第1章　數據統計分析的概念　1
學習指導　1
1.1　數據分析能力培養(yǎng)的背景及其意義　2
1.1.1　數據分析能力培養(yǎng)的背景　2
1.1.2　數據分析能力培養(yǎng)的意義　3
1.2　數據處理的層次與數據分析　6
1.2.1　數據管理與數據采集的三個層次　6
1.2.2　數據分析與數據挖掘技術的出現　6
1.3　數據描述與數據分析簡介　7
1.3.1　常見的數據描述方法　7
1.3.2　常見的數據分析技術　8
1.4　數據分析與挖掘軟件　9
1.4.1　數據統計與分析軟件　9
1.4.2　數據挖掘技術及應用　10
1.5　數據分析環(huán)境（SPSS與Excel）　11
1.5.1　數據的組織與數據結構　11
1.5.2　Excel的數據分析環(huán)境　12
1.5.3　SPSS的數據分析環(huán)境　14
習題　18
第2章　數據梳理與統計描述　20
學習指導　20
2.1　數據分析中的基礎概念　21
2.1.1　數據描述及其概念　21
2.1.2　數據的分布形態(tài)　25
2.1.3　數據分析中的常見思路與
評價策略　27
2.2　數據編輯技術簡介　28
2.2.1　Excel的數據編輯　28
2.2.2　SPSS的數據編輯　32
2.2.3　數據文件的打開與整合　35
2.2.4　數據排序　37
2.2.5　數據文件拼合　39
2.2.6　數據檢索與抽樣　41
2.2.7　數據的計算與計數　44
2.2.8　數據的加權處理　47
2.3　數據重編碼與規(guī)范化　48
2.3.1　對字符型變量的數值化編碼　48
2.3.2　對定距變量的離散化編碼　50
2.3.3　數據重編碼——Z分數　54
2.3.4　數據重編碼——求秩分　55
2.3.5　數據重編碼——正態(tài)得分　57
2.3.6　數據的分類匯總　59
2.3.7　對缺失值的標記與處理　60
2.4　數據的統計描述　62
2.4.1　基本統計量　62
2.4.2　數據頻度分析　65
2.4.3　數據分布形態(tài)的判定　68
2.4.4　箱體圖與莖葉圖　73
2.4.5　低測度數據的描述　75
2.4.6　數據摘要報告　78
習題　85
第3章　數據的差異顯著性檢驗　88
學習指導　88
3.1　數據差異顯著性檢驗的基礎概念　89
3.1.1　數據差異顯著性檢驗的概念　89
3.1.2　數據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
其適應性　91
3.2　T檢驗——兩組數據的均值差異
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、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　非參數檢驗　134
3.4.1　不明形態(tài)數據差異顯著性檢驗的
策略　134
3.4.2　兩關聯樣本的非參數檢驗　135
3.4.3　多關聯樣本的非參數檢驗　138
3.4.4　兩獨立樣本的非參數檢驗　140
3.4.5　多獨立樣本的非參數檢驗　143
3.4.6　非參數檢驗的實用案例　145
3.5　低測度數據的差異性與擬合優(yōu)度
檢驗　149
3.5.1　低測度數據分析的特點與
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
習題　159
第4章　數據的關聯性分析　162
學習指導　162
4.1　數據關聯性分析綜述　163
4.1.1　數據關聯性分析的類型　163
4.1.2　SPSS中數據關聯性分析的技術　165
4.2　數據的相關性分析　166
4.2.1　對中高測度數據的相關性
分析技術　166
4.2.2　中高測度數據相關性分析的
實用案例　168
4.2.3　偏相關分析　173
4.2.4　低測度數據相關性分析的
概念與思路　176
4.2.5　低測度數據相關性分析的
實用案例　178
4.3　線性回歸分析技術　185
4.3.1　線性回歸的關鍵概念　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鍵技術　192
4.3.4　多元線性回歸的實用案例　195
4.4　曲線回歸技術　199
4.4.1　曲線回歸的基礎知識　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　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
習題　216
第5章　數據的降維與聚類分析　219
學習指導　219
5.1　基于數據的歸納分析　220
5.1.1　歸納分析的概念　220
5.1.2　統計學中的分類分析　220
5.1.3　統計學中的降維分析　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　對應分析　259
5.6.1　對應分析的概念　259
5.6.2　對應分析的實用案例　259
習題　264
第6章　信度與效度的檢驗　266
學習指導　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　267
6.1.2　效度的概念與主要技術　268
6.1.3　社會調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　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　277
6.3.2　效度檢驗的實用案例　278
6.4　如何構造有效的調研指標體系　282
6.4.1　構造有效指標體系的方法　282
6.4.2　用德爾菲法檢查結構效度　288
習題　291
參考文獻　293