SPSS統(tǒng)計(jì)分析與數(shù)據(jù)挖掘

目 錄
第1章 SPSS軟件概述 1
1．1 SPSS簡(jiǎn)介 1
1．2 SPSS操作入門 2
1．2．1 軟件安裝、啟動(dòng)及退出 3
1．2．2 操作環(huán)境 4
1．2．3 系統(tǒng)參數(shù)的設(shè)置 7
1．3 SPSS的幫助系統(tǒng) 14
第2章 SPSS數(shù)據(jù)挖掘系統(tǒng) 16
2．1 數(shù)據(jù)挖掘概述 16
2．1．1 數(shù)據(jù)挖掘的含義 16
2．1．2 數(shù)據(jù)挖掘與OLAP 17
2．1．3 數(shù)據(jù)挖掘和統(tǒng)計(jì)學(xué) 17
2．1．4 數(shù)據(jù)挖掘的目的 18
2．1．5 數(shù)據(jù)挖掘應(yīng)用 18
2．1．6 數(shù)據(jù)挖掘流程 18
2．2 成功的數(shù)據(jù)挖掘 19
2．2．1 CRISP-DM方法論 20
2．2．2 選擇數(shù)據(jù)挖掘工具 24
2．2．3 SPSS數(shù)據(jù)挖掘 25
2．3 SPSS數(shù)據(jù)挖掘的過(guò)程 28
2．3．1 商業(yè)理解 28
2．3．2 數(shù)據(jù)理解 28
2．3．3 數(shù)據(jù)準(zhǔn)備 28
2．3．4 數(shù)據(jù)模型 29
2．3．5 評(píng)估 29
2．3．6 部署 30
第3章 數(shù)據(jù)文件、變量與函數(shù) 32
3．1 SPSS的變量類型 32
3．1．1 數(shù)據(jù)的輸入 33
3．1．2 變量的編輯 34
3．2 數(shù)據(jù)文件的打開(kāi)和保存 36
3．2．1 打開(kāi)SPSS數(shù)據(jù)文件 36
3．2．2 打開(kāi)其他格式的數(shù)據(jù)文件 36
3．2．3 數(shù)據(jù)文件保存 37
3．3 SPSS函數(shù) 38
3．3．1 算術(shù)函數(shù) 38
3．3．2 統(tǒng)計(jì)函數(shù) 38
3．3．3 邏輯函數(shù) 39
3．3．4 日期和時(shí)間函數(shù) 39
3．3．5 隨機(jī)變量函數(shù) 41
3．3．6 反分布函數(shù) 43
3．3．7 累計(jì)分布函數(shù) 43
3．3．8 缺失值函數(shù) 45
3．3．9 字符串函數(shù) 46
第4章 數(shù)據(jù)預(yù)處理 48
4．1 數(shù)據(jù)文件的整理 48
4．1．1 排序個(gè)案（Sort Case）過(guò)程 49
4．1．2 轉(zhuǎn)置（Transpose）過(guò)程 49
4．1．3 合并文件（Merge File）過(guò)程 50
4．1．4 分類匯總（Aggregate）過(guò)程 52
4．1．5 拆分文件（Split File）過(guò)程 54
4．1．6 選擇個(gè)案（Select Cases）過(guò)程 54
4．1．7 加權(quán)個(gè)案（Weight Cases）過(guò)程 55
4．2 數(shù)據(jù)變量的變換和計(jì)算 55
4．2．1 計(jì)算變量（Compute Variables）過(guò)程 56
4．2．2 計(jì)數(shù)（Count）過(guò)程 58
4．2．3 重新編碼（Recode）過(guò)程 59
4．2．4 個(gè)案排秩（Rank Cases）過(guò)程 60
4．2．5 自動(dòng)重新編碼（AutomaticRecode）過(guò)程 62
第5章 基本統(tǒng)計(jì)分析 64
5．1 基本概念 64
5．1．1 基本的統(tǒng)計(jì)概念 64
5．1．2 描述性統(tǒng)計(jì)分析 66
5．2 頻數(shù)分析 67
5．2．1 Frequencies過(guò)程的操作界面 67
5．2．2 實(shí)例分析 69
5．3 描述性統(tǒng)計(jì)分析過(guò)程 71
5．3．1 Descriptive過(guò)程的參數(shù)設(shè)置 71
5．3．2 實(shí)例分析 71
5．4 數(shù)據(jù)探索性分析過(guò)程 73
