电子工业出版社-网上书店

本书是北京市高等教育精品教材。全书以统计分析的应用需求为主线，以通俗易懂的语言对SPSS中主要统计分析方法的核心思想进行系统的介绍，并对其在SPSS中的操作实现步骤进行详尽说明，同时配合应用案例分析，使读者能够较快领会方法的要点，掌握方法的操作实现，明确方法的适用特点。本书克服了SPSS手册类教材只注重操作说明而忽略原理讲解的不足，同时弥补了统计专业教材只注重原理论述而缺乏实现工具的缺憾，是一本特色鲜明、具有广泛使用价值的精品教材。书中相关章节的示例数据文件及全书电子课件可登录华信教育资源网(www.hxedu.com.cn)免费注册下载使用。本书可作为高等院校财经类专业本科生和研究生学习SPSS统计分析方法和软件使用的教材，也可供从事统计分析和决策的社会各领域读者学习使用，尤其适合从事社会科学研究、经济管理、商业决策、人文教育、金融保险等行业的中高层管理人员学习使用。

目录

第1章 SPSS统计分析软件概述
  1.1 SPSS使用基础
      1.1.1 SPSS的基本窗口
      1.1.2 SPSS的退出
  1.2 SPSS的基本运行方式
      1.2.1 窗口菜单方式
      1.2.2 程序运行方式
      1.2.3 混合运行方式
  1.3 利用SPSS进行数据分析的基本步骤
      1.3.1 数据分析的一般步骤
      1.3.2 利用SPSS进行数据分析的一般步骤
第2章 SPSS数据文件的建立和管理
  2.1 SPSS数据文件
      2.1.1 SPSS数据文件的特点
      2.1.2 SPSS数据的基本组织方式
  2.2 SPSS数据的结构和定义方法
      2.2.1 变量名
      2.2.2 变量类型、宽度、列宽度
      2.2.3 变量名标签、变量值标签
      2.2.4 缺失值
      2.2.5 计量尺度
      2.2.6 结构定义的基本操作
  2.3 SPSS结构定义的应用案例
  2.4 SPSS数据的录入与编辑
      2.4.1 SPSS数据的录入
      2.4.2 SPSS数据的编辑
  2.5 SPSS数据的保存
      2.5.1 SPSS支持的数据格式
      2.5.2 保存SPSS数据的基本操作
  2.6 读取其他格式的数据文件
      2.6.1 直接读入其他格式的数据文件
      2.6.2 使用文本向导读入文本文件
  2.7 SPSS数据文件合并
      2.7.1 纵向合并数据文件
      2.7.2 横向合并数据文件
第3章 SPSS数据的预处理
  3.1 数据的排序
      3.1.1 数据排序的目的
      3.1.2 数据排序的基本操作
      3.1.3 数据排序的应用举例
  3.2 变量计算
      3.2.1 变量计算的目的
      3.2.2 SPSS算术表达式
      3.2.3 SPSS条件表达式
      3.2.4 SPSS函数
      3.2.5 变量计算的基本操作
      3.2.6 变量计算的应用举例
  3.3 数据选取
      3.3.1 数据选取的目的
      3.3.2 数据选取方法
      3.3.3 数据选取的基本操作
      3.3.4 数据选取的应用举例
  3.4 计数
      3.4.1 计数目的
      3.4.2 计数区间
      3.4.3 计数的基本操作
      3.4.4 计数的应用举例
  3.5 分类汇总
      3.5.1 分类汇总的目的
      3.5.2 分类汇总的基本操作
      3.5.3 分类汇总的应用举例
  3.6 数据分组
      3.6.1 数据分组的目的
      3.6.2 SPSS的单变量值分组
      3.6.3 SPSS的组距分组
      3.6.4 SPSS的分位数分组
  3.7 数据预处理的其他功能
      3.7.1 数据转置
      3.7.2 加权处理
      3.7.3 数据拆分
第4章 SPSS基本统计分析
  4.1 频数分析
      4.1.1 频数分析的目的和基本任务
