統(tǒng)計(jì)學(xué)方法與案例應(yīng)用

前言
第1章 緒論 1
1.1 統(tǒng)計(jì)學(xué)的概念及應(yīng)用領(lǐng)域 1
1.1.1 統(tǒng)計(jì)學(xué)的概念 1
1.1.2 統(tǒng)計(jì)學(xué)的應(yīng)用領(lǐng)域 2
1.2 統(tǒng)計(jì)學(xué)的性質(zhì)及特點(diǎn) 3
1.2.1 統(tǒng)計(jì)學(xué)的性質(zhì) 3
1.2.2 統(tǒng)計(jì)學(xué)的特點(diǎn) 4
1.3 統(tǒng)計(jì)中的幾個(gè)基本概念 4
1.3.1 統(tǒng)計(jì)總體與樣本 4
1.3.2 參數(shù)與統(tǒng)計(jì)量 5
1.3.3 變量與數(shù)據(jù)文件 5
第2章 統(tǒng)計(jì)學(xué)基礎(chǔ) 6
2.1 統(tǒng)計(jì)數(shù)據(jù)的收集與整理 6
2.1.1 統(tǒng)計(jì)數(shù)據(jù)的來源 8
2.1.2 統(tǒng)計(jì)數(shù)據(jù)的類型 9
2.1.3 數(shù)據(jù)收集的方法 9
2.1.4 問卷設(shè)計(jì) 9
2.2 統(tǒng)計(jì)數(shù)據(jù)的描述度量 9
2.2.1 度量中心趨勢的指標(biāo) 9
2.2.2 度量離散程度的指標(biāo) 11
2.2.3 度量偏斜程度的指標(biāo) 13
2.3 隨機(jī)變量與概率分布 14
2.3.1 離散型概率分布 14
2.3.2 連續(xù)型概率分布 16
2.4 參數(shù)估計(jì) 17
2.4.1 參數(shù)估計(jì)的基本概念 17
2.4.2 點(diǎn)估計(jì) 18
2.4.3 區(qū)間估計(jì) 18
2.5 假設(shè)檢驗(yàn) 19
2.5.1 假設(shè)檢驗(yàn)的原理 19
2.5.2 總體均值的檢驗(yàn) 20
2.5.3 總體成數(shù)的檢驗(yàn) 21
第3章 方差分析 23
3.1 方差分析基本原理及相關(guān)概念 23
3.1.1 基本原理及假設(shè) 23
3.1.2 相關(guān)概念 26
3.2 單因素方差分析 27
3.2.1 單因素方差分析的基本思想 27
3.2.2 單因素方差分析的步驟 27
3.2.3 單因素方差分析的實(shí)際應(yīng)用 34
3.3 多因素方差分析的基本思想及步驟 34
3.4 方差分析的SPSS操作步驟及結(jié)果分析 39
3.4.1 單因素方差分析的SPSS操作步驟及結(jié)果分析 39
3.4.2 多因素方差分析的SPSS操作步驟及結(jié)果分析 41
第4章 卡方檢驗(yàn) 48
4.1 卡方檢驗(yàn)的基本原理 48
4.2 列聯(lián)表分析 48
4.3 一致性檢驗(yàn) 50
4.4 卡方檢驗(yàn)的實(shí)際應(yīng)用 52
4.5 卡方檢驗(yàn)的SPSS操作步驟及結(jié)果分析 52
4.5.1 SPSS操作步驟 53
4.5.2 結(jié)果分析 54
第5章 一元線性回歸 55
5.1 一元線性回歸模型的基本思想 55
5.2 一元線性回歸模型的求法及步驟 57
5.2.1 研究目的 57
5.2.2 基本假設(shè) 58
5.2.3 參數(shù)估計(jì) 58
5.2.4 最小二乘估計(jì)量 61
5.2.5 統(tǒng)計(jì)檢驗(yàn) 63
5.3 一元線性回歸模型顯著性檢驗(yàn) 64
5.3.1 t檢驗(yàn) 64
5.3.2 F檢驗(yàn) 65
5.3.3 相關(guān)系數(shù)的顯著性檢驗(yàn) 66
5.3.4 樣本決定系數(shù) 67
5.4 一元線性回歸模型的實(shí)際應(yīng)用 67
5.5 一元線性回歸的SPSS操作步驟及結(jié)果分析 68
5.5.1 SPSS操作步驟 68
5.5.2 結(jié)果分析 72
第6章 多元線性回歸 73
6.1 多元線性回歸模型的基本思想 73
