SPSS进阶分析与实务

16.2 本章小结

16.1.3 多重响应变量集的交叉表分析案例：标签选择

16.1.2 多重响应变量集的频率差异卡方检验案例：标签选择

16.1.1 多重响应分析案例：注册某软件时选过的标签

16.1 多重响应分析

第16章 多项选择题的分析处理：多重响应分析

15.3 本章小结

15.2.5 中介效应与调节效应的混合模型

15.2.4 使用Process插件检验中介效应

15.2.3 使用Process插件检验调节效应

15.2.2 Bootstrap方法及其应用

15.2.1 Process插件的安装及应用

15.2 Process插件

15.1.5 自变量、调节变量均为分类变量的调节效应分析

15.1.4 自变量为分类变量、调节变量为连续变量的调节效应分析

15.1.3 自变量为连续变量、调节变量为分类变量的调节效应分析

15.1.2 自变量和调节变量均为连续变量的调节效应分析

15.1.1 调节效应简介

15.1 调节效应

第15章 调节变量与中介变量分析方法：调节效应与中介效应

14.3 本章小结

14.2.3 简单简单效应案例：心理学反应时研究

14.2.2 简单效应案例：心理学反应时研究

14.2.1 分析策略

14.2 被试间设计的简单效应与简单简单效应

14.1.5 简单简单效应案例：不同教学方法与智力的关系

14.1.4 简单效应案例：不同教学方法与智力的关系

14.1.3 分析策略

14.1.2 简单简单效应简介

14.1.1 简单效应简介

14.1 重复测量设计的简单效应与简单简单效应

第14章 交互效应分析进阶：简单效应与简单简单效应

13.4 本章小结

13.3.2 基于最优尺度变换的非线性典型相关分析案例：家庭结构与学历

13.3.1 基于最优尺度变换的非线性典型相关分析简介

13.3 基于最优尺度变换的非线性典型相关分析

13.2.3 输出结果

13.2.2 使用MANOVA语法进行典型相关操作

13.2.1 使用Canonical宏程序进行典型相关操作

13.2 典型相关分析案例：旅游前的旅游信息搜索动机与旅游行为之间的关系

13.1 典型相关分析简介

第13章 两组变量的相关分析：典型相关分析

12.5 本章小结

12.4.2 基于最优尺度变换的多重对应分析案例：家庭结构与学历

12.4.1 基于最优尺度变换的多重对应分析简介

12.4 基于最优尺度变换的多重对应分析

12.3.2 基于均数的对应分析案例：各行业经济增长状况比较

12.3.1 基于均数的对应分析简介

12.3 基于均数的对应分析

12.2.2 简单对应分析案例：家庭结构与学历

12.2.1 简单对应分析实现

12.2 简单对应分析

12.1 对应分析简介

第12章 发现多个分类变量间的潜在关系：对应分析

11.4 本章小结

11.3.2 自回归综合移动平均模型实例分析案例：体检中心收入

11.3.1 自回归综合移动平均模型简介

11.3 自回归综合移动平均模型

11.2.2 指数平滑模型案例：药品产量

11.2.1 指数平滑模型简介

11.2 指数平滑模型

11.1 时间序列分析简介

第11章 时序数据的预测：时间序列分析

10.3 本章小结

10.2.3 神经网络模型案例：鸢尾花分类

10.2.2 传播方式

10.2.1 激励函数表达方式

10.2 神经网络模型

10.1 神经网络简介

第10章 自适应、自学习：神经网络

9.4 本章小结

9.3.2 C5.0算法分析案例：患者用药策略

9.3.1 SPSS Modeler简介

9.3 SPSS Modeler的C5.0算法实现

9.2.2 决策树剪枝

9.2.1 构造决策树

9.2 C4.5算法

9.1 决策树简介

第9章 预测变量的二元分离：决策树

8.3 本章小结

8.2.2 Bayes判别分析案例：鸢尾花分类

8.2.1 Bayes判别分析简介

8.2 Bayes判别分析

8.1.2 Fisher判别分析案例：鸢尾花分类

8.1.1 Fisher判别分析简介

8.1 Fisher判别分析

