                  
 13.4　Cox Regression過程 304                  
 13.4.1　模型簡介 304                  
 13.4.2　引例及界面說明 305                  
 13.4.3　結(jié)果解釋 309                  
 13.4.4　對引例的進(jìn)一步分析 311                  
 13.5　關(guān)于Cox模型的高級(jí)話題 312                  
 13.5.1　分類自變量的定義                  
 與比較方法 312                  
 13.5.2　Cox模型中的分層分析 312                  
 13.5.3　配對Logistic回歸 313                  
 13.5.4　競爭風(fēng)險(xiǎn)                  
 （Competing risks）的                  
 Cox模型 315                  
 13.5.5　復(fù)發(fā)性疾病的Cox模型 315                  
 13.6　Cox w/Time-Dep Cov過程 316                  
 13.6.1　模型簡介 316                  
 13.6.2　引例與界面說明 317                  
 13.6.3　結(jié)果解釋 319                  
 13.6.4　分析時(shí)依Cox模型時(shí)的                  
 注意事項(xiàng) 320                  
 第14章　缺失值分析                  
 ——Missing Value Analysis                  
 過程詳解 321                  
 14.1　缺失值理論簡介 321                  
 14.1.1　數(shù)據(jù)的缺失方式 321                  
 14.1.2　SPSS中可用的缺失值                  
 處理方法 322                  
 14.2　界面說明 323                  
 14.3　分析實(shí)例 326                  
 14.3.1　缺失值的生成及分析操作 326                  
 14.3.2　結(jié)果解釋 327                  
 14.3.3　對引例的進(jìn)一步分析 328                  
 第15章　其他統(tǒng)計(jì)分析功能                  
 ——不得不說的故事 331                  
 15.1　典型相關(guān)分析 331                  
 15.1.1　方法簡介 331                  
 15.1.2　引例及語法說明 331                  
 15.1.3　結(jié)果解釋 332                  
 15.2　嶺回歸分析 335                  
 15.2.1　方法簡介 335                  
 15.2.2　引例及語法說明 336                  
 15.2.3　結(jié)果解釋 336                  
 15.3　廣義線性模型簡介 337                  
 附錄　SPSS公司部分軟件介紹 340                  
 參考文獻(xiàn) 345