具体描述
《社会统计分析方法:SPSS软件应用》改变了以往统计学教科书单纯讲解统计原理与方法的缺陷,将各种多元统计分析方法与相应的计算机统计软件结合起来介绍,从原理的讨论到具体案例的分析示范和统计软件使用说明,成为一体化的内容,并特别介绍了在社会学研究领域广为流行的SPSS软件的应用。
作者简介
目录信息
第一章 导论
一、关于本书各章的简介
1.变量的测度等级
2.本书所介绍的分析方法的概述
3.本书介绍的统计方法的分类框架
二、在应用统计的研究中,要以研究方法论为指导
1.理论、观察、统计之间的关系
2.统计研究中的常见谬误
3.社会科学的研究对象和模型
4.统计分析与理论分析
5.真理性的检验与统计检验
第二章 多元线性回归
一 变量的关系和回归的任务
二 一元线性回归模型
1.一元线性回归方程
2.一元回归系数的意义
3.变量变换
4.最小二乘估计的统计性质
5.模型的假设条件
三、多元线性回归模型
1.多元线性回归方程
2.回归平面和回归系数的意义
3.一般回归模型
4.多元回归模型估计的统计推断
四、方程的解释能力
1.确定系数R2
2.调整的确定系数R2adj
3.多元相关系数R
4.偏确定系数
5.偏相关系数
6.方差分析
五、回归方程的检验和回归系数的推断统计
1.回归方程的显著性检验
2.回归系数的显著性检验
3.回归系数的置信区间
4.回归系数不显著的原因
六、标准化回归系数
七、回归预测的区间估计
1.Y0的区间估计
2.Y0的预测
八、多重共线性及其解决方法
1.多重共线性的含义及其影响
2.多重共线性的检验
3.补救多重共线性影响的办法
4.最优回归方程的选择
九、虚拟变量的应用
1.虚拟变量的建立
2.虚拟变量回归系数的意义
3.采用虚拟变量的回归分析的检验
4.其他形式的分类变量编码和应用
附录 关于SPSSforWindows进行回归分析的有关操作
1.SPSS基本操作
2.线性回归的基本操作
3.回归分析假设条件的检查
4.其他回归分析指标输出
5.要求SPSS输出偏回归系数的方差协方差矩阵并计算矩阵C
6.将SPSS回归结果存成新变量
第三章 因子分析
一、因子分析原理
1.因子分析模型
2.因子分析中的有关概念
3.因子分析的步骤
二、求解初始因子
1.主成分分析法
2.公因子分析法
3.因子求解方法对结果的影响
三、解释因子
1.正交旋转方法
2.斜交旋转方法
3.旋转方法的选择
4.解释因子
四、因子值及其应用
五、用SPSS软件进行因子分析
1.五xtraction对话框
2.Rotation对话框
3.FactorScores对话框
4.Descriptive对话框
5.Options对话框
第四章 聚类分析
一、聚类分析的主要步骤
1.选择变量
2.计算相似性
3.聚类
4.聚类结果的解释和证实
二、相似性测度
1.相关测度
2.距离测度
3.关联测度
4.数据的标准化问题
三、聚类方法
1.层次聚类法
2.迭代聚类法
3.分类数的确定
4.聚类方法的选择
四、聚类结果的解释和证实
五、利用SPSS软件进行聚类分析
1.HierarchicalCluster
2.k-meansCluster
第五章 通径分析
一、引言
二、通径模型的设置
三、递归通径模型与非递归通径模型
1.递归通径模型
2.非递归通径模型
3.递归通径模型分析的假设条件
四、分解简单回归系数的通径分析
1.计算一个变量对最终反应变量(ultimateresponsevariable)
的各种影响
2.以不同通径传递的间接影响
3.在控制某些变量的条件下的总影响的分解工作
4.标准化与非标准化的通径系数
5.用列表法报告各种影响作用分解
五、分解简单相关系数的通径分析
六、通径模型的调试与检验
1.通径模型的调试
2.通径模型的识别
3.对过度识别的通径模型的整体检验方法
第六章logistic回归
一、引言
