舉報

會員
科研統(tǒng)計思維與方法:SPSS實戰(zhàn)
最新章節(jié):
參考文獻
本書以實際案例和具體應(yīng)用為驅(qū)動,以培養(yǎng)科研統(tǒng)計思維為目標(biāo),借助SPSS,系統(tǒng)地講授了差異顯著性檢驗、方差分析、相關(guān)性分析、回歸分析、聚類分析、主成分分析,以及結(jié)構(gòu)方程模型的概念、原理和具體使用。全書共8章。第1章系統(tǒng)地討論了科研統(tǒng)計思維及統(tǒng)計分析的相關(guān)概念,并以量化類典型論文為例拋出統(tǒng)計思維的核心問題。第2章介紹了數(shù)據(jù)的規(guī)范化及預(yù)處理,重點講解了基于數(shù)據(jù)做論證所必需的前置操作。第3章介紹了統(tǒng)計描述及數(shù)據(jù)加工。第4章講解了差異顯著性檢驗。第5章介紹了方差分析及其高級應(yīng)用,闡述了單因素方差分析、多因素方差分析、協(xié)方差分析、多因變量方差分析等內(nèi)容,以及事后檢驗、均值邊際圖等高級應(yīng)用的相關(guān)知識。第6章介紹了關(guān)聯(lián)性分析技術(shù)和回歸分析。第7章講解了聚類分析技術(shù)。第8章介紹了因子分析與降維,主要討論了探索性因子分析和驗證性因子分析(結(jié)構(gòu)方程模型)等方法。本書可作為量化研究相關(guān)專業(yè)本科生、研究生,以及大中專院校學(xué)生的教學(xué)用書,還可作為有志于了解量化研究方法和科研統(tǒng)計思維的科研人員、工程技術(shù)人員以及商務(wù)人員的參考用書。
最新章節(jié)
- 參考文獻
- 附錄 《大學(xué)生生活滿意度調(diào)查問卷》及數(shù)據(jù)集
- 綜合實踐題
- 思考題
- 8.3.4 實戰(zhàn):以AMOS軟件實現(xiàn)CFA
- 8.3.3 解讀SEM分析結(jié)果并優(yōu)化:AMOS使用之二
品牌:人郵圖書
上架時間:2024-09-10 16:11:12
出版社:人民郵電出版社
本書數(shù)字版權(quán)由人郵圖書提供,并由其授權(quán)上海閱文信息技術(shù)有限公司制作發(fā)行
- 參考文獻 更新時間:2024-09-10 16:38:08
- 附錄 《大學(xué)生生活滿意度調(diào)查問卷》及數(shù)據(jù)集
- 綜合實踐題
- 思考題
- 8.3.4 實戰(zhàn):以AMOS軟件實現(xiàn)CFA
- 8.3.3 解讀SEM分析結(jié)果并優(yōu)化:AMOS使用之二
- 8.3.2 以AMOS繪制模型圖:AMOS使用之一
- 8.3.1 結(jié)構(gòu)方程模型概述
- 8.3 結(jié)構(gòu)方程模型入門——CFA應(yīng)用
- 8.2.3 實戰(zhàn):以主成分分析檢驗測量指標(biāo)的結(jié)構(gòu)效度
- 8.2.2 實戰(zhàn):以主成分分析探究變量蘊含的關(guān)鍵因素
- 8.2.1 原理:探索性因子分析原理
- 8.2 主成分分析:EFA應(yīng)用
- 8.1.2 降維與探索性因子分析
- 8.1.1 探索性因子分析與驗證性因子分析
- 8.1 因子分析與降維簡述
- 科研視點:研究報告品讀
- 學(xué)前深思
- 知識結(jié)構(gòu)圖
- 關(guān)鍵知識點
