伊人av中文av狼人av,亚洲五月综合网色九月色

本書是在教育部高等學(xué)校大學(xué)計(jì)算機(jī)課程教學(xué)指導(dǎo)委員會(huì)提出的“加強(qiáng)在校大學(xué)生計(jì)算思維能力培養(yǎng)”的指導(dǎo)思想下，基于大數(shù)據(jù)時(shí)代對(duì)人才培養(yǎng)的要求而編寫的。本書從信息處理與應(yīng)用的視角入手，探索了基于SPSS和EXCEL環(huán)境的數(shù)據(jù)預(yù)處理和數(shù)據(jù)分析技術(shù)。本書由6章組成：數(shù)據(jù)統(tǒng)計(jì)分析的概念、數(shù)據(jù)梳理與統(tǒng)計(jì)描述、數(shù)據(jù)的差異顯著性檢驗(yàn)、數(shù)據(jù)的關(guān)聯(lián)性分析、數(shù)據(jù)的降維與聚類分析、信度與效度的檢驗(yàn)內(nèi)容。
與同類教材相比，本書比較注重對(duì)各種統(tǒng)計(jì)分析方法適應(yīng)范疇的講解，以保證讀者在面對(duì)具體研究項(xiàng)目時(shí)，能夠正確地選擇有效方法；與此同時(shí)，本書還非常注重對(duì)各統(tǒng)計(jì)分析方法的輸出結(jié)果進(jìn)行講解，對(duì)輸出表格內(nèi)相關(guān)數(shù)據(jù)項(xiàng)之間的關(guān)系及其邊界值進(jìn)行了重點(diǎn)說(shuō)明，從而保證讀者在獲得了數(shù)據(jù)的分析結(jié)果后能夠準(zhǔn)確地總結(jié)出有價(jià)值的研究結(jié)論；另外，本書主要面向非統(tǒng)計(jì)類專業(yè)學(xué)生，注意了語(yǔ)言和術(shù)語(yǔ)的通俗化和易于理解性。
本書深入淺出，注重系統(tǒng)性和理論性，涵蓋知識(shí)面較廣，既可以作為高等院校數(shù)據(jù)處理類課程的教材，也可作為有志青年的自學(xué)參考資料。

第1章　數(shù)據(jù)統(tǒng)計(jì)分析的概念　1
學(xué)習(xí)指導(dǎo)　1
1.1　數(shù)據(jù)分析能力培養(yǎng)的背景及其意義　2
1.1.1　數(shù)據(jù)分析能力培養(yǎng)的背景　2
1.1.2　數(shù)據(jù)分析能力培養(yǎng)的意義　3
1.2　數(shù)據(jù)處理的層次與數(shù)據(jù)分析　6
1.2.1　數(shù)據(jù)管理與數(shù)據(jù)采集的三個(gè)層次　6
1.2.2　數(shù)據(jù)分析與數(shù)據(jù)挖掘技術(shù)的出現(xiàn)　6
1.3　數(shù)據(jù)描述與數(shù)據(jù)分析簡(jiǎn)介　7
1.3.1　常見(jiàn)的數(shù)據(jù)描述方法　7
1.3.2　常見(jiàn)的數(shù)據(jù)分析技術(shù)　8
1.4　數(shù)據(jù)分析與挖掘軟件　9
1.4.1　數(shù)據(jù)統(tǒng)計(jì)與分析軟件　9
1.4.2　數(shù)據(jù)挖掘技術(shù)及應(yīng)用　10
1.5　數(shù)據(jù)分析環(huán)境（SPSS與Excel）　11
1.5.1　數(shù)據(jù)的組織與數(shù)據(jù)結(jié)構(gòu)　11
1.5.2　Excel的數(shù)據(jù)分析環(huán)境　12
1.5.3　SPSS的數(shù)據(jù)分析環(huán)境　14
習(xí)題　18
第2章　數(shù)據(jù)梳理與統(tǒng)計(jì)描述　20
學(xué)習(xí)指導(dǎo)　20
2.1　數(shù)據(jù)分析中的基礎(chǔ)概念　21
2.1.1　數(shù)據(jù)描述及其概念　21
2.1.2　數(shù)據(jù)的分布形態(tài)　25
2.1.3　數(shù)據(jù)分析中的常見(jiàn)思路與
評(píng)價(jià)策略　27
2.2　數(shù)據(jù)編輯技術(shù)簡(jiǎn)介　28