      4.1.2 频数分析的基本操作
      4.1.3 SPSS频数分析的扩展功能
      4.1.4 频数分析的应用举例
  4.2 计算基本描述统计量
      4.2.1 基本描述统计量
      4.2.2 计算基本描述统计量的基本操作
      4.2.3 计算基本描述统计量的应用举例
  4.3 交叉分组下的频数分析
      4.3.1 交叉分组下频数分析的目的和基本任务
      4.3.2 交叉列联表的主要内容
      4.3.3 交叉列联表行、列变量间关系的分析
      4.3.4 交叉分组下的频数分析基本操作
      4.3.5 交叉分组下的频数分析应用举例
      4.3.6 SPSS中列联表分析的其他方法
  4.4 多选项分析
      4.4.1 多选项分析的目的
      4.4.2 多选项分析的基本操作
      4.4.3 多选项分析的应用举例
  4.5 比率分析
       4.5.1 比率分析的目的和主要指标
      4.5.2 比率分析的基本步骤
      4.5.3 比率分析的应用举例
第5章 SPSS的参数检验
  5.1 参数检验概述
      5.1.1 推断统计与参数检验
      5.1.2 假设检验的基本思想
      5.1.3 假设检验的基本步骤
  5.2 单样本t检验
      5.2.1 单样本t检验的目的
      5.2.2 单样本t检验的基本步骤
      5.2.3 单样本t检验的基本操作
      5.2.4 单样本t检验的应用举例
  5.3 两独立样本t检验
      5.3.1 两独立样本t检验的目的
      5.3.2 两独立样本t检验的基本步骤
      5.3.3 两独立样本t检验的基本操作
      5.3.4 两独立样本t检验的应用举例
  5.4 两配对样本t检验
      5.4.1 两配对样本t检验的目的
      5.4.2 两配对样本t检验的基本步骤
      5.4.3 两配对样本t检验的基本操作
      5.4.4 两配对样本t检验的应用举例
第6章 SPSS的方差分析
  6.1 方差分析概述
  6.2 单因素方差分析
      6.2.1 单因素方差分析的基本思想
      6.2.2 单因素方差分析的数学模型
      6.2.3 单因素方差分析的基本步骤
      6.2.4 单因素方差分析的基本操作
      6.2.5 单因素方差分析的应用举例
      6.2.6 单因素方差分析的进一步分析
      6.2.7 单因素方差分析应用举例的进一步分析
  6.3 多因素方差分析
      6.3.1 多因素方差分析的基本思想
      6.3.2 多因素方差分析的数学模型
      6.3.3 多因素方差分析的基本步骤
      6.3.4 多因素方差分析的基本操作
      6.3.5 多因素方差分析的应用举例
      6.3.6 多因素方差分析的进一步分析
      6.3.7 多因素方差分析应用举例的进一步分析
  6.4 协方差分析
      6.4.1 协方差分析的基本思路
      6.4.2 协方差分析的数学模型
      6.4.3 协方差分析的基本操作
      6.4.4 协方差分析的应用举例
第7章 SPSS的非参数检验
  7.1 单样本的非参数检验
      7.1.1 总体分布的卡方检验
      7.1.2 二项分布检验
      7.1.3 单样本KS检验
      7.1.4 变量值随机性检验
  7.2 两独立样本的非参数检验
      7.2.1 两独立样本的曼惠特尼U检验
      7.2.2 两独立样本的KS检验
      7.2.3 两独立样本的WW游程检验
      7.2.4 莫斯极端反应检验
      7.2.5 两独立样本非参数检验的基本操作
      7.2.6 两独立样本非参数检验的应用举例
  7.3 多独立样本的非参数检验
      7.3.1 中位数检验
      7.3.2 多独立样本的克鲁斯卡尔沃利斯检验