- 第8章 因子分析與降維
- 綜合實踐題
- 思考題
- 7.4.3 實戰(zhàn):基于分類判別式的分類判別
- 7.4.2 實戰(zhàn):基于組質(zhì)心的分類判別
- 7.4.1 判別分析的概念與類型
- 7.4 判別分析
- 7.3.2 對R聚類的反思與總結(jié)
- 7.3.1 實戰(zhàn):面向變量的系統(tǒng)聚類
- 7.3 變量的聚類分析
- 7.2.2 實戰(zhàn):快速聚類及其應(yīng)用
- 7.2.1 實戰(zhàn):面向個案的系統(tǒng)聚類
- 7.2 個案的聚類分析
- 7.1.3 聚類分析的常見類型
- 7.1.2 核心知識:距離的計算與判定
- 7.1.1 科研中的分類分析
- 7.1 聚類的概念及原理
- 科研視點:研究報告品讀
- 學(xué)前深思
- 知識結(jié)構(gòu)圖
- 關(guān)鍵知識點
- 第7章 聚類分析技術(shù)
- 綜合實踐題
- 思考題
- 6.5.2 實戰(zhàn):哪些因素導(dǎo)致學(xué)生喜歡數(shù)學(xué)課?——二元邏輯回歸
- 6.5.1 二元邏輯回歸的工作原理
- 6.5 二元邏輯回歸技術(shù)
- 6.4.3 曲線回歸的總結(jié)與思考
- 6.4.2 實戰(zhàn):以曲線回歸探究高次回歸式
- 6.4.1 實戰(zhàn):以多元線性回歸探究高次回歸式
- 6.4 曲線回歸分析技術(shù)
- 6.3.5 理論深化:多重共線性問題
- 6.3.4 多元線性回歸原理及反思
- 6.3.3 實戰(zhàn):多元線性回歸分析
- 6.3.2 實戰(zhàn):一元線性回歸
- 6.3.1 回歸分析概述
- 6.3 線性回歸分析技術(shù)
- 6.2.4 低測度變量的相關(guān)性分析
- 6.2.3 實戰(zhàn):影響學(xué)生成績的真實原因是上網(wǎng)時間嗎?——偏相關(guān)分析
- 6.2.2 實戰(zhàn):學(xué)生的數(shù)學(xué)成績與游戲時間相關(guān)嗎?——中高測度數(shù)據(jù)相關(guān)性分析
- 6.2.1 相關(guān)性分析算法及其適應(yīng)性
- 6.2 相關(guān)性分析及應(yīng)用
- 6.1.2 SPSS實現(xiàn)關(guān)聯(lián)性分析的主要技術(shù)
- 6.1.1 關(guān)聯(lián)性分析的特點及類型
- 6.1 關(guān)聯(lián)性分析綜述
- 科研視點:研究報告品讀
- 學(xué)前深思
- 知識結(jié)構(gòu)圖
- 關(guān)鍵知識點
- 第6章 關(guān)聯(lián)性分析技術(shù)
- 綜合實踐題
- 思考題
- 5.5.2 實戰(zhàn):面向多因變量的方差分析
- 5.5.1 多因變量方差分析概述
- 5.5 多因變量方差分析
- 5.4.2 實戰(zhàn):排除控制變量影響的方差分析——協(xié)方差分析模型
- 5.4.1 協(xié)方差分析的概念
- 5.4 協(xié)方差分析
- 5.3.2 多因素方差分析中的關(guān)鍵問題及反思
- 5.3.1 實戰(zhàn):多因素方差分析模型構(gòu)建及調(diào)整
- 5.3 多因素方差分析
- 5.2.2 單因素方差分析反思與總結(jié)
- 5.2.1 實戰(zhàn):父母文化程度會影響學(xué)生的IQ值嗎?
