第一篇 数据分析入门
第1章 SPSSAU平台概述
1.1 SPSSAU平台简介
1.2 SPSSAU平台使用
1.3 获得帮助
第2章 数据探索及分析
2.1 分析方法数据格式
2.2 探索数据特征
2.2.1 两种数据类型
2.2.2 定类数据探索分析
2.2.3 定量数据探索分析
2.2.4 小结
2.3 数据分布之正态性分析
2.3.1 正态分布图示法
2.3.2 正态分布检验法
2.3.3 正态分布转换处理
2.3.4 小结
2.4 常用分析方法选择
2.4.1 定类或定量数据分析方法
2.4.2 定类和定类数据分析方法
2.4.3 定类和定量数据分析方法
2.4.4 定量和定量数据分析方法
2.4.5 小结
第3章 数据清理
3.1 数据标签设置
3.2 数据编码
3.3 异常值处理
3.4 生成变量
3.4.1 常用处理
3.4.2 量纲处理
3.4.3 科学计算
3.4.4 汇总处理
3.4.5 日期相关处理
3.4.6 其他
3.5 标题处理
第二篇 常用研究方法应用
第4章 差异关系研究
4.1 t检验
4.1.1 正态分布与方差齐性
4.1.2 t检验分析步骤
4.1.3 单样本t检验
4.1.4 配对样本t检验
4.1.5 独立样本t检验
4.1.6 概要t检验
4.2 方差分析
4.2.1 方法概述
4.2.2 方差分析类型的选择
4.2.3 单因素方差分析
4.2.4 双因素及多因素方差分析
4.2.5 简单效应分析
4.3 卡方检验
4.3.1 方法概述
4.3.2 2×2四格表卡方检验
4.3.3 R×C列联表卡方检验与多重比较
4.3.4 fisher卡方检验
4.3.5 配对卡方检验
4.3.6 分层卡方检验
4.3.7 卡方拟合优度检验
4.4 非参数秩和检验
4.4.1 方法介绍
4.4.2 单样本Wilcoxon检验
4.4.3 两组独立样本Mann-Whitney检验
4.4.4 多组独立样本Kruskal-Wallis检验
4.4.5 配对样本Wilcoxon秩和检验
4.4.6 多样本Friedman检验
第5章 相关影响关系研究
5.1 相关分析
5.1.1 相关关系概述
5.1.2 相关分析步骤
5.1.3 两个变量相关实例分析
5.1.4 偏相关实例分析
5.2 线性回归
5.2.1 线性回归模型与检验
5.2.2 线性回归适用条件
5.2.3 线性回归的一般步骤
5.2.4 多重线性回归的实例分析
5.2.5 逐步线性回归的实例分析
5.2.6 有哑变量的线性回归
5.3 Logistic回归
5.3.1 方法概述
5.3.2 二元Logistic回归
5.3.3 多分类Logistic回归
5.3.4 有序Logistic回归
5.3.5 条件Logistic回归
5.4 曲线与非线性回归
5.4.1 方法概述
5.4.2 曲线回归
5.4.3 非线性回归
第6章 信息浓缩及聚类研究
6.1 因子分析
6.1.1 基本原理
6.1.2 分析步骤
6.1.3 因子分析实例分析
6.2 主成分分析
6.2.1 思想与应用
6.2.2 与因子分析的区别
6.2.3 分析步骤
6.2.4 主成分实例分析
6.3 对应分析
6.3.1 方法概述
6.3.2 简单对应分析
6.3.3 多重对应分析
6.4 多维尺度分析
6.4.1 方法概述
6.4.2 矩阵数据实例分析
6.4.3 原始数据实例分析
6.5 聚类分析
6.5.1 聚类方法的选择
6.5.2 K-means聚类
6.5.3 K-prototype聚类
6.5.4 分层聚类
第三篇 数据综合评价及预测
第7章 权重关系研究
7.1 权重计算方法
7.1.1 主观赋权法
7.1.2 客观赋权法
7.2 主成分分析法
7.2.1 权重计算步骤
7.2.2 主成分分析法权重计算实例
7.3 熵值法
7.3.1 基本原理
7.3.2 熵值法权重计算实例
7.4 层次分析法
7.4.1 原理介绍
7.4.2 层次分析法流程
7.4.3 层次分析法实例分析
7.5 其他权重法
7.5.1 CRITIC权重法
7.5.2 独立性权重法
7.5.3 信息量权重法
第8章 数据预测分析
8.1 ARIMA模型
8.1.1 ARMA模型分析流程
8.1.2 ARMA模型案例
8.2 指数平滑法
8.2.1 一次指数平滑法
8.2.2 二次指数平滑法
8.2.3 三次指数平滑法
8.3 灰色预测模型
8.3.1 灰色预测模型原理
8.3.2 灰色预测模型分析
8.4 马尔可夫预测
第9章 优劣决策分析
9.1 TOPSIS法
9.1.1 TOPSIS法原理
9.1.2 TOPSIS法案例
9.1.3 TOPSIS法问题探讨
9.2 熵权TOPSIS法
9.2.1 熵权TOPSIS法原理
展开