      7.3.3 多独立样本的约克海尔塔帕斯特拉检验
      7.3.4 多独立样本非参数检验的基本操作
      7.3.5 多独立样本非参数检验的应用举例
  7.4 两配对样本的非参数检验
      7.4.1 两配对样本的麦克尼马尔检验
      7.4.2 两配对样本的符号检验
      7.4.3 两配对样本的威尔科克森符号秩检验
      7.4.4 两配对样本非参数检验的基本操作
      7.4.5 两配对样本非参数检验的应用举例
  7.5 多配对样本的非参数检验
      7.5.1 多配对样本的傅莱德曼检验
      7.5.2 多配对样本的柯克兰Q检验
      7.5.3 多配对样本的肯德尔协同系数检验
      7.5.4 多配对样本非参数检验的基本操作
      7.5.5 多配对样本非参数检验的应用举例
第8章 SPSS的相关分析和回归分析
  8.1 相关分析和回归分析概述
  8.2 相关分析
      8.2.1 散点图
      8.2.2 相关系数
      8.2.3 相关分析的应用举例
  8.3 偏相关分析
      8.3.1 偏相关分析和偏相关系数
      8.3.2 偏相关分析的基本操作
      8.3.3 偏相关分析的应用举例
  8.4 回归分析
      8.4.1 回归分析概述
      8.4.2 线性回归模型
      8.4.3 回归参数的普通最小二乘估计
      8.4.4 回归方程的统计检验
      8.4.5 多元回归分析中的其他问题
      8.4.6 线性回归分析的基本操作
      8.4.7 线性回归分析的其他操作
      8.4.8 线性回归分析的应用举例
  8.5 曲线估计
      8.5.1 曲线估计概述
      8.5.2 曲线估计的基本操作
      8.5.3 曲线估计的应用举例
第9章 SPSS的Logistic回归分析
  9.1 Logistic回归分析概述
  9.2 二项Logistic回归分析
      9.2.1 二项Logistic回归方程
      9.2.2 二项Logistic回归方程系数的含义
      9.2.3 二项Logistic回归方程的检验
       9.2.4 二项Logistic回归分析中的虚拟解释变量
  9.3 二项Logistic回归分析
      9.3.1 二项Logistic回归分析的基本操作
      9.3.2 二项Logistic回归分析的其他操作
      9.3.3 二项Logistic回归分析的应用举例
  9.4 多项Logistic回归分析
      9.4.1 多项Logistic回归分析概述
      9.4.2 多项Logistic回归分析的基本操作
      9.4.3 多项Logistic回归分析的其他操作
  9.5 多项有序回归分析
      9.5.1 多项有序回归分析概述
      9.5.2 多项有序回归分析的基本操作
第10章 SPSS的聚类分析
  10.1 聚类分析的一般问题
      10.1.1 聚类分析的意义
      10.1.2 聚类分析中“亲疏程度”的度量方法
      10.1.3 聚类分析的注意事项
  10.2 层次聚类
      10.2.1 层次聚类的两种类型和两种方式
      10.2.2 个体与小类、小类与小类间“亲疏程度”的度量方法
      10.2.3 层次聚类的基本操作
      10.2.4 层次聚类的应用举例
  10.3 KMeans聚类
      10.3.1 KMeans聚类分析的核心步骤
      10.3.2 KMeans聚类分析的基本操作
      10.3.3 KMeans聚类分析的应用举例
第11章 SPSS的因子分析
  11.1 因子分析概述
      11.1.1 因子分析的意义
      11.1.2 因子分析的数学模型和相关概念
  11.2 因子分析的基本内容
      11.2.1 因子分析的基本步骤
      11.2.2 因子分析的前提条件
      11.2.3 因子提取和因子载荷矩阵的求解
