《SPSS与统计分析（第2版）》既可作为统计学理论学习的参考，也可作为SPSS数据分析的实习教材，还可作为从事统计学工作者或与数据分析有关人员的参考书。
SPSS是世界公认的标准统计软件之一。由于其易学易用，深受广大用户，特别是非统计学专业人员的青睐。《SPSS与统计分析（第2版）》共27章，分基础篇和高级篇两部分，基础篇介绍了SPSS的基本知识和常用统计学方法；高级篇囊括了大量现代统计学分析方法，如决策树分析、多项分类logistic回归、Poisson回归、神经网络模型、广义估计方程、ROC分析、典型相关分析、重复测量资料分析、混合效应模型分析、时间序列分析、信度分析、结合分析、对应分析等。
《SPSS与统计分析（第2版）》编写特色在于：首先尽可能通俗易懂地介绍统计学方法，然后借助于SPSS软件实现这些方法，对于SPSS运行后所输出的结果给予合理的、详尽的解释。本书特别注重统计学方法的介绍，以及软件输出结果的解释。本书在附带光盘中提供了100余个实例数据，可供读者调用、练习。附录C以框架流程图形式列出了基于本书的统计学方法选择方案，供读者选择统计学分析方法时参考。
基 础 篇
第1 章 概 述
1．1 SPSS 简介
1．2 使用SPSS 进行数据分析的基本步骤
1．3 主要窗口和功能
1．3．1 数据编辑窗口
1．3．2 结果浏览窗口
1．3．3 程序编辑窗口
1．4 通过数据编辑窗口输入数据
1．4．1 使用数据窗口输入数据
1．4．2 定义变量
1．4．3 数据输入实例
1．5 SPSS 数据文件的存取
1．5．1 存取保存的SPSS 文件
1．5．2 读取保存的数据文件
1．5．3 读取Excel 电子表格数据文件
1．5．4 读取Access 数据库（ODBC 数据接口）
1．5．5 保存SPSS 数据文件
1．6 数据的编辑与整理
1．6．1 发现重复数据
1．6．2 选择数据
1．6．3 定义权重
1．6．4 数据排序
1．6．5 数据转置
1．6．6 数据合并
1．6．7 数据拆分
1．6．8 数据汇总
1．6．9 查找数据
1．7 数据转换
1．7．1 公式计算
1．7．2 数据编码
1．7．3 替代缺失数据
1．7．4 数据例编秩
1．7．5 频数分组
1．8 帮助的获取
1．8．1 按专题组织的帮助
1．8．2 通过对话框内的Help 按钮使用帮助
1．8．3 使用统计教练
1．8．4 使用联机帮助和网络讨论组
第2 章 数据类型与统计学描述
2．1 数据分类
2．2 制作频数表
2．2．1 区间数据频数分段
2．2．2 用Frequencies 编制频数表
2．3 用Descriptives 进行区间数据的统计描述
2．3．1 操作过程
2．3．2 结果解释
2．4 用Explore 进行区间数据的统计描述
2．4．1 操作过程
2．4．2 结果解释
2．5 用Bivariate 进行变量间的相关与协方差分析
2．5．1 操作过程
2．5．2 结果解释
2．5．3 描述性统计分析过程的比较
2．6 名义数据的统计描述
2．6．1 单个名义变量的描述分析
2．6．2 多指标的描述分析
第3 章 概率分布与正态性检验
3．1 概率分布
3．1．1 正态分布
3．1．2 二项分布
3．1．3 Poisson 分布
3．2 抽样分布
3．2．1 t 分布
3．2．2 2 分布
3．2．3 F 分布
3．3 正态性检验
3．3．1 P-P 图法
3．3．2 Q-Q 图法
3．3．3 直方图、箱式图与茎叶图
3．3．4 计算法
第4 章 区间估计与假设检验
4．1 均数的区间估计
4．1．1 已知时总体均数的置信区间
4．1．2 未知时总体均数的置信区间
4．1．3 两总体均数间差值的置信区间
4．2 总体方差、总体标准差的置信区间