5．4．1 Explore過(guò)程的參數(shù)設(shè)置 73
5．4．2 實(shí)例分析 74
5．5 列聯(lián)表分析過(guò)程 77
5．5．1 Crosstabs過(guò)程的參數(shù)設(shè)置 77
5．5．2 實(shí)例分析 80
第6章 參數(shù)檢驗(yàn) 83
6．1 參數(shù)估計(jì)和假設(shè)檢驗(yàn)概述 83
6．1．1 參數(shù)估計(jì) 83
6．1．2 假設(shè)檢驗(yàn) 86
6．2 均值（Means）過(guò)程 91
6．2．1 SPSS的均值（Means）過(guò)程參數(shù)設(shè)置 91
6．2．2 均值（Means）過(guò)程實(shí)例 92
6．3 單樣本t檢驗(yàn) 93
6．3．1 單樣本t檢驗(yàn)過(guò)程的參數(shù)設(shè)置 93
6．3．2 實(shí)例分析 94
6．4 獨(dú)立樣本t檢驗(yàn) 96
6．4．1 獨(dú)立樣本t檢驗(yàn)過(guò)程的參數(shù)設(shè)置 96
6．4．2 實(shí)例分析 97
6．5 配對(duì)兩樣本t檢驗(yàn) 99
6．5．1 配對(duì)兩樣本t檢驗(yàn)過(guò)程的參數(shù)設(shè)置 99
6．5．2 實(shí)例分析 99
第7章 基本圖形的繪制 102
7．1 統(tǒng)計(jì)圖概述 102
7．2 條形圖 103
7．3 線圖 107
7．4 面積圖 109
7．5 餅圖 110
7．5．1 SPSS設(shè)置 110
7．5．2 實(shí)例分析 111
7．6 高低圖 112
7．7 質(zhì)量控制圖 113
7．8 箱圖 118
7．8．1 SPSS參數(shù)設(shè)置 118
7．8．2 實(shí)例分析 119
7．9 散點(diǎn)圖 120
7．9．1 SPSS參數(shù)設(shè)置 121
7．9．2 實(shí)例分析 121
7．10 直方圖 123
7．11 時(shí)間序列圖 125
7．11．1 SPSS參數(shù)設(shè)置 125
7．11．2 實(shí)例分析 129
第8章 非參數(shù)檢驗(yàn) 132
8．1 非參數(shù)檢驗(yàn)概述 132
8．2 檢驗(yàn) 133
8．2．1 檢驗(yàn)的參數(shù)設(shè)置 134
8．2．2 檢驗(yàn)實(shí)例分析 136
8．3 二項(xiàng)分布檢驗(yàn) 138
8．3．1 二項(xiàng)分布檢驗(yàn)的參數(shù)設(shè)置 138
8．3．2 實(shí)例分析 138
8．4 游程檢驗(yàn) 140
8．4．1 游程檢驗(yàn)的參數(shù)設(shè)置 141
8．4．2 實(shí)例分析 141
8．5 單樣本K-S檢驗(yàn) 143
8．5．1 單樣本K-S檢驗(yàn)的參數(shù)設(shè)置 143
8．5．2 實(shí)例分析 144
8．6 兩獨(dú)立樣本分布位置檢驗(yàn) 146
8．6．1 兩獨(dú)立樣本分布位置檢驗(yàn)的參數(shù)設(shè)置 147
8．6．2 實(shí)例分析 147
8．7 多個(gè)獨(dú)立樣本分布位置檢驗(yàn) 149
8．7．1 SPSS參數(shù)設(shè)置 149
8．7．2 實(shí)例分析 150
8．8 兩相關(guān)樣本分布位置檢驗(yàn) 152
8．8．1 SPSS參數(shù)設(shè)置 152
8．8．2 實(shí)例分析 153
8．9 多個(gè)配對(duì)樣本分布位置檢驗(yàn) 154
8．9．1 SPSS參數(shù)設(shè)置 155
8．9．2 實(shí)例分析 155
第9章 方差分析 158
9．1 方差分析的基本原理 158
9．1．1 自由度與平方和分解 159
9．1．2 F檢驗(yàn) 161
9．1．3 多重比較 162
9．2 單因素方差分析 163
9．2．1 單因素方差分析步驟 164
9．2．2 判斷與結(jié)論 165
9．2．3 One-Way ANOVA過(guò)程的參數(shù)設(shè)置 165
9．2．4 實(shí)例分析 168
9．3 多因素方差分析 169
9．3．1 只考慮主效應(yīng)的多因素方差分析 169