二、从多元线性回归到logistic回归
1.多元线性回归中使用定性因变量严重违反本身假设条件
2.线性概率模型及其间题
三、logistic回归模型的建立
1.logistic函数及其性质
2.logistic回归模型因变量的不同形式
四、logistic回归系数的意义
1.以1ogitp方程的线性表达式来解释回归系数
2.以发生比Ω的指数表达式来解释回归系数
3.几种特殊情况的讨论
4.标准化的logistic回归系数
五、logistic模型各参数估计的评价及统计检验
1.对于整体模型的检验
2.回归系数的检验
3.系数子集的联合假设检验
六、示范例题
1.对两个自变量同时纳入模型进行回归
2.两个自变量并加上交互作用项的回归
3.自变量组分步纳入的回归
4.自动选择显著自变量的分析
第七章 对数线性模型
一、从常规交互表分析到对数线性模型分析
1.传统交互表分析的缺点
2.对数线性模型的发展
二、对数线性模型的基本原理
1.例1分析模型的背景情况
2.交互表单元频数的对数线性模型化
3.对数线性模型参数估计值的理解
4.对数线性模型的统计检验
5.logit模型分析
三、两种不同类型的输入数据格式及本章例题数据
1.以交互单元为记录的数据及SPSS中要求加权的操作
2.以原始案例为记录的数据
四、SPSS对数线性模型分析各种功能的介绍
1.选用不同模型
2.设置模型中变量
3.定义模型中的项目
4.设置Delta值和参照组类别
5.设置输出类型
6.在分层模型分析中增设自动筛选显著效应项
7.对于SPSS对数线性模型各主要功能的归纳
五、例2分析,
1.对于例2饱和模型的分层检验及筛选出重要效应项
2.采用一般模型来取得例2简约模型的参数估计
3.对例2简约logit模型参数估计的分析
第八章 多元方差分析
一、简介多元方差分析与一元方差分析的关系
1.从t检验到一元方差分析
2.从一元方差分析到多元方差分析
二、多元方差分析的数据要求和假设条件
三、例题数据及三个分析模型
四、第一模型:单因素二元模型
1.SPSS多元方差分析中单因素模型及其他检查的设置
2.第一模型分析输出的结果及讨论
3.多元方差分析假设条件的检查
4.关于第一模型分析的小结
五、多元方差分析与一元方差分析区别的图示说明
六、第二模型:双因素二元饱和模型
1.SPSS多元方差分析中多因素饱和模型的设置
2.第二模型分析输出的结果及讨论
七、第三模型:双因素二元非饱和模型
1.SPSS多元方差分析中多因素非饱和模型的设置
2.第三模型分析输出的结果及讨论
第九章 鉴别分析
一、鉴别分析的假设条件和基本模型
1.鉴别分析的假设条件
2.鉴别分析的基本模型
二、关于例题
三、鉴别分析模型的各参数指标及统计检验
1.非标准化鉴别系数
2.标准化鉴别系数
3.结构系数
4.分组的矩心
5.鉴别力指数
6.残余鉴别力
7.Fisher鉴别系数
四、用SPSS进行鉴别分析的程序
1.SPSS鉴别分析数据格式
2.利用SPSS菜单定义鉴别模型及各项参数
3.SPSS鉴别分析结果的输出格式
第十章 典型相关分析
一、典型相关分析思路的简介
二、典型相关模型的基本假设和数据要求
三、应用SPSS软件进行典型相关分析
1.使用SPSS附带的典型相关分析命令程序进行分析
2.用SPSS中MANOVA菜单进行典型相关分析
3.关于两种操作方法可能取得某些统计指标的不同结果的
讨论
四、典型相关分析的统计指标
1.典型相关系数
2.典型相关系数的平方
3.特征值及其他有关指标
4.检验典型相关系数
5.典型系数
6.典型负载系数
7.交叉负载系数
8.变式对本组观测变量总方差的代表比例
9.冗余指数
五、关于典型冗余分析的讨论
六、例题分析
第十一章 结构方程模型
一、应用结构方程模型分析的五个主要步骤
二、模型的设定
三、模型的识别
四、模型估计
五、模型评价
六、模型的修正