4．3 率的区间估计
4．3．1 总体率的置信区间
4．3．2 两总体率差值的置信区间
4．4 假设检验与两类错误
4．4．1 假设检验的概念与原理
4．4．2 假设检验的两类错误
4．4．3 假设检验的基本步骤
4．5 样本含量的估计与检验效能
4．5．1 影响样本量大小的因素
4．5．2 总体均数区间估计的样本含量
4．5．3 样本均数与总体均数比较样本含量估计
4．5．4 完全随机设计两样本均数比较的样本含量估计
4．5．5 完全随机设计多个样本均数比较的样本含量估计
4．5．6 估计总体率时的样本含量估计
4．5．7 样本率与总体率比较的样本含量估计
4．5．8 两样本率比较的样本含量估计
4．5．9 多个样本率比较的样本含量估计
4．5．10 直线相关分析的样本含量估计
4．5．11 检验效能
第5 章 区间数据的统计推断
5．1 t 检验
5．1．1 单个总体均数的t 检验
5．1．2 独立样本成组t 检验
5．1．3 成对样本t 检验
5．2 单因素方差分析
5．2．1 两组资料的单因素方差分析
5．2．2 多组资料的单因素方差分析
5．3 双因素方差分析
5．3．1 基本分析步骤
5．3．2 关于Univariate 过程对话框的说明
5．4 对比与事后检验
5．4．1 对比
5．4．2 事后检验
5．4．3 Bootstrap
5．5 方差齐性检验
第6 章 名义分类数据的统计推断
6．1 四格表数据的卡方检验
6．1．1 一般四格表卡方检验
6．1．2 连续性校正卡方检验
6．2 R×C 无序列联表的卡方检验
6．2．1 多个样本率的卡方检验
6．2．2 多个样本构成的卡方检验
6．3 Fisher's 精确检验
6．3．1 四格表的精确概率法
6．3．2 RC 列联表精确概率
第7 章 有序数据的统计推断
7．1 R×C 单向有序列联表的检验
7．1．1 Wilcoxon 秩和检验
7．1．2 趋势检验
7．1．3 Kruskal-Wallis 检验
7．1．4 实例与操作
7．2 双向有序列联表的检验
7．2．1 Spearman 等级相关
7．2．2 Jonckheere-Terpstra 检验
7．2．3 Cochran-Mantel-Haenszel 统计分析
7．3 几个相关有序样本的非参数检验
7．3．1 2 相关样本的秩检验
7．3．2 多组相关样本检验
第8 章 简单线性回归与相关
8．1 一般的简单线性回归
8．1．1 线性回归的概念
8．1．2 建立线性回归方程
8．1．3 回归系数的假设检验
8．1．4 实例与操作
8．2 加权的简单线性回归
8．2．1 加权最小二乘估计
8．2．2 加权线性回归方程的假设检验
8．2．3 实例与操作
8．3 简单线性相关
8．3．1 概念
8．3．2 线性相关系数的意义和计算
8．3．3 相关系数的假设检验
8．3．4 实例与操作
第9 章 曲线回归与非线性回归
9．1 曲线直线化变换方法
9．1．1 变量的变换
9．1．2 变量变换后实现线性回归的步骤
9．1．3 实例与操作
9．2 曲线回归
9．2．1 一般步骤
9．2．2 SPSS 操作提示
9．2．3 实例与操作
9．3 非线性回归
9．3．1 基本原理
9．3．2 SPSS 操作提示
9．3．3 实例与操作
第10 章 多重线性回归与相关
10．1 多项式回归
10．2 多重回归分析方法
10．2．1 多重回归模型
10．2．2 参数估计
10．2．3 回归方程的假设检验与拟合优度评价
10．2．4 自变量的选择
10．2．5 SPSS 操作提示
10．2．6 实例与操作
10．3 共线性解决方案与校正
10．3．1 多重共线性的诊断
10．3．2 共线性解决方案
10．4 残差分析与回归诊断
10．5 交互作用与哑变量问题