      11.2.4 因子的命名
      11.2.5 计算因子得分
  11.3 因子分析的基本操作及应用举例
      11.3.1 因子分析的基本操作
      11.3.2 因子分析的应用举例
第12章 SPSS的对应分析
  12.1 对应分析概述
      12.1.1 对应分析的提出
      12.1.2 对应分析的基本思想
  12.2 对应分析的基本步骤
  12.3 对应分析的基本操作及应用举例
      12.3.1 对应分析的基本操作
      12.3.2 对应分析的应用举例
第13章 SPSS的判别分析
  13.1 判别分析概述
  13.2 距离判别法
      13.2.1 距离判别的基本思路
      13.2.2 判别函数的计算
  13.3 Fisher判别法
      13.3.1 Fisher判别的基本思路
      13.3.2 Fisher判别的计算
  13.4 贝叶斯判别法
      13.4.1 贝叶斯判别的基本思路
      13.4.2 贝叶斯判别的计算
  13.5 判别分析的基本操作及应用举例
      13.5.1 判别分析的基本操作
      13.5.2 判别分析的准备工作：均值检验和协差阵齐性检验
      13.5.3 解读判别结果
第14章 SPSS的信度分析
  14.1 信度分析概述
      14.1.1 信度分析的提出
      14.1.2 信度分析的基本原理
  14.2 信度分析的基本操作及应用举例
      14.2.1 信度分析的基本操作
      14.2.2 信度分析的应用举例
第15章 SPSS的一般对数线性分析模型
  15.1 一般对数线性分析模型概述
      15.1.1 模型的提出
      15.1.2 基本概念和基本思路
 15.2 饱和模型和非饱和层次模型
      15.2.1 饱和模型和参数估计
      15.2.2 饱和模型检验
      15.2.3 非饱和层次模型
      15.2.4 建立饱和模型和非饱和层次模型的基本操作
       15.2.5 饱和模型和非饱和层次模型的应用举例
  15.3 一般对数线性模型
      15.3.1 一般对数线性模型概述
      15.3.2 建立一般对数线性模型的基本操作
      15.3.3 一般对数线性模型的应用举例
  15.4 Logit对数线性模型
      15.4.1 Logit对数线性模型概述
      15.4.2 Logit对数线性模型的应用举例
第16章 SPSS的时间序列分析
  16.1 时间序列分析概述
      16.1.1 时间序列的相关概念
      16.1.2 时间序列分析的一般步骤
      16.1.3 SPSS时间序列分析的特点
  16.2 数据准备
  16.3 时间序列的图形化观察及检验
      16.3.1 时间序列的图形化观察及检验目的
      16.3.2 时间序列的图形化观察工具
      16.3.3 时间序列的检验方法
      16.3.4 时间序列的图形化观察的基本操作和应用举例
  16.4 时间序列的预处理
      16.4.1 时间序列预处理的目的和主要方法
      16.4.2 时间序列预处理的基本操作
  16.5 时间序列的简单回归分析法和趋势外推法
      16.5.1 简单回归分析法和趋势外推法概述
      16.5.2 简单回归分析法和趋势外推法的应用举例
  16.6 指数平滑法
      16.6.1 指数平滑法的基本思想
      16.6.2 指数平滑法的模型
      16.6.3 指数平滑法的基本操作
      16.6.4 指数平滑法的应用举例
  16.7 ARIMA分析
      16.7.1 ARIMA分析的基本思想和模型
      16.7.2 ARIMA分析的基本操作
      16.7.3 ARIMA分析的应用举例
  16.8 季节调整法
      16.8.1 季节调整法的基本思想和模型
      16.8.2 季节调整法的基本操作
      16.8.3 季节调整法的应用举例

