第1章　數(shù)據(jù)統(tǒng)計分析的概念　1
學(xué)習(xí)指導(dǎo)　1
1.1　數(shù)據(jù)分析能力培養(yǎng)的背景及其意義　2
1.1.1　數(shù)據(jù)分析能力培養(yǎng)的背景　2
1.1.2　數(shù)據(jù)分析能力培養(yǎng)的意義　3
1.2　數(shù)據(jù)處理的層次與數(shù)據(jù)分析　6
1.2.1　數(shù)據(jù)管理與數(shù)據(jù)采集的三個層次　6
1.2.2　數(shù)據(jù)分析與數(shù)據(jù)挖掘技術(shù)的出現(xiàn)　6
1.3　數(shù)據(jù)描述與數(shù)據(jù)分析簡介　7
1.3.1　常見的數(shù)據(jù)描述方法　7
1.3.2　常見的數(shù)據(jù)分析技術(shù)　8
1.4　數(shù)據(jù)分析與挖掘軟件　9
1.4.1　數(shù)據(jù)統(tǒng)計與分析軟件　9
1.4.2　數(shù)據(jù)挖掘技術(shù)及應(yīng)用　10
1.5　數(shù)據(jù)分析環(huán)境（SPSS與Excel）　11
1.5.1　數(shù)據(jù)的組織與數(shù)據(jù)結(jié)構(gòu)　11
1.5.2　Excel的數(shù)據(jù)分析環(huán)境　12
1.5.3　SPSS的數(shù)據(jù)分析環(huán)境　14
習(xí)題　18
第2章　數(shù)據(jù)梳理與統(tǒng)計描述　20
學(xué)習(xí)指導(dǎo)　20
2.1　數(shù)據(jù)分析中的基礎(chǔ)概念　21
2.1.1　數(shù)據(jù)描述及其概念　21
2.1.2　數(shù)據(jù)的分布形態(tài)　25
2.1.3　數(shù)據(jù)分析中的常見思路與
評價策略　27
2.2　數(shù)據(jù)編輯技術(shù)簡介　28
2.2.1　Excel的數(shù)據(jù)編輯　28
2.2.2　SPSS的數(shù)據(jù)編輯　32
2.2.3　數(shù)據(jù)文件的打開與整合　35
2.2.4　數(shù)據(jù)排序　37
2.2.5　數(shù)據(jù)文件拼合　39
2.2.6　數(shù)據(jù)檢索與抽樣　41
2.2.7　數(shù)據(jù)的計算與計數(shù)　44
2.2.8　數(shù)據(jù)的加權(quán)處理　47
2.3　數(shù)據(jù)重編碼與規(guī)范化　48
2.3.1　對字符型變量的數(shù)值化編碼　48
2.3.2　對定距變量的離散化編碼　50
2.3.3　數(shù)據(jù)重編碼——Z分?jǐn)?shù)　54
2.3.4　數(shù)據(jù)重編碼——求秩分　55
2.3.5　數(shù)據(jù)重編碼——正態(tài)得分　57
2.3.6　數(shù)據(jù)的分類匯總　59
2.3.7　對缺失值的標(biāo)記與處理　60
2.4　數(shù)據(jù)的統(tǒng)計描述　62
2.4.1　基本統(tǒng)計量　62
2.4.2　數(shù)據(jù)頻度分析　65
2.4.3　數(shù)據(jù)分布形態(tài)的判定　68
2.4.4　箱體圖與莖葉圖　73
2.4.5　低測度數(shù)據(jù)的描述　75
2.4.6　數(shù)據(jù)摘要報告　78
習(xí)題　85
第3章　數(shù)據(jù)的差異顯著性檢驗　88
學(xué)習(xí)指導(dǎo)　88
3.1　數(shù)據(jù)差異顯著性檢驗的基礎(chǔ)概念　89
3.1.1　數(shù)據(jù)差異顯著性檢驗的概念　89
3.1.2　數(shù)據(jù)差異顯著性檢驗的流程　90
3.1.3　差異顯著性檢驗的類別及
其適應(yīng)性　91
3.2　T檢驗——兩組數(shù)據(jù)的均值差異
顯著性檢驗　93
3.2.1　T檢驗的含義、方法與適應(yīng)性　93
3.2.2　配對樣本的T檢驗　96
3.2.3　獨立樣本的T檢驗　100
3.2.4　單樣本的T檢驗　106
3.2.5　T檢驗的實用案例　107
3.3　方差分析　111
3.3.1　方差分析的目標(biāo)、方法與類別　111
3.3.2　單因素方差分析　113
3.3.3　多因素方差分析　118
3.3.4　協(xié)方差分析　125
3.3.5　多因變量的方差分析　127
3.3.6　方差分析的實用案例　130
3.4　非參數(shù)檢驗　134
3.4.1　不明形態(tài)數(shù)據(jù)差異顯著性檢驗的