第8章 建立分组预测模式：判别分析

7.5 本章小结

7.4.2 二阶聚类案例：潮间带大型动物的群落结构

7.4.1 二阶聚类简介

7.4 二阶聚类

7.3.2 系统聚类案例：土壤指标聚类

7.3.1 系统聚类简介

7.3 系统聚类

7.2.2 K均值聚类案例：土壤样本聚类

7.2.1 K均值聚类简介

7.2 K均值聚类

7.1 聚类分析简介

第7章 数据归约技术：聚类分析

6.3 本章小结

6.2.2 因子分析案例：学生知识结构状况

6.2.1 因子分析简介

6.2 因子分析

6.1.2 主成分分析案例：各省市特征指标的降维

6.1.1 主成分分析简介

6.1 主成分分析

第6章 简化多变量复杂关系：主成分分析与因子分析

5.5 本章小结

5.4.2 对数线性模型案例：不同学历人员的收入水平数据

5.4.1 对数线性模型简介

5.4 对数线性模型

5.3.3 多层线性模型（全模型）案例：语文成绩预测因素

5.3.2 多层线性模型（零模型）案例：语文成绩预测因素

5.3.1 多层线性模型简介

5.3 多层线性模型

5.2.3 曲线估计回归模型与非线性回归模型的比较

5.2.2 非线性回归模型简介

5.2.1 曲线估计回归模型

5.2 非线性回归模型

5.1.2 最优尺度回归分析案例：师生关系的预测因素

5.1.1 最优尺度回归模型简介

5.1 最优尺度回归模型

第5章 回归模型进阶：其他回归模型

4.5 本章小结

4.4.2 有序回归分析案例：影响个人收入水平的因素

4.4.1 有序回归模型简介

4.4 有序回归模型

4.3.2 多元Logistic回归分析案例：数学成绩调查数据

4.3.1 多元Logistic回归模型简介

4.3 多元Logistic回归模型

4.2.2 二元Logistic回归分析案例：学业成就数据

4.2.1 二元Logistic回归模型简介

4.2 二元Logistic回归模型

4.1.4 Logistic回归分析的主要用途

4.1.3 Logistic回归模型的适用条件

4.1.2 Logistic回归分析的目的

4.1.1 Logistic回归模型的公式

4.1 Logistic回归模型简介

第4章 因变量为离散变量的估计与预测：Logistic回归模型

3.9 本章小结

3.8.2 分层回归分析案例：影响个人收入的因素

3.8.1 分层回归分析简介

3.8 分层回归分析

3.7.2 二阶最小二乘法案例：影响成绩的数据

3.7.1 二阶最小二乘法简介

3.7 二阶最小二乘法

3.6.2 加权最小二乘法案例：收入影响因素分析

3.6.1 加权最小二乘法简介

3.6 加权最小二乘法

3.5.2 权重估计案例：收入影响因素分析

3.5.1 权重估计简介

3.5 权重估计

3.4.5 多重共线性诊断

3.4.4 方差齐性检验

3.4.3 正态性检验

3.4.2 独立性检验

3.4.1 异常值判断

3.4 回归诊断

3.3.2 多重线性回归分析案例：年收入的影响因素

3.3.1 多重线性回归分析的假设条件

3.3 多重线性回归分析

3.2.2 简单线性回归分析案例：身高和体重的关系

3.2.1 简单线性回归分析的假设条件

3.2 简单线性回归分析

3.1.2 多重线性回归分析简介

3.1.1 简单线性回归分析简介

3.1 线性回归分析简介

第3章 因变量为连续变量的估计与预测：线性回归分析

2.3 本章小结

2.2.2 计算和检验修正均数（正式进行协方差分析）

2.2.1 回归拟合线平行性检验

2.2 协方差分析案例：早读对成绩的影响

2.1 协方差分析简介

第2章 校正混杂因素：协方差分析

1.3 本章小结

1.2.5 输出结果

1.2.4 选项设置

1.2.3 设置事后选项

1.2.2 设置模型选项

1.2.1 选择变量

1.2 多变量方差分析案例：不同舞蹈学校的分数差异分析

1.1.2 多变量方差分析的应用条件

1.1.1 多变量方差分析简介

1.1 多变量方差分析

第1章 多个因变量的假设检验：多变量方差分析

写在前面

序言

本书编委会

内容简介