6.2 多元線性回歸模型顯著性檢驗(yàn) 73
6.2.1 回歸方程的顯著性檢驗(yàn) 73
6.2.2 回歸系數(shù)的顯著性檢驗(yàn)和置信區(qū)間估計(jì) 74
6.3 多元線性回歸模型的求法及步驟 75
6.3.1 研究目的 75
6.3.2 模型設(shè)定 75
6.3.3 估計(jì)參數(shù) 76
6.3.4 模型檢驗(yàn) 77
6.3.5 消除多重共線性 77
6.4 多元線性回歸模型的實(shí)際應(yīng)用 79
6.5 多元線性回歸的SPSS操作步驟及結(jié)果分析 81
6.5.1 SPSS操作步驟 81
6.5.2 結(jié)果分析 84
第7章 聚類分析 85
7.1 聚類分析的基本思想 85
7.2 聚類分析的分類 85
7.2.1 系統(tǒng)聚類法 85
7.2.2 快速聚類法 85
7.3 聚類分析的距離和相似系數(shù)（相似度的度量） 85
7.3.1 樣本點(diǎn)間距離的計(jì)算方法 86
7.3.2 相似系數(shù) 87
7.4 系統(tǒng)聚類分析 88
7.4.1 系統(tǒng)聚類的步驟 88
7.4.2 類間距的計(jì)算方法 88
7.5 快速聚類分析 92
7.6 聚類分析的實(shí)際應(yīng)用 93
7.7 聚類分析的SPSS操作步驟及結(jié)果分析 93
7.7.1 SPSS操作步驟 93
7.7.2 結(jié)果分析 94
第8章 判別分析 101
8.1 判別分析的基本思想 101
8.2 判別分析的分類 101
8.2.1 距離判別法 101
8.2.2 貝葉斯判別 105
8.2.3 費(fèi)希爾判別法 107
8.3 判別分析的實(shí)際應(yīng)用 109
8.4 判別分析的SPSS操作步驟及結(jié)果分析 110
8.4.1 SPSS操作步驟 110
8.4.2 結(jié)果分析 113
第9章 主成分分析法 116
9.1 主成分分析的基本理論 116
9.2 主成分分析的步驟 118
9.2.1 計(jì)算協(xié)方差矩陣 119
9.2.2 求特征值及特征向量 120
9.2.3 選擇主成分 120
9.2.4 計(jì)算主成分得分 121
9.3 主成分分析的實(shí)際應(yīng)用 122
9.4 主成分分析的SPSS操作步驟及結(jié)果分析 123
9.4.1 SPSS操作步驟 123
9.4.2 結(jié)果分析 125
第10章 因子分析 129
10.1 因子分析的基本思想 129
10.2 因子分析的步驟 130
10.2.1 確認(rèn)待分析的原變量是否適合作因子分析 130
10.2.2 因子分析的數(shù)學(xué)模型 131
10.2.3 構(gòu)造因子變量 132
10.2.4 計(jì)算因子變量得分 133
10.3 因子分析的實(shí)際應(yīng)用 134
10.4 因子分析的SPSS操作步驟及結(jié)果分析 134
10.4.1 SPSS操作步驟 134
10.4.2 結(jié)果分析 138
第11章 時(shí)間序列分析 142
11.1 時(shí)間序列模型的基本思想 142
11.2 時(shí)間序列模型的數(shù)據(jù)處理 143
11.2.1 替換缺失值 143
11.2.2 定義時(shí)間變量 144
11.2.3 時(shí)間序列平穩(wěn)化 144
11.3 時(shí)間序列模型的分析指標(biāo) 145
11.3.1 時(shí)間序列分析的水平指標(biāo) 145
11.3.2 時(shí)間序列分析的速度指標(biāo) 146
11.4 時(shí)間序列模型的估計(jì)與預(yù)測 148
11.4.1 趨勢外推法 148
11.4.2 移動(dòng)平均預(yù)測 149
11.4.3 指數(shù)平滑預(yù)測 150
11.4.4 預(yù)測誤差模型 150
11.5 時(shí)間序列模型的SPSS操作步驟及結(jié)果分析 151
11.5.1 SPSS操作步驟 151
11.5.2 結(jié)果分析 159
參考文獻(xiàn) 160