策略　134
3.4.2　兩關(guān)聯(lián)樣本的非參數(shù)檢驗　135
3.4.3　多關(guān)聯(lián)樣本的非參數(shù)檢驗　138
3.4.4　兩獨立樣本的非參數(shù)檢驗　140
3.4.5　多獨立樣本的非參數(shù)檢驗　143
3.4.6　非參數(shù)檢驗的實用案例　145
3.5　低測度數(shù)據(jù)的差異性與擬合優(yōu)度
檢驗　149
3.5.1　低測度數(shù)據(jù)分析的特點與
卡方檢驗　149
3.5.2　面向期望分布的卡方檢驗　150
3.5.3　基于交叉表的卡方檢驗　152
3.5.4　基于K-S檢驗的分布形態(tài)判斷　154
3.5.5　游程檢驗與隨機分布　155
3.5.6　二項分布檢驗　157
習(xí)題　159
第4章　數(shù)據(jù)的關(guān)聯(lián)性分析　162
學(xué)習(xí)指導(dǎo)　162
4.1　數(shù)據(jù)關(guān)聯(lián)性分析綜述　163
4.1.1　數(shù)據(jù)關(guān)聯(lián)性分析的類型　163
4.1.2　SPSS中數(shù)據(jù)關(guān)聯(lián)性分析的技術(shù)　165
4.2　數(shù)據(jù)的相關(guān)性分析　166
4.2.1　對中高測度數(shù)據(jù)的相關(guān)性
分析技術(shù)　166
4.2.2　中高測度數(shù)據(jù)相關(guān)性分析的
實用案例　168
4.2.3　偏相關(guān)分析　173
4.2.4　低測度數(shù)據(jù)相關(guān)性分析的
概念與思路　176
4.2.5　低測度數(shù)據(jù)相關(guān)性分析的
實用案例　178
4.3　線性回歸分析技術(shù)　185
4.3.1　線性回歸的關(guān)鍵概念　185
4.3.2　一元線性回歸的實用案例　187
4.3.3　多元線性回歸概念與關(guān)鍵技術(shù)　192
4.3.4　多元線性回歸的實用案例　195
4.4　曲線回歸技術(shù)　199
4.4.1　曲線回歸的基礎(chǔ)知識　199
4.4.2　曲線回歸的實用案例　201
4.5　二元Logistic回歸分析技術(shù)　205
4.5.1　二元Logistic回歸的概念　205
4.5.2　二元Logistic回歸的實用案例　209
習(xí)題　216
第5章　數(shù)據(jù)的降維與聚類分析　219
學(xué)習(xí)指導(dǎo)　219
5.1　基于數(shù)據(jù)的歸納分析　220
5.1.1　歸納分析的概念　220
5.1.2　統(tǒng)計學(xué)中的分類分析　220
5.1.3　統(tǒng)計學(xué)中的降維分析　221
5.1.4　分類分析中對元素間距離的
判定方法　222
5.2　分層聚類分析　224
5.2.1　分層聚類的概念及特點　224
5.2.2　分層聚類在降維中的實用案例　225
5.2.3　分層聚類在分類中的實用案例　232
5.3　K-Means聚類分析　236
5.3.1　K-Means聚類的概念　236
5.3.2　K-Means聚類的實用案例　237
5.4　判別分析　241
5.4.1　判別分析的概念與思路　241
5.4.2　判別分析的實用案例　243
5.5　因子分析　250
5.5.1　因子分析的定義與特點　250
5.5.2　因子分析的實用案例　253
5.5.3　因子分析的補充說明　256
5.6　對應(yīng)分析　259
5.6.1　對應(yīng)分析的概念　259
5.6.2　對應(yīng)分析的實用案例　259
習(xí)題　264
第6章　信度與效度的檢驗　266
學(xué)習(xí)指導(dǎo)　266
6.1　信度和效度的概念　267
6.1.1　信度的概念與主要技術(shù)　267
6.1.2　效度的概念與主要技術(shù)　268
6.1.3　社會調(diào)查中保證信度效度的
常見方法　269
6.2　SPSS的信度檢驗　270
6.2.1　信度檢驗的主要技術(shù)　270
6.2.2　信度檢驗的實用案例　272
6.3　效度檢驗方法　277
6.3.1　效度檢驗的主要技術(shù)　277
6.3.2　效度檢驗的實用案例　278
6.4　如何構(gòu)造有效的調(diào)研指標(biāo)體系　282
6.4.1　構(gòu)造有效指標(biāo)體系的方法　282
6.4.2　用德爾菲法檢查結(jié)構(gòu)效度　288
習(xí)題　291
參考文獻　293