前言

一、  统计应用的特点
在计算机技术迅猛发展的今天， 政府和企业的统计应用呈现以下特征。
第一， 数据量和数据关系复杂性快速膨胀
数据量和数据关系复杂性快速膨胀是目前统计应用中遇到的主要问题。通常， 一般规模的统计分析项目中， 数据量可达百万条甚至近千万条。统计应用也不再以统计年鉴和统计报表的纸面方式获得数据， 而要求直接从电子化、 多媒体化的基础业务系统、管理信息系统和决策支持系统的数据库(数据仓库)中提取数据。利用计算机和网络进行有效的数据组织和数据管理已经成为统计应用的基本环节和基础方式。
第二， 数据分析方法日益丰富
在数据处理和数据分析中， 以坚实的数学理论为基础的统计分析方法已获得广泛应用。近年来，  以计算机技术为动力的数据挖掘技术也为数据分析增添了新的方法和思路。机器学习、神经网络和遗传算法等已成为处理海量数据， 探索数据内在规律性， 提取数据中未知知识的重要手段。这些数据分析方法的成果不断地体现在统计分析软件和数据挖掘软件体系中， 并通过强大的计算机处理能力和网络分布处理能力进行模型的高速计算。
第三， 统计应用需要具有可操作性的整体解决方案
传统的统计业务处理流程是报表上报、 人工汇总、 撰写分析报告， 最终实现为有关管理决策部门提供信息监督和咨询服务的目标。统计应用的科研长期以来也沿用了这种套路， 即由统计业务方提供数据， 由统计方法专家进行数据分析、 撰写分析报告和提供咨询建议。这样的应用方式存在两个主要问题：首先， 许多企事业单位统计应用起点较低， 基础较薄弱， 无法提供完善的报表支持， 出现或资料不完整或没有电子化的数据来源等问题， 使得统计分析常常成为无米之炊；其次， 不定期的统计报告方式难以满足统计业务的长期发展需要。目前， 越来越多的统计应用要求研究人员提供能够与统计业务绑定的、 可长期运行的、 具有可操作性的统计应用整体解决方案。这个整体方案将统计业务处理功能、 统计数据、 统计分析方法完整地集成起来。因此， 如果没有一个符合企事业单位统计业务自身特点的统计信息系统， 统计分析方法的应用将很难实现健康的、 落地生根的、 滚动式的发展。
总之， 如果说数学是统计方法的首要工具， 那么， 统计应用软件已经成为统计应用的首要工具。

二、 统计应用软件的分类
长期以来， 无论在国内外政府还是企业， 统计都有着广泛的应用， 但统计应用软件在企事业单位信息化建设中获得的认可度却相对较低。产生这个矛盾的一个重要原因就是人们对统计应用软件的概念混淆、 分类不清。目前， 人们在提及统计应用软件时会涉及统计分析软件、统计信息系统、统计数据库系统等方面。规范统计应用软件分类标准对统计应用软件发展和统计信息化建设有着深远的和现实的意义。我们经过对国内外大量资料的分析研究， 结合自
身统计应用软件开发应用的经验， 提出了统计应用软件分类标准， 希望能抛砖引玉， 引起大家对统计应用软件的关注和研究。
首先， 统计应用软件是应用软件的一种分类， 是应用软件从应用领域或应用行业划分出的一个分支。其次， 根据应用性质， 统计应用软件可划分为统计分析软件、统计信息系统和统计数据库系统三大类。
● 统计分析软件是依据统计分析方法开发的支持数据分析的工具型软件， 如SPSS和SAS等。
● 统计数据库系统是基于统计数据库管理系统而建立的包含统计数据资源的数据库系统。其中， 统计数据库管理系统是根据统计对象(统计数据)的特征和一般处理功能而研制的数据库管理系统(DBMS)。
● 统计信息系统是采用软件开发平台， 结合统计数据库系统和统计分析软件等核心技术开发的服务于统计业务处理和统计数据分析的信息系统。根据统计业务的不同处理层次和服务对象， 统计信息系统一般又可分为统计基础业务系统、统计经营管理系统和统计决策支持系统。统计基础业务系统主要用于统计数据和统计报表的采集处理， 包括统计专项调查与普查处理系统等；统计经营管理系统主要用于统计数据和报表的汇总、查询、传输、基本分析和信息发布等；统计决策支持系统主要用于统计数据综合分析预测和深入的数据挖掘处理等。
因此， 本书将重点讨论的SPSS软件是一种专业的统计分析软件， 用于数据的各种分析， 进而为企事业单位的科学决策服务。