10．5．1 交互作用
10．5．2 哑变量的设置
10．6 复相关系数与偏相关系数
10．6．1 复相关系数、决定系数与调整决定系数
10．6．2 偏相关系数
第11 章 统计图的制作
11．1 条图
11．2 3-D 条图
11．3 线图
11．4 面积图
11．5 圆图
11．6 高低图
11．7 帕累托图
11．8 质量控制图
11．9 箱图
11．10 误差条图
11．11 分群金字塔图
11．12 散点图
11．13 直方图
11．14 P-P 概率图
11．15 Q-Q 概率图
11．16 序列图
11．17 统计图形的编辑加工
11．17．1 图形编辑窗口简介
11．17．2 图形特征的编辑
11．17．3 坐标轴编辑
11．17．4 图例的编辑
11．17．5 添加和显示/隐藏图形元素
第12 章 诊断试验评价与ROC 分析
12．1 常用的诊断试验评价指标
12．1．1 正确率
12．1．2 灵敏度
12．1．3 特异度
12．1．4 Youden 指数
12．1．5 阳性似然比
12．1．6 阴性似然比
12．1．7 阳性预测价值
12．1．8 阴性预测价值
12．1．9 优势比及其有关指标
12．1．10 Kappa
12．2 ROC 曲线
12．2．1 ROC 分析的基本原理
12．2．2 SPSS 操作说明
12．2．3 实例与结果解释
第13 章 缺失值分析
13．1 缺失值分析简介
13．1．1 基本概念
13．1．2 缺失机制
13．1．3 缺失值的常用处理方法
13．2 SPSS 操作提示
13．2．1 SPSS 的缺失值处理方法
13．2．2 缺失值处理的SPSS 操作
13．3 结果解释
高 级 篇
第14 章 logistic 回归
14．1 二项分类logistic 回归
14．1．1 方法介绍
14．1．2 SPSS 操作选项说明
14．1．3 实例与结果解释
14．2 条件logistic 回归
14．2．1 方法介绍
14．2．2 SPSS 操作选项说明
14．2．3 实例与结果解释
14．3 有序logistic 回归
14．3．1 方法介绍
14．3．2 SPSS 操作选项说明
14．3．3 实例与结果解释
14．4 多项分类logistic 回归
14．4．1 方法介绍
14．4．2 SPSS 操作选项说明
14．4．3 实例与结果解释
第15 章 对数线性模型与Poisson 回归
15．1 列联表的对数线性模型
15．1．1 方法介绍
15．1．2 实例与操作
15．2 Poisson 回归
15．2．1 基本原理
15．2．2 实例与操作
第16 章 生存分析与Cox 模型
16．1 常用术语
16．2 非参数分析
16．2．1 寿命表法
16．2．2 Kaplan-Meier 法
16．3 Cox 回归模型
16．3．1 方法介绍
16．3．2 实例与操作
16．4 时间依存变量的处理方法
16．4．1 时间依存变量Cox 模型
16．4．2 Cox w/Time-Dep Cov 过程操作说明
第17 章 聚类、判别与决策树分析
17．1 概述
17．1．1 聚类分析基础知识
17．1．2 判别分析基础知识
17．1．3 SPSS 聚类和判别分析模块
17．2 聚类分析
17．2．1 二阶段聚类
17．2．2 K 中心聚类
17．2．3 层次聚类
17．3 判别分析
17．4 决策树分析
17．4．1 基本原理
17．4．2 决策树
17．4．3 操作提示
17．4．4 结果解释
第18 章 主成分分析与因子分析
18．1 主成分分析
18．1．1 概述
18．1．2 实例与操作
18．2 因子分析
18．2．1 概述
18．2．2 实例与操作
18．3 主成分分析与因子分析的联系及区别
