数据分析与SPSS软件应用 微课版

1. 新版本，受众广泛。本书采用新的IBM SPSS 26.0版本，从SPSS简介、数据管理、基本统计分析到高级统计分析逐渐深入，适合各个层次读者阅读和学习。 2. 理论与实践相结合。介绍统计理论及SPSS分析模块，加入大量SPSS实际应用案例与行业应用方案，引导读者掌握SPSS软件及技术原理，熟练使用统计方法和软件操作解决实际工作问题。 3. 配置微课，资源丰富。本书配有微课视频，并提供PPT课件、教学大纲、电子教案、数据源文件、课后习题答案、模拟试卷及答案等教学资源。

IBM SPSS数据分析软件是目前应用最为广泛的数据分析软件之一，深受各行业用户的青睐。本书以IBM SPSS 26.0为基础，以数据分析理论为主线，参照数据分析课程教学大纲编写。全书由浅入深，共包括10章内容，涵盖数据分析的3个阶段，介绍了数据分析的基本概念和流程、SPSS软件在数据获取与管理上的功能、概括性描述统计分析、探索性统计推断以及相关和回归分析、聚类和判别分析、因子分析等常用的基本数据分析方法的基本原理和操作应用。
本书每章末尾均配有习题，并且除第1章外，其余各章均配有案例分析题，可加深读者对所学内容的理解。此外，本书每章均配有微课，可帮助读者高效地学习软件；全书配有PPT课件、教学大纲、数据源文件、习题答案等教学资源，可助力教师教学。
本书适合具有一定数据分析理论基础知识，且对应用数据分析软件进行实例分析有需求的读者学习。本书可供高等院校经济学、统计学、管理学等专业学生使用，并可作为通信、金融、制造、教育科研、商业咨询、市场调查、商业统计等行业的分析人员的实际应用工具手册。

第1章 数据分析与SPSS软件概述
学习目标
知识框架
1.1 数据分析基本概念
1.2 数据分析基本流程
1.3 数据分析基本方法
1.4 常用数据分析软件
1.5 SPSS软件介绍
习题
第2章 数据的获取与管理
学习目标
知识框架
2.1 数据的获取与软件实现
2.1.1 变量的定义
2.1.2 数据的直接输入与保存
2.1.3 外部数据文件的读入
2.1.4 数据文件的合并
2.1.5 数据文件的拆分
2.2 数据的清理与软件实现
2.2.1 数据的寻找、增加和删除
2.2.2 变量集的设置和使用
2.3 数据的转换与软件实现
2.3.1 数据排序
2.3.2 新变量的产生
2.3.3 设置加权变量
2.3.4 变量编码
2.4 数据的整理与软件实现
2.4.1 数据的分类汇总
2.4.2 个案子集的选取
2.4.3 缺失值的替换
习题
案例分析题
第3章 描述统计分析与SPSS实现
学习目标
知识框架
3.1 连续变量描述统计分析
3.1.1 集中趋势描述
3.1.2 离散趋势描述
3.1.3 分布状态描述
3.1.4 深入探索分析
3.1.5 案例详解及软件实现
3.2 分类变量描述统计分析
3.2.1 交叉列联表分析
3.2.2 多选项分析
3.2.3 案例详解及软件实现
习题
案例分析题
第4章 参数检验与SPSS实现
学习目标
知识框架
4.1 Means过程
4.1.1 Means过程计算原理
4.1.2 案例详解及软件实现
4.2 单样本T检验
4.2.1 检验原理和步骤
4.2.2 案例详解及软件实现
4.3 两独立样本T检验
4.3.1 检验原理和步骤
4.3.2 案例详解及软件实现
4.4 两配对样本T检验
4.4.1 检验原理和步骤
4.4.2 案例详解及软件实现
习题
案例分析题
第5章 方差分析与SPSS实现
学习目标
知识框架
5.1 单因素方差分析
5.1.1 推断原理和检验步骤
5.1.2 案例详解及软件实现
5.2 多因素方差分析
5.2.1 推断原理和检验步骤
5.2.2 案例详解及软件实现
5.3 协方差分析
5.3.1 推断原理和检验步骤
5.3.2 案例详解及软件实现
习题
案例分析题
第6章 非参数检验与SPSS实现
学习目标
知识框架
6.1 两配对样本非参数检验
6.1.1 适用条件和检验方法
6.1.2 案例详解及软件实现
6.2 多配对样本非参数检验
6.2.1 适用条件和检验方法
6.2.2 案例详解及软件实现
6.3 两独立样本非参数检验
6.3.1 适用条件和检验方法
6.3.2 案例详解及软件实现
6.4 多独立样本非参数检验
6.4.1 适用条件和检验方法
6.4.2 案例详解及软件实现
习题
案例分析题
第7章 相关分析与SPSS实现
学习目标
知识框架
7.1 二元变量相关分析
7.1.1 散点图和相关系数
7.1.2 分析原理和步骤
7.1.3 案例详解及软件实现
7.2 偏相关分析
7.2.1 偏相关系数
7.2.2 案例详解及软件实现
习题
案例分析题
第8章 回归分析与SPSS实现
学习目标
知识框架
8.1 线性回归分析
8.1.1 一元线性回归分析
8.1.2 多元线性回归分析
8.1.3 案例详解及软件实现
8.2 曲线回归分析
8.2.1 常见曲线回归模型
8.2.2 案例详解及软件实现
8.3 Logistic回归分析
8.3.1 Logistic回归函数的构建
8.3.2 Logistic回归模型的检验
8.3.3 案例详解及软件实现
8.4 含虚拟变量的回归分析
8.4.1 模型构建原理
8.4.2 案例详解及软件实现
习题
案例分析题
第9章 聚类分析、判别分析与SPSS实现
学习目标
知识框架
9.1 系统聚类分析
9.1.1 样本间亲疏程度测度方法
9.1.2 类间亲疏程度测度方法
9.1.3 案例详解及软件实现
9.2 快速聚类分析
9.2.1 适用条件和迭代原理
9.2.2 案例详解及软件实现
9.3 判别分析
9.3.1 判别原理
9.3.2 案例详解及软件实现
习题
案例分析题
第10章 因子分析与SPSS实现
学习目标
知识框架
10.1 适用条件
10.2 因子变量的构建
10.3 因子变量的命名
10.4 因子得分的计算
10.5 案例详解及软件实现
习题
案例分析题
参考文献