版权信息

封面

封面

版权信息

内容简介

本书编委会

序言

写在前面

第1章 多个因变量的假设检验：多变量方差分析

1.1 多变量方差分析

1.1.1 多变量方差分析简介

1.1.2 多变量方差分析的应用条件

1.2 多变量方差分析案例：不同舞蹈学校的分数差异分析

1.2.1 选择变量

1.2.2 设置模型选项

1.2.3 设置事后选项

1.2.4 选项设置

1.2.5 输出结果

1.3 本章小结

第2章 校正混杂因素：协方差分析

2.1 协方差分析简介

2.2 协方差分析案例：早读对成绩的影响

2.2.1 回归拟合线平行性检验

2.2.2 计算和检验修正均数（正式进行协方差分析）

2.3 本章小结

第3章 因变量为连续变量的估计与预测：线性回归分析

3.1 线性回归分析简介

3.1.1 简单线性回归分析简介

3.1.2 多重线性回归分析简介

3.2 简单线性回归分析

3.2.1 简单线性回归分析的假设条件

3.2.2 简单线性回归分析案例：身高和体重的关系

3.3 多重线性回归分析

3.3.1 多重线性回归分析的假设条件

3.3.2 多重线性回归分析案例：年收入的影响因素

3.4 回归诊断

3.4.1 异常值判断

3.4.2 独立性检验

3.4.3 正态性检验

3.4.4 方差齐性检验

3.4.5 多重共线性诊断

3.5 权重估计

3.5.1 权重估计简介

3.5.2 权重估计案例：收入影响因素分析

3.6 加权最小二乘法

3.6.1 加权最小二乘法简介

3.6.2 加权最小二乘法案例：收入影响因素分析

3.7 二阶最小二乘法

3.7.1 二阶最小二乘法简介

3.7.2 二阶最小二乘法案例：影响成绩的数据

3.8 分层回归分析

3.8.1 分层回归分析简介

3.8.2 分层回归分析案例：影响个人收入的因素

3.9 本章小结

第4章 因变量为离散变量的估计与预测：Logistic回归模型

4.1 Logistic回归模型简介

4.1.1 Logistic回归模型的公式

4.1.2 Logistic回归分析的目的

4.1.3 Logistic回归模型的适用条件

4.1.4 Logistic回归分析的主要用途

4.2 二元Logistic回归模型

4.2.1 二元Logistic回归模型简介

4.2.2 二元Logistic回归分析案例：学业成就数据

4.3 多元Logistic回归模型

4.3.1 多元Logistic回归模型简介

4.3.2 多元Logistic回归分析案例：数学成绩调查数据

4.4 有序回归模型

4.4.1 有序回归模型简介

4.4.2 有序回归分析案例：影响个人收入水平的因素

4.5 本章小结

第5章 回归模型进阶：其他回归模型

5.1 最优尺度回归模型

5.1.1 最优尺度回归模型简介

5.1.2 最优尺度回归分析案例：师生关系的预测因素

5.2 非线性回归模型

5.2.1 曲线估计回归模型

5.2.2 非线性回归模型简介

5.2.3 曲线估计回归模型与非线性回归模型的比较

5.3 多层线性模型

5.3.1 多层线性模型简介

5.3.2 多层线性模型（零模型）案例：语文成绩预测因素

5.3.3 多层线性模型（全模型）案例：语文成绩预测因素

5.4 对数线性模型

5.4.1 对数线性模型简介

5.4.2 对数线性模型案例：不同学历人员的收入水平数据

5.5 本章小结

第6章 简化多变量复杂关系：主成分分析与因子分析

6.1 主成分分析

6.1.1 主成分分析简介

6.1.2 主成分分析案例：各省市特征指标的降维

6.2 因子分析

6.2.1 因子分析简介

6.2.2 因子分析案例：学生知识结构状况

6.3 本章小结

第7章 数据归约技术：聚类分析

7.1 聚类分析简介

7.2 K均值聚类

7.2.1 K均值聚类简介

7.2.2 K均值聚类案例：土壤样本聚类

7.3 系统聚类

7.3.1 系统聚类简介

7.3.2 系统聚类案例：土壤指标聚类

7.4 二阶聚类

7.4.1 二阶聚类简介

7.4.2 二阶聚类案例：潮间带大型动物的群落结构