第19 章 多因素方差分析
19．1 随机区组设计及其方差分析
19．1．1 概述
19．1．2 实例与操作
19．2 析因设计及其方差分析
19．2．1 概述
19．2．2 实例与操作
19．3 嵌套设计及其方差分析
19．3．1 概述
19．3．2 实例与操作
19．4 交叉设计及其方差分析
19．4．1 概述
19．4．2 实例与操作
第20 章 重复测量与混合效应模型
20．1 重复测量方差分析
20．1．1 分层随机抽样重复测量数据
20．1．2 重复测量设计临床试验数据
20．2 线性混合效应模型
20．2．1 分层随机抽样调查数据的混合效应模型分析
20．2．2 重复测量数据的混合效应模型分析
第21 章 多变量方差分析
21．1 单因素设计资料的多元方差分析
21．1．1 单样本分析
21．1．2 两样本单因素设计资料
21．2 多因素资料的多元方差分析
21．2．1 两因素设计
21．2．2 配对设计资料的多元方差分析
21．2．3 重复测量设计资料的多元方差分析
21．3 典型相关分析
第22 章 广义线性模型
22．1 概述
22．1．1 模型的组成
22．1．2 常见的几种广义线性模型
22．1．3 广义线性模型的三种估计方程及参数估计
22．1．4 模型诊断
22．2 logistic 回归
22．3 Poisson 对数线性模型
第23 章 广义估计方程
23．1 概述
23．1．1 广义估计方程的基本理论
23．1．2 作业相关矩阵
23．1．3 广义估计方程的应用
23．2 实例与操作
23．2．1 数据的一般情况
23．2．2 SPSS 操作提示与选项说明
23．2．3 SPSS 输出结果及其解释
第24 章 对应分析与结合分析
24．1 对应分析
24．1．1 方法介绍
24．1．2 SPSS 操作选项说明
24．1．3 实例分析
24．1．4 多重对应分析
24．2 结合分析
24．2．1 方法介绍
24．2．2 SPSS 操作选项说明
24．2．3 实例分析
第25 章 信度分析
25．1 重复测量法与分半信度法
25．1．1 方法介绍
25．1．2 实例与操作
25．2 Cronbach α 系数
25．2．1 方法介绍
25．2．2 SPSS 操作选项说明
25．2．3 实例描述
25．3 Kappa 系数
25．3．1 方法介绍
25．3．2 实例描述
25．3．3 操作选项说明
25．3．4 结果解释
25．4 Kendall 和谐系数
25．4．1 方法介绍
25．4．2 实例描述
25．4．3 SPSS 操作选项说明
25．4．4 主要结果
第26 章 时间序列分析
26．1 概述
26．1．1 时间序列数据及其分析方法
26．1．2 时间序列分析的模型、公式和记号
26．1．3 SPSS 时间序列分析功能
26．2 时间序列数据的预处理
26．2．1 定义日期变量
26．2．2 创建时间序列
26．2．3 填补缺失数据
26．3 指数平滑法
26．3．1 指数平滑法的原理
26．3．2 指数平滑法的操作
26．4 ARIMA 模型
26．4．1 概述
26．4．2 ARIMA 模型识别、建模和模型评价、预测
26．4．3 带有季节因子的ARIMA 模型
26．5 季节性结构分量模型
26．5．1 概述
26．5．2 分析实例
第27 章 神经网络模型
27．1 概述
27．1．1 模型的组成
27．1．2 神经网络的数据样本
27．1．3 神经网络的种类
27．2 多层感知器神经网络模型
27．2．1 概述
27．2．2 实例与操作
27．3 径向基函数神经网络模型
27．3．1 概述
27．3．2 实例与操作
附录A SPSS 函数
附录B SPSS 统计分析程序简介
附录C 统计分析方法路径图
参考文献