七、LISREL模型使用的示范
附录 例题的小样本及有关统计软件应用的说明
1.LISREL第8版软件应用操作的简介
2.LISREL命令程序及有关说明
3.在SPSS中进行prelis和lisrel统计分析
第十二章 事件史分析
一、什么是事件史分析
1.传统OLS回归模型的局限性
2.事件史分析概述
3.删截的类型
4.一些统计关系
5.估计生存函数的Kaplan-Meyer方法
二、事件历史分析模型
1.离散时间Logit模型
2.Cox比例风险模型
3.其他一些连续时间模型
4.关于模型的选择
三、事件史分析的四个例子
1.关于职位晋升的假设例子――离散时间风险模型
2.研究初育间隔的假设例子――Cox比例风险模型
3.省际迁移的离散时间风险模型实例分析
4.初育间隔的Cox比例风险模型实例分析
四、需要注意的问题
附录
第十三章 使用SPSS软件对事件史原始数据进行预处理
一、输入数据类型
1.用变量编排时间信息,时间变量的个数随案例而变化
2.用个数相等的时间变量编排时间信息并以编码标志事件
发生
3.用记录编排的时间信息、时间记录不等量
4.用记录编排时间信息、等量的时间变量
二、明确时间信息数据的处理
1.例1:对第一类数据(需计算各风险期长度)的改造
2.例2:对第一类数据(各风险期长度已知)的改造
3.例3:对风险期案例的条件性选择及统计
三、隐含时间信息数据的处理
1.例4:对第二类数据的改造
2.例5:将第二类数据改造为含动态变量的离散时间模型
数据
四、讨论
第十四章 对应分析
一、什么是对应分析
1.对应分析的概念与基本形式
2.有关多元对应分析
3.对应分析的基本思路
4.对应分析方法的优点
5.对应分析方法的局限性
二、对应分析的假设条件
1.被调查者回答问题时并不都从同一角度(或称维度)作出
判断
2.所有被调查者对于某一维度重要性的评价不必一样
3.被调查者的评判角度和看法可以改变
三、使用SPSS统计软件进行对应分析
四、对应分析示例
五、另一个示例:两个变量类别数都超过三类
附录 关于用Exc,l软件取得统计检验临界值的方法
附表1:Durbin-Watson检验表(α=0.05)
附表2:Durbin-Watson 检验表(α=0.01)
· · · · · · (收起)
读后感
随身带了书,却木有带来光盘文件。哪位好心的朋友能给发一份么? 谢谢啦! (豆瓣说“抱歉,你的评论太短了”,所以,下面开始无意义代码@#¥¥%……&×~!@……%%¥%¥&…………¥#FRD$###@@!*_:<>")
随身带了书,却木有带来光盘文件。哪位好心的朋友能给发一份么? 谢谢啦! (豆瓣说“抱歉,你的评论太短了”,所以,下面开始无意义代码@#¥¥%……&×~!@……%%¥%¥&…………¥#FRD$###@@!*_:<>")
随身带了书,却木有带来光盘文件。哪位好心的朋友能给发一份么? 谢谢啦! (豆瓣说“抱歉,你的评论太短了”,所以,下面开始无意义代码@#¥¥%……&×~!@……%%¥%¥&…………¥#FRD$###@@!*_:<>")
随身带了书,却木有带来光盘文件。哪位好心的朋友能给发一份么? 谢谢啦! (豆瓣说“抱歉,你的评论太短了”,所以,下面开始无意义代码@#¥¥%……&×~!@……%%¥%¥&…………¥#FRD$###@@!*_:<>")
随身带了书,却木有带来光盘文件。哪位好心的朋友能给发一份么? 谢谢啦! (豆瓣说“抱歉,你的评论太短了”,所以,下面开始无意义代码@#¥¥%……&×~!@……%%¥%¥&…………¥#FRD$###@@!*_:<>")
用户评价