2.2.1　Excel的數(shù)據(jù)編輯　28
2.2.2　SPSS的數(shù)據(jù)編輯　32
2.2.3　數(shù)據(jù)文件的打開與整合　35
2.2.4　數(shù)據(jù)排序　37
2.2.5　數(shù)據(jù)文件拼合　39
2.2.6　數(shù)據(jù)檢索與抽樣　41
2.2.7　數(shù)據(jù)的計(jì)算與計(jì)數(shù)　44
2.2.8　數(shù)據(jù)的加權(quán)處理　47
2.3　數(shù)據(jù)重編碼與規(guī)范化　48
2.3.1　對(duì)字符型變量的數(shù)值化編碼　48
2.3.2　對(duì)定距變量的離散化編碼　50
2.3.3　數(shù)據(jù)重編碼——Z分?jǐn)?shù)　54
2.3.4　數(shù)據(jù)重編碼——求秩分　55
2.3.5　數(shù)據(jù)重編碼——正態(tài)得分　57
2.3.6　數(shù)據(jù)的分類匯總　59
2.3.7　對(duì)缺失值的標(biāo)記與處理　60
2.4　數(shù)據(jù)的統(tǒng)計(jì)描述　62
2.4.1　基本統(tǒng)計(jì)量　62
2.4.2　數(shù)據(jù)頻度分析　65
2.4.3　數(shù)據(jù)分布形態(tài)的判定　68
2.4.4　箱體圖與莖葉圖　73
2.4.5　低測(cè)度數(shù)據(jù)的描述　75
2.4.6　數(shù)據(jù)摘要報(bào)告　78
習(xí)題　85
第3章　數(shù)據(jù)的差異顯著性檢驗(yàn)　88
學(xué)習(xí)指導(dǎo)　88
3.1　數(shù)據(jù)差異顯著性檢驗(yàn)的基礎(chǔ)概念　89
3.1.1　數(shù)據(jù)差異顯著性檢驗(yàn)的概念　89
3.1.2　數(shù)據(jù)差異顯著性檢驗(yàn)的流程　90
3.1.3　差異顯著性檢驗(yàn)的類別及
其適應(yīng)性　91
3.2　T檢驗(yàn)——兩組數(shù)據(jù)的均值差異
顯著性檢驗(yàn)　93
3.2.1　T檢驗(yàn)的含義、方法與適應(yīng)性　93
3.2.2　配對(duì)樣本的T檢驗(yàn)　96
3.2.3　獨(dú)立樣本的T檢驗(yàn)　100
3.2.4　單樣本的T檢驗(yàn)　106
3.2.5　T檢驗(yàn)的實(shí)用案例　107
3.3　方差分析　111
3.3.1　方差分析的目標(biāo)、方法與類別　111
3.3.2　單因素方差分析　113
3.3.3　多因素方差分析　118
3.3.4　協(xié)方差分析　125
3.3.5　多因變量的方差分析　127
3.3.6　方差分析的實(shí)用案例　130
3.4　非參數(shù)檢驗(yàn)　134
3.4.1　不明形態(tài)數(shù)據(jù)差異顯著性檢驗(yàn)的
策略　134
3.4.2　兩關(guān)聯(lián)樣本的非參數(shù)檢驗(yàn)　135
3.4.3　多關(guān)聯(lián)樣本的非參數(shù)檢驗(yàn)　138
3.4.4　兩獨(dú)立樣本的非參數(shù)檢驗(yàn)　140
3.4.5　多獨(dú)立樣本的非參數(shù)檢驗(yàn)　143
3.4.6　非參數(shù)檢驗(yàn)的實(shí)用案例　145
3.5　低測(cè)度數(shù)據(jù)的差異性與擬合優(yōu)度
檢驗(yàn)　149
3.5.1　低測(cè)度數(shù)據(jù)分析的特點(diǎn)與
卡方檢驗(yàn)　149
3.5.2　面向期望分布的卡方檢驗(yàn)　150
3.5.3　基于交叉表的卡方檢驗(yàn)　152
3.5.4　基于K-S檢驗(yàn)的分布形態(tài)判斷　154
3.5.5　游程檢驗(yàn)與隨機(jī)分布　155
3.5.6　二項(xiàng)分布檢驗(yàn)　157
習(xí)題　159
第4章　數(shù)據(jù)的關(guān)聯(lián)性分析　162
學(xué)習(xí)指導(dǎo)　162