7.5 本章小结

第8章 建立分组预测模式：判别分析

8.1 Fisher判别分析

8.1.1 Fisher判别分析简介

8.1.2 Fisher判别分析案例：鸢尾花分类

8.2 Bayes判别分析

8.2.1 Bayes判别分析简介

8.2.2 Bayes判别分析案例：鸢尾花分类

8.3 本章小结

第9章 预测变量的二元分离：决策树

9.1 决策树简介

9.2 C4.5算法

9.2.1 构造决策树

9.2.2 决策树剪枝

9.3 SPSS Modeler的C5.0算法实现

9.3.1 SPSS Modeler简介

9.3.2 C5.0算法分析案例：患者用药策略

9.4 本章小结

第10章 自适应、自学习：神经网络

10.1 神经网络简介

10.2 神经网络模型

10.2.1 激励函数表达方式

10.2.2 传播方式

10.2.3 神经网络模型案例：鸢尾花分类

10.3 本章小结

第11章 时序数据的预测：时间序列分析

11.1 时间序列分析简介

11.2 指数平滑模型

11.2.1 指数平滑模型简介

11.2.2 指数平滑模型案例：药品产量

11.3 自回归综合移动平均模型

11.3.1 自回归综合移动平均模型简介

11.3.2 自回归综合移动平均模型实例分析案例：体检中心收入

11.4 本章小结

第12章 发现多个分类变量间的潜在关系：对应分析

12.1 对应分析简介

12.2 简单对应分析

12.2.1 简单对应分析实现

12.2.2 简单对应分析案例：家庭结构与学历

12.3 基于均数的对应分析

12.3.1 基于均数的对应分析简介

12.3.2 基于均数的对应分析案例：各行业经济增长状况比较

12.4 基于最优尺度变换的多重对应分析

12.4.1 基于最优尺度变换的多重对应分析简介

12.4.2 基于最优尺度变换的多重对应分析案例：家庭结构与学历

12.5 本章小结

第13章 两组变量的相关分析：典型相关分析

13.1 典型相关分析简介

13.2 典型相关分析案例：旅游前的旅游信息搜索动机与旅游行为之间的关系

13.2.1 使用Canonical宏程序进行典型相关操作

13.2.2 使用MANOVA语法进行典型相关操作

13.2.3 输出结果

13.3 基于最优尺度变换的非线性典型相关分析

13.3.1 基于最优尺度变换的非线性典型相关分析简介

13.3.2 基于最优尺度变换的非线性典型相关分析案例：家庭结构与学历

13.4 本章小结

第14章 交互效应分析进阶：简单效应与简单简单效应

14.1 重复测量设计的简单效应与简单简单效应

14.1.1 简单效应简介

14.1.2 简单简单效应简介

14.1.3 分析策略

14.1.4 简单效应案例：不同教学方法与智力的关系

14.1.5 简单简单效应案例：不同教学方法与智力的关系

14.2 被试间设计的简单效应与简单简单效应

14.2.1 分析策略

14.2.2 简单效应案例：心理学反应时研究

14.2.3 简单简单效应案例：心理学反应时研究

14.3 本章小结

第15章 调节变量与中介变量分析方法：调节效应与中介效应

15.1 调节效应

15.1.1 调节效应简介

15.1.2 自变量和调节变量均为连续变量的调节效应分析

15.1.3 自变量为连续变量、调节变量为分类变量的调节效应分析

15.1.4 自变量为分类变量、调节变量为连续变量的调节效应分析

15.1.5 自变量、调节变量均为分类变量的调节效应分析

15.2 Process插件

15.2.1 Process插件的安装及应用

15.2.2 Bootstrap方法及其应用

15.2.3 使用Process插件检验调节效应

15.2.4 使用Process插件检验中介效应

15.2.5 中介效应与调节效应的混合模型

15.3 本章小结

第16章 多项选择题的分析处理：多重响应分析

16.1 多重响应分析

16.1.1 多重响应分析案例：注册某软件时选过的标签

16.1.2 多重响应变量集的频率差异卡方检验案例：标签选择

16.1.3 多重响应变量集的交叉表分析案例：标签选择

16.2 本章小结