三、 关于本书
“数据”是科学决策的重要依据。“让数据说话”是科学决策的正确途径， 掌握数据分析方法和数据分析软件工具是科学决策的有效手段。本书旨在通过对SPSS统计分析方法、软件及应用案例的介绍与分析， 使读者由浅入深地了解和掌握统计分析方法， 快速掌握SPSS软件的使用， 并灵活运用于数据分析和科学决策中。
● 以统计分析过程为主线介绍SPSS
目前， 关于SPSS软件的书籍比较多， 也受到广大读者的普遍青睐。作者参考分析了这些书籍， 并在多年教学经验和实践的基础上， 总结形成了一套独特的SPSS软件教学方式。
由于SPSS软件是一种专业性较强的统计分析软件， 因此作者认为对该软件的介绍方法应有别于其他非专业性的、大众化的计算机软件。对于大众化软件， 一般可以按照软件中菜单的顺序来依次讲解；而对SPSS这样的专业软件来说， 该种方法则存在许多不利于快速掌握和应用SPSS的问题。
很多已经具备本专业领域知识的读者在学习SPSS软件的过程中遇到的问题是：首先， 拿到一批数据后不知道如何用SPSS组织它们， 不知道如何利用SPSS对它们进行基本加工和整理；其次， 不知道应从何处入手分析， 应采用SPSS中的哪些分析方法和功能实现对各类数据的由浅入深的分析， 不知道如何理解和合理解释分析结果等。
因此， 作者认为， 对SPSS软件的学习介绍应从实际应用出发， 以统计分析的实践过程为主线， 从SPSS基础和数据管理功能的说明入手， 按照针对不同数据类型、分析需求由浅入深、分析方法从易到难的思路展开， 而非软件菜单的逐一介绍。这样， 能使读者在非常短的时间内掌握SPSS的核心功能和分析方法， 并可很快运用于实际工作中。另外， 随着对软件使用的不断娴熟和分析需求的不断深入， 读者可继续学习和应用SPSS的一些高级分析方法， 进而逐步实现对SPSS功能的全面掌握和应用。
● 统计分析方法、SPSS操作及案例分析的有机结合
目前， 虽然介绍SPSS软件的书籍比较多， 但将统计分析方法、SPSS操作及案例分析有机结合的书籍并不十分多见。有些书籍比较侧重对SPSS操作的手册性介绍， 对数据分析方法讲解很少， 给大量有统计分析需求， 但又不很了解统计分析方法的读者带来诸多学习上的困难；有些书籍则比较侧重统计分析方法的论述， 却缺乏对SPSS操作实现的必要说明， 这样又会给方法的实际运用带来障碍。从快速掌握和应用SPSS的角度看， 较为合理的方法是将上述两方面有机结合， 并配合大量的多领域的分析案例， 使读者一方面可以了解分析方法的核心思想， 掌握方法的正确应用范围， 不至于滥用和误用方法; 另一方面能够快速熟悉和掌握SPSS， 并在理解分析方法的基础上给分析结果以正确合理的解释。
● 通俗的统计分析方法讲解， 详尽的SPSS操作过程说明
针对读者群的特点， 本书力求以最通俗的方式对统计分析方法的核心思想、适用范围进行讲解， 避免大量的数学公式和数学证明,目的是使读者能够快速而轻松地了解方法的本质， 正确运用方法。同时， 方法的介绍是紧紧围绕SPSS的输出结果展开的， 目的是希望读者真正理解SPSS为什么要输出这些统计量及它们对分析结论的重要性， 进而会正确、合理和完整地引用分析结果。另外， 本书对SPSS的操作过程也给出了较为详尽的说明， 但并非是对菜单功能的简单罗列， 而是将其穿插于分析案例的实现过程中。因此， 读者通过案例的学习， 能够获得了解方法、掌握SPSS操作步骤、合理解释分析结果等多方面的收益。