- 5.2 單因素方差分析
- 5.1.2 方差分析的原理及類別
- 5.1.1 方差分析的概念
- 5.1 方差分析的概念及應(yīng)用
- 科研視點:研究報告品讀
- 學(xué)前深思
- 知識結(jié)構(gòu)圖
- 關(guān)鍵知識點
- 第5章 方差分析及其高級應(yīng)用
- 綜合實踐題
- 思考題
- 4.4.4 補充:面向期望分布的檢驗——卡方檢驗
- 4.4.3 補充:面向隨機分布的檢驗——游程檢驗及原理
- 4.4.2 深究:差異顯著性檢驗的算法體系
- 4.4.1 深究:均值差異顯著性檢驗機理
- 4.4 差異顯著性檢驗算法的思考與深化
- 4.3.4 實戰(zhàn):生源對學(xué)生是否喜歡上學(xué)有影響嗎?——低測度數(shù)據(jù)的分組檢驗
- 4.3.3 實戰(zhàn):生源是影響學(xué)習(xí)成績的因素嗎?——K-獨立樣本差異性檢驗
- 4.3.2 實戰(zhàn):性別是影響學(xué)習(xí)成績的因素嗎?——兩獨立樣本差異性檢驗
- 4.3.1 分組樣本及其統(tǒng)計推斷操作
- 4.3 面向分組數(shù)據(jù)的差異顯著性檢驗
- 4.2.4 實戰(zhàn):專家們是否科學(xué)嚴(yán)謹(jǐn)?shù)卦u審了項目?——綜合應(yīng)用型案例
- 4.2.3 實戰(zhàn):三輪測量數(shù)據(jù)之間的差別明顯嗎?——K-配對樣本差異性檢驗
- 4.2.2 實戰(zhàn):教改前后學(xué)生的成績有變化嗎?——兩配對樣本差異顯著性檢驗
- 4.2.1 配對樣本及其統(tǒng)計推斷操作
- 4.2 面向配對數(shù)據(jù)的差異顯著性檢驗
- 4.1.2 統(tǒng)計推斷的概念
- 4.1.1 差異顯著性檢驗的概念
- 4.1 差異顯著性檢驗&統(tǒng)計推斷
- 科研視點:研究報告品讀
- 學(xué)前深思
- 知識結(jié)構(gòu)圖
- 關(guān)鍵知識點
- 第4章 差異顯著性檢驗
- 綜合實踐題
- 思考題
- 3.3.6 補充說明:其他變形操作
- 3.3.5 實戰(zhàn):分?jǐn)?shù)的標(biāo)準(zhǔn)化——求Z分?jǐn)?shù)
- 3.3.4 實戰(zhàn):求正態(tài)得分
- 3.3.3 實戰(zhàn):求秩分
- 3.3.2 實戰(zhàn):個案的加權(quán)處理
- 3.3.1 實戰(zhàn):數(shù)據(jù)的排序與抽樣
- 3.3 數(shù)據(jù)抽取與變形
- 3.2.5 實戰(zhàn):面向低測度數(shù)據(jù)的統(tǒng)計描述
- 3.2.4 實戰(zhàn):數(shù)據(jù)分布形態(tài)的判斷
- 3.2.3 實戰(zhàn):數(shù)據(jù)的圖示化描述
- 3.2.2 實戰(zhàn):頻數(shù)統(tǒng)計及分析
- 3.2.1 實戰(zhàn):以SPSS獲取常見統(tǒng)計量
- 3.2 SPSS實現(xiàn)統(tǒng)計描述的技術(shù)
- 3.1.2 數(shù)據(jù)的分布形態(tài)
- 3.1.1 統(tǒng)計描述中的統(tǒng)計量
- 3.1 科研數(shù)據(jù)的統(tǒng)計描述
- 科研視點:研究報告品讀
- 學(xué)前深思
- 知識結(jié)構(gòu)圖
- 關(guān)鍵知識點
- 第3章 統(tǒng)計描述及數(shù)據(jù)加工
- 綜合實踐題
- 思考題
- 2.4.6 實戰(zhàn):SPSS下的信度檢驗
- 2.4.5 信度檢驗的主要技術(shù)
- 2.4.4 實戰(zhàn):以德爾菲法實現(xiàn)效度保證
- 2.4.3 以德爾菲法實現(xiàn)效度保證的思路
- 2.4.2 效度檢驗的主要技術(shù)
- 2.4.1 科研數(shù)據(jù)質(zhì)量保證的兩個指標(biāo)
- 2.4 科研數(shù)據(jù)的質(zhì)量保證
- 2.3.6 實戰(zhàn):數(shù)據(jù)文件的拼合技術(shù)