4.1　數(shù)據(jù)關(guān)聯(lián)性分析綜述　163
4.1.1　數(shù)據(jù)關(guān)聯(lián)性分析的類型　163
4.1.2　SPSS中數(shù)據(jù)關(guān)聯(lián)性分析的技術(shù)　165
4.2　數(shù)據(jù)的相關(guān)性分析　166
4.2.1　對(duì)中高測(cè)度數(shù)據(jù)的相關(guān)性
分析技術(shù)　166
4.2.2　中高測(cè)度數(shù)據(jù)相關(guān)性分析的
實(shí)用案例　168
4.2.3　偏相關(guān)分析　173
4.2.4　低測(cè)度數(shù)據(jù)相關(guān)性分析的
概念與思路　176
4.2.5　低測(cè)度數(shù)據(jù)相關(guān)性分析的
實(shí)用案例　178
4.3　線性回歸分析技術(shù)　185
4.3.1　線性回歸的關(guān)鍵概念　185
4.3.2　一元線性回歸的實(shí)用案例　187
4.3.3　多元線性回歸概念與關(guān)鍵技術(shù)　192
4.3.4　多元線性回歸的實(shí)用案例　195
4.4　曲線回歸技術(shù)　199
4.4.1　曲線回歸的基礎(chǔ)知識(shí)　199
4.4.2　曲線回歸的實(shí)用案例　201
4.5　二元Logistic回歸分析技術(shù)　205
4.5.1　二元Logistic回歸的概念　205
4.5.2　二元Logistic回歸的實(shí)用案例　209
習(xí)題　216
第5章　數(shù)據(jù)的降維與聚類分析　219
學(xué)習(xí)指導(dǎo)　219
5.1　基于數(shù)據(jù)的歸納分析　220
5.1.1　歸納分析的概念　220
5.1.2　統(tǒng)計(jì)學(xué)中的分類分析　220
5.1.3　統(tǒng)計(jì)學(xué)中的降維分析　221
5.1.4　分類分析中對(duì)元素間距離的
判定方法　222
5.2　分層聚類分析　224
5.2.1　分層聚類的概念及特點(diǎn)　224
5.2.2　分層聚類在降維中的實(shí)用案例　225
5.2.3　分層聚類在分類中的實(shí)用案例　232
5.3　K-Means聚類分析　236
5.3.1　K-Means聚類的概念　236
5.3.2　K-Means聚類的實(shí)用案例　237
5.4　判別分析　241
5.4.1　判別分析的概念與思路　241
5.4.2　判別分析的實(shí)用案例　243
5.5　因子分析　250
5.5.1　因子分析的定義與特點(diǎn)　250
5.5.2　因子分析的實(shí)用案例　253
5.5.3　因子分析的補(bǔ)充說(shuō)明　256
5.6　對(duì)應(yīng)分析　259
5.6.1　對(duì)應(yīng)分析的概念　259
5.6.2　對(duì)應(yīng)分析的實(shí)用案例　259
習(xí)題　264
第6章　信度與效度的檢驗(yàn)　266
學(xué)習(xí)指導(dǎo)　266
6.1　信度和效度的概念　267
6.1.1　信度的概念與主要技術(shù)　267
6.1.2　效度的概念與主要技術(shù)　268
6.1.3　社會(huì)調(diào)查中保證信度效度的
常見(jiàn)方法　269
6.2　SPSS的信度檢驗(yàn)　270
6.2.1　信度檢驗(yàn)的主要技術(shù)　270
6.2.2　信度檢驗(yàn)的實(shí)用案例　272
6.3　效度檢驗(yàn)方法　277
6.3.1　效度檢驗(yàn)的主要技術(shù)　277
6.3.2　效度檢驗(yàn)的實(shí)用案例　278
6.4　如何構(gòu)造有效的調(diào)研指標(biāo)體系　282
6.4.1　構(gòu)造有效指標(biāo)體系的方法　282
6.4.2　用德?tīng)柗品z查結(jié)構(gòu)效度　288
習(xí)題　291
參考文獻(xiàn)　293

你還可能感興趣

我要評(píng)論