SPSS统计分析高级教程(第3版)

《SPSS统计分析高级教程（第3版）/高等学校教材》全面、系统地介绍了各种多变量统计模型、多元统计分析模型、智能统计分析方法的原理和软件实现，是一本使用SPSS进行高级统计分析的实用性很强的指导书和参考书。《SPSS统计分析高级教程（第3版）/高等学校教材》共分4个部分，分别是一般线性模型、线性混合模型与广义线性模型，回归模型，多元统计分析方法，以及其他统计分析方法。《SPSS统计分析高级教程（第3版）/高等学校教材》基于IBMSPSSStatistics24中文版，并结合作者多年的统计分析实战经验和SPSS行业应用经验，侧重对统计新方法、新观点的讲解，在保证统计理论严谨的同时注重叙述的浅显易懂，使《SPSS统计分析高级教程（第3版）/高等学校教材》更加易学易用。
《SPSS统计分析高级教程（第3版）/高等学校教材》可作为高等学校本科生和研究生统计学相关课程教材，也可作为市场营销、金融、财务、人力资源管理等行业中需要做数据分析的人士，或从事咨询、研究、分析等工作的人士的参考书。

张文彤：是国内统计软件教学和统计学网络教学，特别是SPSS软件教学的开拓者，2001年以来协助SPSS中国公司一手建立了其国内的培训体系，是国内知名的SPSS培训师之一。张文彤博士在复旦大学任教期间，同时保持着与统计应用相关业界各前沿领域的密切接触，在数据挖掘应用、市场研究应用等领域经验丰富。市场研究方面，曾为知名跨国公司完成了中国城市女性市场细分模型、销量预测模型、商圈选址模型等项目，数据挖掘方面则在基因数据分析、医疗费用数据分析、公共卫生应急预警系统等方面进行了深入研究，并协助完成多项IT、电信、税务、银行等行业的数据挖掘项目。

第一部分 一般线性模型、线性混合模型与广义线性模型
第1章 方差分析模型
1.1 模型简介
1.1.1 模型入门
1.1.2 常用术语
1.1.3 适用条件
1.2 案例：胶合板磨损深度的比较
1.2.1 操作说明
1.2.2 结果解释
1.2.3 模型参数的估计值
1.2.4 两两比较
1.2.5 其他常用选项
1.3 两因素方差分析模型
1.3.1 案例：超市规模、货架位置与销售量的关系
1.3.2 边际平均值与轮廓图
1.3.3 拟合劣度检验
1.4 因素各水平间的精细比较
1.4.1 POSTHOC子句
1.4.2 EMMEANS子句
1.4.3 LMATRIX和KMATRIX子句
1.4.4 CONSTRAST子句
1.5 方差分析模型进阶
1.5.1 含随机因子的方差分析模型
1.5.2 白定义检验使用的误差项
1.5.3 4类方差分解方法
思考与练习
参考文献
第2章 常用的实验设计分析方法
2.1 仅研究主效应的实验设计方案
2.1.1 接近随机设计
2.1.2 随机区组设计
2.1.3 交叉设计
2.1.4 拉丁方设计
2.2 考虑交互作用的实验设计方案
2.2.1 析因设计
2.2.2 正交设计
2.2.3 均匀设计
2.3 误差项变动的特殊实验设计方案
2.3.1 嵌套设计
2.3.2 重复测量设计
2.3.3 裂区设计
2.4 协方差分析
2.4.1 协方差分析的必要性
2.4.2 平行性假定的检验
2.4.3 计算和检验修正平均值
思考与练习
参考文献
第3章 多元方差分析与重复测量方差分析
3.1 多元方差分析
3.1.1 模型简介
3.1.2 案例：青少年牙齿发育状况跟踪
3.2 重复测量数据的方差分析
3.2.1 模型简介
3.2.2 案例：进一步考察年龄对牙齿发育的影响
思考与练习
参考文献
第4章 线性混合模型
4.1 模型简介
4.1.1 问题的提出
4.1.2 模型人门
4.2 层次聚集性数据案例
4.2.1 拟合基本模型结构
4.2.2 在固定效应中加入自变量
4.2.3 在随机效应中加入自变量
4.2.4 更多自变量的引入
4.2.5 其他常用选项
4.3 重复测量数据案例
4.3.1 对数据的初步分析
4.3.2 拟合基本模型结构
4.3.3 考虑测量间的相关性
4.3.4 更改对测量间相关性的假定
4.3.5 模型中可用的相关矩阵种类
4.4 线性混合模型进阶
4.4.1 线性混合模型的用途
4.4.2 线性混合模型与一般线性
模型的联系
思考与练习
参考文献
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
5.1.1 模型简介
5.1.2 分析案例
5.2 广义估计方程
5.2.1 模型简介
5.2.2 分析案例
5.3 广义线性混合模型
5.3.1 模型简介
5.3.2 分析案例
思考与练习
参考文献
第二部分 回归模型
第6章 多重线性回归模型
6.1 模型简介
6.1.1 基本概念
6.1.2 分析步骤
6.2 案例：销售收入影响因素分析
6.2.1 基本分析结果
6.2.2 回归模型的假设检验
6.2.3 偏回归系数的假设检验
6.2.4 标准化偏回归系数
6.2.5 衡量回归模型效果的指标
6.3 回归预测与区间估计
6.3.1 模型预测值
6.3.2 模型的区间估计
6.3.3 如何将模型用于预测
6.4 残差分析
6.4.1 模型的残差
6.4.2 利用残差考察模型适用条件
6.5 逐步回归
6.5.1 筛选自变量的基本原则
6.5.2 常用的逐步回归方法
6.5.3 案例：固体垃圾排放量与土地种类的关系
6.6 模型的进一步诊断与修正
6.6.1 强影响点的识别与处理
6.6.2 多重共线性的识别与处理
6.6.3 回归模型结果解释时应注意的问题
6.7 自动线性建模
6.7.1 界面说明
6.7.2 案例：生成更高精度的预测模型
思考与练习
参考文献
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
7.1.1 模型简介
……
第8章 路径分析入门
第9章 非线性回归模型
第10章 二分类Logistic回归模型
第11章 多分类、配对Logistic回归与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
第三部分 多元统计分析方法
第13章 主成分分析、因子分析与多维偏好分析
第14章 对应分析
第15章 典型相关分析
第16章 多维尺度分析
第17章 聚类分析
第18章 经典判别分析
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
第20章 神经网络与支持向量机
第21章 信度分析
第22章 联合分析
第23章 时间序列模型
第24章 生存分析
第25章 缺失值分析
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