读完之后,我最大的感受是,这本书为我打开了一扇通往更严谨的量化研究世界的大门,但它并没有把我推到悬崖边上。作者的笔触始终带着一种鼓励的姿态,他承认统计学习是一个不断犯错、不断修正的过程。在全书的结尾部分,他特别讨论了“统计结果的误读与滥用”,这一点非常深刻。他没有简单地指责,而是教我们如何识别那些貌似“有说服力”但实则逻辑有漏洞的分析报告。他甚至列举了几个典型的“统计陷阱”,比如P值滥用、因果推断的陷阱等。这种前瞻性的提醒,让我意识到,掌握方法只是第一步,更重要的是拥有使用这些方法的智慧和良知。这本书带给我的,不仅仅是几个统计公式,而是一种看待世界、分析现象时,更加审慎和负责任的态度。
这本书的封面设计挺有意思的,那种略带复古的字体和深色调搭配,一下子就把我拉回到了那种严谨的学术氛围里。我本来是带着一种“能不能读完”的忐忑心情开始看的,毕竟我对统计这个领域总是有点畏惧。然而,刚翻开第一页,我就发现作者的叙述方式非常平易近人,完全不是那种冷冰冰的教科书腔调。他似乎很擅长把那些抽象的数学概念,通过一些生活化的例子串联起来。比如,他在讲解概率分布时,没有直接丢下一大串公式,而是先聊了一个大家都很熟悉的场景——掷骰子,然后慢慢过渡到更复杂的模型。这让我感觉自己不是在啃一本艰涩的教材,而更像是在听一位经验丰富的老师讲课,他总能找到那个最恰当的比喻,让你瞬间茅塞顿开。我特别欣赏作者对于数据伦理的关注,这一点在很多同类书籍中是缺失的,他反复强调我们手中的数字背后是活生生的人和他们的故事,这让整个学习过程多了一层责任感,也让统计不再仅仅是冷酷的数字游戏。
这本书最让我感到惊喜的是,它成功地平衡了理论的深度与应用的广度。我本来以为这是一本纯粹的理论探讨,但实际上,它在“如何应用”这一点上着墨极多。作者似乎深谙读者的痛点——学了半天统计,结果一到实际数据面前就抓瞎。因此,书中穿插了大量来自社会学、公共政策甚至市场研究等不同领域的真实研究案例。这些案例不仅展示了某个统计方法是如何被使用的,更重要的是,它展示了统计思维是如何指导研究问题的提出和解决过程的。比如,在比较不同群体差异性的章节,作者不仅仅展示了T检验和方差分析,他还讨论了在处理小样本量或非正态分布数据时,应该优先考虑哪些非参数检验,以及这些选择背后的哲学考量。这使得这本书超越了单纯的“方法手册”,而更像是一本提升研究者批判性思维的指南。
这本书的排版和印刷质量也让人感到非常舒服,这对需要长时间阅读的学术书籍来说至关重要。纸张的质感很好,不是那种廉价的反光纸,长时间盯着看眼睛也不会太累。更重要的是,图表的制作简直是艺术品级别的。那些用来展示数据分布的直方图、箱线图,以及路径分析图,色彩搭配得恰到好处,既保证了信息的清晰度,又避免了视觉上的杂乱无章。我尤其喜欢它在每个案例后面都附带的“操作要点提示”,那些小小的方框里总结了关键的软件操作步骤或者需要注意的陷阱。我甚至可以想象,这本书在设计之初,作者和编辑团队一定反复推敲了读者的使用体验。它不仅仅是一本知识的载体,更像是一本可以随时翻阅、随时做笔记的“工具箱”,而不是那种只能束之高阁的理论巨著。
说实话,这本书的结构安排得非常有层次感,像搭积木一样,层层递进,逻辑性强到令人拍案叫绝。一开始的基础概念铺垫得扎实稳固,就像打地基一样,没有含糊带过。等到进入到中级分析部分,比如回归分析那一章,作者的处理方式简直是教科书级别的典范。他不是简单地罗列各种模型,而是清晰地梳理了不同模型的适用条件、优缺点,以及在实际研究中如何进行模型选择和诊断。我记得有一段关于多重共线性的讨论,我以前在其他地方看了好几遍都没搞懂,但在这本书里,他通过一个虚拟的经济数据案例,清晰地展示了这个问题是如何产生的,以及如何利用方差膨胀因子(VIF)来量化它,最后还给出了实际操作中的规避策略。这种从理论到实践的无缝衔接,极大地增强了我的信心,让我敢于在自己的项目中尝试更复杂的统计工具,而不是停留在最基础的描述性统计层面。
高浓度统计原汤……
还不错,挺清晰,就是有点太老了
讲得太多东西,用简单的几张纸就打算讲清楚一个复杂模型?很多根本看不懂。
很多东西与SEM重复,不过写得挺详细的,适合初学者~
高浓度统计原汤……