- 2.3.5 實戰(zhàn):缺失值的標(biāo)記與處理
- 2.3.4 實戰(zhàn):變量之間的計算
- 2.3.3 實戰(zhàn):變量的重編碼技術(shù)
- 2.3.2 實戰(zhàn):數(shù)據(jù)文件打開、保存及優(yōu)化
- 2.3.1 SPSS的變量預(yù)定義及編輯
- 2.3 以SPSS做數(shù)據(jù)預(yù)處理
- 2.2.4 實戰(zhàn):數(shù)據(jù)表的拼接
- 2.2.3 實戰(zhàn):數(shù)值化編碼技術(shù)
- 2.2.2 實戰(zhàn):數(shù)據(jù)類型轉(zhuǎn)化與格式標(biāo)準(zhǔn)化
- 2.2.1 Excel下的數(shù)據(jù)編輯
- 2.2 以Excel做數(shù)據(jù)預(yù)處理
- 2.1.3 數(shù)據(jù)的規(guī)范化要求
- 2.1.2 數(shù)據(jù)類別及特點
- 2.1.1 科研數(shù)據(jù)的來源
- 2.1 數(shù)據(jù)來源及其規(guī)范化要求
- 科研視點:研究報告品讀
- 學(xué)前深思
- 知識結(jié)構(gòu)圖
- 關(guān)鍵知識點
- 第2章 數(shù)據(jù)的規(guī)范化及預(yù)處理
- 綜合實踐題
- 思考題
- 1.6.2 研究論文
- 1.6.1 品讀導(dǎo)引
- 1.6 科研視點:面向統(tǒng)計思維的量化研究論文品讀
- 1.5.3 基于SPSS的統(tǒng)計分析環(huán)境
- 1.5.2 基于Excel的統(tǒng)計分析環(huán)境
- 1.5.1 統(tǒng)計分析軟件簡介
- 1.5 統(tǒng)計分析軟件及其分析環(huán)境
- 1.4.3 量化研究質(zhì)量的保證
- 1.4.2 量化研究中的誤區(qū)
- 1.4.1 量化研究中統(tǒng)計分析的層次
- 1.4 統(tǒng)計思維方法及應(yīng)用誤區(qū)
- 1.3.2 在社會科學(xué)領(lǐng)域的常見應(yīng)用
- 1.3.1 在自然科學(xué)領(lǐng)域的常見應(yīng)用
- 1.3 統(tǒng)計思維在科研中的主要應(yīng)用
- 1.2.4 統(tǒng)計分析的關(guān)鍵思路及質(zhì)量評價
- 1.2.3 統(tǒng)計分析技術(shù)及其應(yīng)用領(lǐng)域
- 1.2.2 統(tǒng)計推斷的主流技術(shù)
- 1.2.1 統(tǒng)計描述的關(guān)鍵技術(shù)
- 1.2 統(tǒng)計的主流技術(shù)及應(yīng)用
- 1.1.2 統(tǒng)計思維何以重要
- 1.1.1 統(tǒng)計思維之魅力
- 1.1 科研統(tǒng)計思維及其社會需求
- 學(xué)前深思
- 知識結(jié)構(gòu)圖
- 關(guān)鍵知識點
- 第1章 大數(shù)據(jù)時代的科研與統(tǒng)計思維
- 資源獲取
- 資源與支持
- 前言
- 內(nèi)容提要
- 版權(quán)
- 版權(quán)信息
- 封面
- 封面
- 版權(quán)信息
- 版權(quán)
- 內(nèi)容提要
- 前言
- 資源與支持
- 資源獲取
- 第1章 大數(shù)據(jù)時代的科研與統(tǒng)計思維
- 關(guān)鍵知識點
- 知識結(jié)構(gòu)圖
- 學(xué)前深思
- 1.1 科研統(tǒng)計思維及其社會需求
- 1.1.1 統(tǒng)計思維之魅力
- 1.1.2 統(tǒng)計思維何以重要
- 1.2 統(tǒng)計的主流技術(shù)及應(yīng)用
- 1.2.1 統(tǒng)計描述的關(guān)鍵技術(shù)
- 1.2.2 統(tǒng)計推斷的主流技術(shù)
- 1.2.3 統(tǒng)計分析技術(shù)及其應(yīng)用領(lǐng)域
- 1.2.4 統(tǒng)計分析的關(guān)鍵思路及質(zhì)量評價
- 1.3 統(tǒng)計思維在科研中的主要應(yīng)用