本书可作为高等院校财经类专业本科生和研究生学习SPSS统计分析方法和软件使用的教材，也可供从事统计分析和决策的社会各领域读者学习使用，尤其适合从事社会科学研究、经济管理、商业决策、人文教育、金融保险等行业的中高层管理人员学习使用。

《SPSS统计分析方法及应用》自2004年第1版问世以来, 得到了广大读者的一贯支持与厚爱， 经多版修订和不断打磨， 目前已成为众多高等院校统计软件、数据分析、统计学等相关课程的首选教材之一。在《SPSS统计分析方法及应用（第5版）》中， 我们依然保持第4版的写作风格， 努力以深入浅出的方式， 全面系统地介绍统计分析方法的核心原理， 以实际数据为纽带详细说明SPSS的操作过程， 以应用案例为背景剖析统计分析的应用解决方案。本书提供全部配套示例数据文件和电子课件， 读者可登录华信教育资源网(www.hxedu.com.cn)免费注册下载使用。
在广泛听取高校同仁和广大读者各方面意见的基础上， 我们对《SPSS统计分析方法及应用（第4版）》进行了全面修订， 主要说明如下。
第一，以SPSS 25.0中文版为主要讲解对象。在操作方面， SPSS的最新版本与我们所选用的版本之间并无大的差异， 且该版本软件的受众面更广。配合软件版本升级， 重新更换了第4版中的所有操作窗口图， 便于读者边学边练。
第二，对全书的数学符号、公式等进行了统一， 便于读者全书通览; 进一步提升了全书文字叙述的严谨性， 有助于读者对统计概念的正确理解。
第三，因高等院校相关课程的课时所限， 对第4版中部分较为简单的SPSS操作内容进行了必要删减。但为确保知识体系的完整性和教材内容的全面性， 仍尽量囊括众多经典统计方法， 为任课教师安排课堂授课、选讲和课后阅读等提供更多的可选择性。同时， 坚持在方法原理的讲解上不惜笔墨， 便于读者自学理解。
第四，调整了部分应用案例。因第4版中部分示例数据具有鲜明的统计特征， 特别适合某些统计分析方法的应用， 仍继续沿用未做更新。
另外， 本书案例分析结果中的表格都是SPSS的输出结果， 由于软件原因， 其中的中文翻译存在瑕疵， 或与书中规范的中文表达形式不完全一致， 请以书中表示形式为准（窗口图同此）。但为使分析结果与读者自行运行SPSS看到的结果一致， 没有修改表格中的文字， 特此说明。
在大数据背景下， 统计方法备受关注。掌握权威统计分析软件SPSS， 已成为当今大学生和职场人士的必备技能。真诚希望读者通过阅读本书， 能够领会统计分析方法的精髓， 掌握SPSS软件的操作， 并能举一反三地灵活应用于数据分析的应用实践中。

陈欢歌老师参与了本书第13~16章的修订工作， 在此表示衷心感谢！书中不妥和错误之处， 敬请各位读者批评指正。

薛薇，工学硕士，经济学博士，中国人民大学应用统计学科研究中心副主任，中国人民大学统计学院副教授。主要研究领域：机器学习和文本挖掘、复杂网络建模等。关注统计和数据挖掘算法及软件应用。涉足企业客户终身价值测算，基于文本挖掘的热点事件主题提取和分类，金融、贸易等复杂网络动态建模等方面。主要代表性教材：《SPSS统计分析方法及应用》《R语言数据挖掘方法及应用》《R语言：大数据分析中的统计方法及应用》《SPSS Modeler数据挖掘方法及应用》《数据科学概论——从概念到应用》等。

本书配套资源下载

对不起，暂无音视频资源！