9．3．2 存在交互效應(yīng)的多因素方差分析 171
9．3．3 Univariate過(guò)程參數(shù)設(shè)置 173
9．3．4 實(shí)例分析 178
9．4 協(xié)方差分析 182
9．4．1 協(xié)方差分析概述 182
9．4．2 實(shí)例分析 183
第10章 回歸分析 186
10．1 線性回歸 186
10．1．1 線性回歸模型 187
10．1．2 最小二乘估計(jì) 187
10．1．3 回歸方程的顯著性檢驗(yàn) 188
10．1．4 預(yù)測(cè)問(wèn)題 190
10．1．5 SPSS線性回歸分析設(shè)置 191
10．1．6 回歸分析模型的實(shí)例分析 195
10．2 非線性回歸 198
10．2．1 非線性回歸分析的基本原理 199
10．2．2 非線性回歸參數(shù)設(shè)置 199
10．2．3 案例――銷售數(shù)量和廣告投入的非線性回歸分析 202
10．3 Logistic回歸 205
10．3．1 Logistic回歸模型概述 205
10．3．2 Binary Logistic回歸模型參數(shù)設(shè)置 206
10．3．3 案例――銀行貸款的信用風(fēng)險(xiǎn)分析 209
第11章 相關(guān)分析 214
11．1 相關(guān)分析概述 214
11．1．1 相關(guān)關(guān)系 214
11．1．2 相關(guān)圖形和相關(guān)系數(shù) 215
11．1．3 SPSS的相關(guān)分析功能簡(jiǎn)介 217
11．2 Bivariate（雙變量）過(guò)程 217
11．2．1 雙變量相關(guān)分析簡(jiǎn)介 217
11．2．2 Bivariate過(guò)程的參數(shù)設(shè)置 219
11．2．3 案例――汽車銷售中各變量之間的相關(guān)分析 220
11．3 Partial（偏相關(guān)）過(guò)程 223
11．3．1 Partial過(guò)程的參數(shù)設(shè)置 223
11．3．2 案例――醫(yī)療門診病人的流動(dòng)情況分析 224
11．4 Distances（距離）過(guò)程 226
11．4．1 Distances過(guò)程的參數(shù)設(shè)置 226
11．4．2 案例――全國(guó)各個(gè)省市自治區(qū)直轄市的農(nóng)民家庭收支的分布研究 229
第12章 聚類分析 231
12．1 聚類分析的原理 231
12．1．1 一般原理 232
12．1．2 聚類分析步驟 235
12．1．3 系統(tǒng)聚類方法 236
12．2 快速樣本聚類過(guò)程 239
12．2．1 快速聚類簡(jiǎn)介 239
12．2．2 SPSS快速聚類的設(shè)置 239
12．2．3 案例――2006年中國(guó)主要城市空氣質(zhì)量的比較分析 241
12．3 系統(tǒng)聚類過(guò)程 245
12．3．1 系統(tǒng)聚類簡(jiǎn)介 245
12．3．2 SPSS系統(tǒng)聚類設(shè)置 245
12．3．3 案例――中國(guó)經(jīng)濟(jì)地理區(qū)域的聚類分析 248
12．4 兩階段聚類分析 251
12．4．1 兩階段聚類簡(jiǎn)介 251
12．4．2 SPSS兩階段聚類的設(shè)置 252
12．4．3 案例――兩階段聚類分析應(yīng)用于農(nóng)村居民人均收入與生活消費(fèi)支出研究 253
第13章 判別分析 256
13．1 判別分析的基本原理 256
13．1．1 判別分析簡(jiǎn)介 256
13．1．2 判別分析的數(shù)學(xué)模型與判別方法 257
13．2 一般判別分析 263
13．2．1 一般判別分析的參數(shù)設(shè)置 263
13．2．2 案例――上市公司類型的比較分析 266
13．3 逐步判別分析 271
13．3．1 逐步判別的參數(shù)設(shè)置 271
13．3．2 案例――全國(guó)部分省市地區(qū)的農(nóng)民家庭收支的分布規(guī)律研究 272
第14章 因子分析 278
14．1 因子分析簡(jiǎn)介 278
14．1．1 因子分析的基本原理 279
14．1．2 因子分析的基本步驟和過(guò)程 281
14．2 SPSS因子分析 281
14．2．1 SPSS因子分析的參數(shù)設(shè)置 281
14．2．2 案例――汽車銷售的數(shù)據(jù)中各變量的因子分析 285
第15章 對(duì)應(yīng)分析 290
15．1 對(duì)應(yīng)分析的基本原理 290
15．2 簡(jiǎn)單對(duì)應(yīng)分析 292
15．2．1 Correspondence Analysis過(guò)程 292
15．2．2 案例――簡(jiǎn)單對(duì)應(yīng)分析實(shí)例 295
15．3 Optimal Scaling過(guò)程 298
15．3．1 Optimal Scaling過(guò)程的SPSS參數(shù)設(shè)置 298
15．3．2 案例――最優(yōu)尺度分析實(shí)例 305
第16章 可靠性和多維尺度分析 309
16．1 可靠性分析 309
16．1．1 可靠性分析的基本原理 309
16．1．2 可靠性分析的參數(shù)設(shè)置 311
16．1．3 案例――電視節(jié)目調(diào)查數(shù)據(jù)可靠性分析 313
16．2 多維尺度分析 315
16．2．1 多維尺度分析簡(jiǎn)介 315
16．2．2 ALSCAL過(guò)程的參數(shù)設(shè)置 316
16．2．3 案例――多維尺度實(shí)例分析 319
第17章 生存分析 322
17．1 生存分析簡(jiǎn)介 322
17．1．1 生存分析的基本概念 322
17．1．2 生存資料的特點(diǎn) 324
17．1．3 生存分析方法 324
17．1．4 SPSS中的生存分析過(guò)程 325
17．2 Life Tables過(guò)程 326
17．2．1 Life Tables過(guò)程的參數(shù)設(shè)置 326
17．2．2 案例――電信公司客戶流失分析 327
17．3 Kaplan-Meier分析 331
17．3．1 Kaplan-Meier分析的步驟 331
17．3．2 案例――新藥開(kāi)發(fā)的數(shù)據(jù)分析 333
17．4 Cox模型回歸分析 336
17．4．1 Cox回歸模型 336
17．4．2 Cox模型參數(shù)設(shè)置 338
17．4．3 案例――電信公司的客戶流失的Cox回歸模型分析 342
第18章 對(duì)數(shù)線性模型 347
18．1 對(duì)數(shù)線性模型概述 347
18．2 General過(guò)程 348
18．2．1 General過(guò)程的參數(shù)設(shè)置 348
18．2．2 實(shí)例分析 351
18．3 Logit過(guò)程 353
18．3．1 Logit過(guò)程的參數(shù)設(shè)置 353
18．3．2 實(shí)例分析 356
18．4 模型選擇（Model Selection）過(guò)程 359
18．4．1 模型選擇的參數(shù)設(shè)置 359
18．4．2 實(shí)例分析 361
第19章 時(shí)間序列分析 364
19．1 時(shí)間序列概述 364
19．1．1 時(shí)間序列的組成部分 364
19．1．2 時(shí)間序列的數(shù)學(xué)模型 365
19．1．3 時(shí)間序列的分析步驟 367
19．1．4 SPSS時(shí)間序列分析功能 367
19．2 時(shí)間序列數(shù)據(jù)的預(yù)處理 374
19．2．1 缺失值替換 374
19．2．2 定義時(shí)間變量 375
19．2．3 時(shí)間序列的平穩(wěn)化 375
19．3 指數(shù)平滑模型過(guò)程 376
19．3．1 指數(shù)平滑的基本原理 376
19．3．2 指數(shù)平滑模型的參數(shù)設(shè)置 379
19．3．3 案例――銷售數(shù)據(jù)預(yù)測(cè)分析 380
19．4 ARIMA模型 385
19．4．1 ARIMA模型的基本原理 385
19．4．2 ARIMA模型的參數(shù)設(shè)置 388
19．4．3 案例――上海證券交易所綜合指數(shù)收益率模擬預(yù)測(cè)分析 389
19．5 季節(jié)分解模型過(guò)程 393
19．5．1 季節(jié)分解模型的參數(shù)設(shè)置 393
19．5．2 案例――具有季節(jié)因素的服裝銷售數(shù)據(jù)的預(yù)測(cè)分析 394
第20章 缺失值分析 398
20．1 缺失值理論概述 398
20．1．1 數(shù)據(jù)缺失方式 399
20．1．2 缺失值處理方法 399
20．2 SPSS缺失值分析操作 403
20．2．1 缺失值分析的參數(shù)設(shè)置 403
20．2．2 案例――數(shù)據(jù)集中缺失值的實(shí)例分析 407
第21章 決策樹(shù)模型 413
21．1 決策樹(shù)模型概述 413
21．1．1 CHAID算法 415
21．1．2 Exhaustive CHAID算法 416
21．1．3 CART算法 416
21．1．4 QUEST算法 417
21．2 決策樹(shù)的參數(shù)設(shè)置 417
21．2．1 變量設(shè)置 417
21．2．2 類別（Categories）設(shè)置 418
21．2．3 輸出（Output）設(shè)置 419
21．2．4 驗(yàn)證（Validation）設(shè)置 421
21．2．5 保存（Save）設(shè)置 422
21．2．6 條件（Criteria）設(shè)置 423
21．2．7 CHAID算法設(shè)置 424
21．2．8 CART算法設(shè)置 424
21．2．9 QUEST算法設(shè)置 425
21．2．10 修剪（Pruning）設(shè)置 425
21．2．11 替代變量（Surrogates）設(shè)置 426
21．2．12 選項(xiàng)（Options）設(shè)置 426
21．2．13 誤分類成本設(shè)置 427
21．2．14 利潤(rùn)（Profits）設(shè)置 427
21．2．15 先驗(yàn)概率（Prior Probabilities）設(shè)置 428
21．2．16 實(shí)例分析 429
21．2．17 模型建立 429
21．2．18 模型評(píng)估 431
第22章 神經(jīng)網(wǎng)絡(luò) 438
22．1 神經(jīng)網(wǎng)絡(luò)概述 438
22．1．1 歷史及現(xiàn)狀 439
22．1．2 神經(jīng)網(wǎng)絡(luò)特點(diǎn) 440
22．1．3 神經(jīng)元模型 441
22．1．4 神經(jīng)網(wǎng)絡(luò)模型 442
22．1．5 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則 442
22．1．6 SPSS神經(jīng)網(wǎng)絡(luò)模型 443
22．2 SPSS神經(jīng)網(wǎng)絡(luò)模型的設(shè)置 445
22．2．1 多層感知器（MLP）的設(shè)置 445
22．2．2 徑向基函數(shù)（RBF）的設(shè)置 453
22．3 實(shí)例分析 455
22．3．1 參數(shù)設(shè)置 456
22．3．2 結(jié)果分析 458
第23章 信用風(fēng)險(xiǎn)分析 463
23．1 信用風(fēng)險(xiǎn)概述 463
23．1．1 信用風(fēng)險(xiǎn)基本概念 463
23．1．2 信用風(fēng)險(xiǎn)度量方法 464
23．1．3 SPSS中信用風(fēng)險(xiǎn)分析模塊 467
23．2 案例分析 467
23．2．1 Binary Logistic（二元Logistic）過(guò)程 467
23．2．2 Tree（決策樹(shù)）過(guò)程 472
23．2．3 Discriminant（判別）過(guò)程 478
第24章 SPSS在社會(huì)經(jīng)濟(jì)綜合評(píng)價(jià)中的應(yīng)用 483
24．1 沿海省市經(jīng)濟(jì)綜合指標(biāo)的主成分分析 483
24．2 中國(guó)內(nèi)地城鎮(zhèn)居民消費(fèi)結(jié)構(gòu)的聚類分析 487
24．3 我國(guó)內(nèi)地可支配收入和消費(fèi)性支出之間的回歸分析 491