• SPSS统计分析:应用案例教程
21年品牌 40万+商家 超1.5亿件商品

SPSS统计分析:应用案例教程

正版保障 假一赔十 可开发票

26.34 6.3折 42 全新

仅1件

广东广州
认证卖家担保交易快速发货售后保障

作者廖小官主编

出版社南京大学出版社

ISBN9787305165306

出版时间2015-05

四部分类子部>艺术>书画

装帧平装

开本16开

定价42元

货号8787334

上书时间2024-12-24

灵感书店

三年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
目录
第1章绪论1
第一部分特征描述
第2章描述统计分析11
2.1频数分析11
2.2描述分析17
2.3探索性分析20
2.4列联表分析26
第3章描述统计分析(二)37
3.1概述报告程序分析37
3.2OLAP41
3.3均值程序48
3.4多重响应分析52
3.5比率统计量56
第4章因子分析59
4.1因子分析的数据降维59

                                                第1章绪论1
第一部分特征描述
第2章描述统计分析11
2.1频数分析11
2.2描述分析17
2.3探索性分析20
2.4列联表分析26
第3章描述统计分析(二)37
3.1概述报告程序分析37
3.2OLAP41
3.3均值程序48
3.4多重响应分析52
3.5比率统计量56
第4章因子分析59
4.1因子分析的数据降维59
4.2因子分析的结构探测63
第二部分特征检验
第5章均值--T检验71
5.1单样本T检验71
5.2成对样本T检验73
5.3独立样本的T检验75
5.4单因素方差分析79
第6章非参数分析89
6.1卡方检验89
6.2二项检验93
6.3游程检验96
6.4单样本KS检验100
6.5非参数独立双样本检验103
6.6非参数独立多样本检验109
6.7非参数相关双样本检验112
6.8非参数相关多样本检验114
第三部分关系分析
第7章相关分析119
7.1双变量相关119
7.2偏相关分析126
第8章一般单变量线性模型129
8.1双因素方差分析129
8.2GLM单变量的协方差分析134
8.3GLM单变量的随机影响分析138
第9章线性回归分析与曲线估计141
9.1线性回归分析141
9.2曲线估计160
第10章离散因变量模型168
10.1二元、多元名义Logit模型168
10.2有序因变量回归169
10.3二元probit模型176
第11章广义线性模型与广义方程估计181
11.1广义线性模型简介181
11.2计数因变量模型183
11.3正值因变量模型--伽玛分布回归194
11.4间隔截取生存数据分析202
11.5广义方程估计209
第12章神经网络分析217
12.1多层感知的单因变量分析218
12.2多层感应的多变量分析226
第四部分特征判别
第13章分类236
13.1两步聚类236
13.2分层聚类分析241
13.3K均值聚类分析249
13.4最近相邻分析255
13.5判别分析269
第14章控制图形与ROC283
14.1控制图形283
14.2ROC Curve289
第五部分数据问题
第15章可靠性分析296
第16章缺失数据处理305
16.1缺失值分析305
16.2多重插入313

内容摘要
 廖小官主编的《SPSS统计分析--应用案例教程(高等院校十三五规划教材)》分成五个部分。第一部分为特征描述,主要分析方法包括单变量描述统计、
复合变量描述统计(分类变量与分类变量,分类变量与尺度变量)和多重响应变量的描述统计。第二部分为特征检验,分析方法主要为参数检验(单样本、独立样本、成对双样本的均值检验,单因素方差分析)和非参数检验(卡方检验、二项检验、游程检验、单样本K-S检验、独立双样本、相关双样本、独立多样本和相关多样本检验)。第三部分为关系分析,主要
包括相关分析、一般线性回归分析、有序因变量回归、Logit回归分析、广义线性回归分析、神经网络分析。第四部分为特征判别,主要有聚类分析、判别分析、控制图形与ROC。第五部分为数据问题分析,涉及可靠性分析、缺失值分析和多重插入。

精彩内容

                                            本书分成五个部分。第一部分为特征描述,主要分析方法包括单变量描述统计、复合变量描述统计(分类变量与分类变量,分类变量与尺度变量)和多重响应变量的描述统计。第二部分为特征检验,分析方法主要为参数检验(单样本、独立样本、成对双样本的均值检验,单因素方差分析)和非参数检验(卡方检验、二项检验、游程检验、单样本K-S检验、独立双样本、相关双样本、独立多样本和相关多样本检验)。第三部分为关系分析,主要包括相关分析、一般线性回归分析、有序因变量回归、Logit回归分析、广义线性回归分析、神经网络分析。第四部分为特征判别,主要有聚类分析、判别分析、控制图形与ROC。第五部分为数据问题分析,涉及可靠性分析、缺失值分析和多重插入。由于篇幅所限,一些统计方法如时间序列分析、面板数据模型、非参数与半参数回归、多方程系统模型等需要参考其他书籍。

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP