數據分析與SPSS軟件應用（微課版）

IBM SPSS數據分析軟件是目前應用廣泛的數據分析軟件之一，深受各行業用戶的青睞。本書以IBM SPSS 26.0為基礎，以數據分析理論為主線，參照數據分析課程教學大綱編寫。全書由淺入深，共包括10章內容，涵蓋數據分析的三個階段，介紹了數據分析的基本概念和流程、SPSS軟件在數據獲取與管理上的功能、概括性描述統計分析、探索性統計推斷以及相關和回歸分析、聚類和判別分析、因子分析等常用的基本數據分析方法的基本原理和操作應用。

本書每章末尾均配有習題，並且除第1章外，其餘各章均配有案例分析題，可加深讀者對所學內容的理解。此外，本書每章均配有微課，可幫助讀者高效地學習軟件；全書配有PPT課件、教學大綱、電子教案、數據源文件、課後習題答案、模擬試捲及答案等教學資源，可助力教師教學。

本書適合具有一定數據分析理論基礎知識，且對應用數據分析軟件進行實例分析有需求的讀者學習。本書可供高等院校經濟學、統計學、管理學等專業學生使用，並可作為通信、金融、製造、教育科研、商業咨詢、市場調查、商業統計等行業的分析人員的實際應用工具手冊。

宋志剛，博士，鄭州航空工業管理學院管理工程學院副教授，碩士生導師，河南省青年骨干教師。研究方向：大數據供應鏈、物流系統分析。 2016年就職於鄭州航空工業管理學院管理工程學院。在SCI、CSSCI期刊等發表學術論文10餘篇，其中6篇被人大報刊複印資料轉載。主持教育部人文社科項目1項，作為主要成員參與國家自然科學基金等省部級以上課題若干項。已經出版的作品：《SPSS統計分析實用教程2》（978-7-115-30221），人民郵電出版社，2013.

第 1章 數據分析與SPSS軟件概述　1
學習目標　1
知識框架　1
1.1　數據分析基本概念　2
1.2　數據分析基本流程　2
1.3　數據分析基本方法　3
1.4　常用數據分析軟件　4
1.5　SPSS軟件介紹　5
習題　9

第　2章 數據的獲取與管理　11
學習目標　11
知識框架　11
2.1　數據的獲取與軟件實現　11
2.1.1　變量的定義　12
2.1.2　數據的直接輸入與保存　15
2.1.3　外部數據文件的讀入　16
2.1.4　數據文件的合併　18
2.1.5　數據文件的拆分　22
2.2　數據的清理與軟件實現　23
2.2.1　數據的尋找、增加和刪除　24
2.2.2　變量集的設置和使用　25
2.3　數據的轉換與軟件實現　27
2.3.1　數據排序　27
2.3.2　新變量的產生　28
2.3.3　設置加權變量　29
2.3.4　變量編碼　30
2.4　數據的整理與軟件實現　32
2.4.1　數據的分類匯總　32
2.4.2　個案子集的選取　34
2.4.3　缺失值的替換　35
習題　37
案例分析題　38

第3章　描述統計分析與SPSS實現　39
學習目標　39
知識框架　39
3.1　連續變量描述統計分析　39
3.1.1　集中趨勢描述　40
3.1.2　離散趨勢描述　40
3.1.3　分佈狀態描述　41
3.1.4　深入探索分析　42
3.1.5　案例詳解及軟件實現　42
3.2　分類變量描述統計分析　48
3.2.1　交叉列聯表分析　48
3.2.2　多選項分析　49
3.2.3　案例詳解及軟件實現　49
習題　58
案例分析題　59

第4章　參數檢驗與SPSS實現　61
學習目標　61
知識框架　61
4.1　Means過程　62
4.1.1　Means過程計算原理　62
4.1.2　案例詳解及軟件實現　62
4.2　單樣本T檢驗　64
4.2.1　檢驗原理和步驟　64
4.2.2　案例詳解及軟件實現　64
4.3　兩獨立樣本T檢驗　66
4.3.1　檢驗原理和步驟　66
4.3.2　案例詳解及軟件實現　67
4.4　兩配對樣本T檢驗　70
4.4.1　檢驗原理和步驟　70
4.4.2　案例詳解及軟件實現　70
習題　73
案例分析題　74

第5章　方差分析與SPSS實現　75
學習目標　75
知識框架　75
5.1　單因素方差分析　75
5.1.1　推斷原理和檢驗步驟　76
5.1.2　案例詳解及軟件實現　77
5.2　多因素方差分析　81
5.2.1　推斷原理和檢驗步驟　81
5.2.2　案例詳解及軟件實現　83
5.3　協方差分析　88
5.3.1　推斷原理和檢驗步驟　88
5.3.2　案例詳解及軟件實現　89
習題　91
案例分析題　92

第6章　非參數檢驗與SPSS實現　95
學習目標　95
知識框架　95
6.1　兩配對樣本非參數檢驗　96
6.1.1　適用條件和檢驗方法　96
6.1.2　案例詳解及軟件實現　97
6.2　多配對樣本非參數檢驗　101
6.2.1　適用條件和檢驗方法　101
6.2.2　案例詳解及軟件實現　102
6.3　兩獨立樣本非參數檢驗　105
6.3.1　適用條件和檢驗方法　106
6.3.2　案例詳解及軟件實現　108
6.4　多獨立樣本非參數檢驗　110
6.4.1　適用條件和檢驗方法　111
6.4.2　案例詳解及軟件實現　112
習題　115
案例分析題　116

第7章　相關分析與SPSS實現　118
學習目標　118
知識框架　118
7.1　二元變量相關分析　118
7.1.1　散點圖和相關係數　119
7.1.2　分析原理和步驟　120
7.1.3　案例詳解及軟件實現　121
7.2　偏相關分析　126
7.2.1　偏相關係數　126
7.2.2　案例詳解及軟件實現　127
習題　128
案例分析題　129

第8章　回歸分析與SPSS實現　130
學習目標　130
知識框架　130
8.1　線性回歸分析　131
8.1.1　一元線性回歸分析　131
8.1.2　多元線性回歸分析　135
8.1.3　案例詳解及軟件實現　139
8.2　曲線回歸分析　146
8.2.1　常見曲線回歸模型　147
8.2.2　案例詳解及軟件實現　148
8.3　Logistic回歸分析　151
8.3.1　Logistic回歸函數的構建　151
8.3.2　Logistic回歸模型的檢驗　153
8.3.3　案例詳解及軟件實現　154
8.4　含虛擬變量的回歸分析　159
8.4.1　模型構建原理　159
8.4.2　案例詳解及軟件實現　160
習題　162
案例分析題　163

第9章　聚類分析、判別分析與SPSS實現　166
學習目標　166
知識框架　166
9.1　系統聚類分析　167
9.1.1　樣本間親疏程度測度方法　167
9.1.2　類間親疏程度測度方法　169
9.1.3　案例詳解及軟件實現　169
9.2　快速聚類分析　176
9.2.1　適用條件和迭代原理　177
9.2.2　案例詳解及軟件實現　177
9.3　判別分析　181
9.3.1　判別原理　181
9.3.2　案例詳解及軟件實現　182
習題　190
案例分析題　191

第　10章 因子分析與SPSS實現　194
學習目標　194
知識框架　194
10.1　適用條件　194
10.2　因子變量的構建　196
10.3　因子變量的命名　198
10.4　因子得分的計算　199
10.5　案例詳解及軟件實現　199
習題　207
案例分析題　208

參考文獻　211