- 1.3.1 在自然科學(xué)領(lǐng)域的常見應(yīng)用
- 1.3.2 在社會科學(xué)領(lǐng)域的常見應(yīng)用
- 1.4 統(tǒng)計思維方法及應(yīng)用誤區(qū)
- 1.4.1 量化研究中統(tǒng)計分析的層次
- 1.4.2 量化研究中的誤區(qū)
- 1.4.3 量化研究質(zhì)量的保證
- 1.5 統(tǒng)計分析軟件及其分析環(huán)境
- 1.5.1 統(tǒng)計分析軟件簡介
- 1.5.2 基于Excel的統(tǒng)計分析環(huán)境
- 1.5.3 基于SPSS的統(tǒng)計分析環(huán)境
- 1.6 科研視點:面向統(tǒng)計思維的量化研究論文品讀
- 1.6.1 品讀導(dǎo)引
- 1.6.2 研究論文
- 思考題
- 綜合實踐題
- 第2章 數(shù)據(jù)的規(guī)范化及預(yù)處理
- 關(guān)鍵知識點
- 知識結(jié)構(gòu)圖
- 學(xué)前深思
- 科研視點:研究報告品讀
- 2.1 數(shù)據(jù)來源及其規(guī)范化要求
- 2.1.1 科研數(shù)據(jù)的來源
- 2.1.2 數(shù)據(jù)類別及特點
- 2.1.3 數(shù)據(jù)的規(guī)范化要求
- 2.2 以Excel做數(shù)據(jù)預(yù)處理
- 2.2.1 Excel下的數(shù)據(jù)編輯
- 2.2.2 實戰(zhàn):數(shù)據(jù)類型轉(zhuǎn)化與格式標(biāo)準(zhǔn)化
- 2.2.3 實戰(zhàn):數(shù)值化編碼技術(shù)
- 2.2.4 實戰(zhàn):數(shù)據(jù)表的拼接
- 2.3 以SPSS做數(shù)據(jù)預(yù)處理
- 2.3.1 SPSS的變量預(yù)定義及編輯
- 2.3.2 實戰(zhàn):數(shù)據(jù)文件打開、保存及優(yōu)化
- 2.3.3 實戰(zhàn):變量的重編碼技術(shù)
- 2.3.4 實戰(zhàn):變量之間的計算
- 2.3.5 實戰(zhàn):缺失值的標(biāo)記與處理
- 2.3.6 實戰(zhàn):數(shù)據(jù)文件的拼合技術(shù)
- 2.4 科研數(shù)據(jù)的質(zhì)量保證
- 2.4.1 科研數(shù)據(jù)質(zhì)量保證的兩個指標(biāo)
- 2.4.2 效度檢驗的主要技術(shù)
- 2.4.3 以德爾菲法實現(xiàn)效度保證的思路
- 2.4.4 實戰(zhàn):以德爾菲法實現(xiàn)效度保證
- 2.4.5 信度檢驗的主要技術(shù)
- 2.4.6 實戰(zhàn):SPSS下的信度檢驗
- 思考題
- 綜合實踐題
- 第3章 統(tǒng)計描述及數(shù)據(jù)加工
- 關(guān)鍵知識點
- 知識結(jié)構(gòu)圖
- 學(xué)前深思
- 科研視點:研究報告品讀
- 3.1 科研數(shù)據(jù)的統(tǒng)計描述
- 3.1.1 統(tǒng)計描述中的統(tǒng)計量
- 3.1.2 數(shù)據(jù)的分布形態(tài)
- 3.2 SPSS實現(xiàn)統(tǒng)計描述的技術(shù)
- 3.2.1 實戰(zhàn):以SPSS獲取常見統(tǒng)計量
- 3.2.2 實戰(zhàn):頻數(shù)統(tǒng)計及分析
- 3.2.3 實戰(zhàn):數(shù)據(jù)的圖示化描述
- 3.2.4 實戰(zhàn):數(shù)據(jù)分布形態(tài)的判斷
- 3.2.5 實戰(zhàn):面向低測度數(shù)據(jù)的統(tǒng)計描述
- 3.3 數(shù)據(jù)抽取與變形
- 3.3.1 實戰(zhàn):數(shù)據(jù)的排序與抽樣
- 3.3.2 實戰(zhàn):個案的加權(quán)處理
- 3.3.3 實戰(zhàn):求秩分
- 3.3.4 實戰(zhàn):求正態(tài)得分
- 3.3.5 實戰(zhàn):分?jǐn)?shù)的標(biāo)準(zhǔn)化——求Z分?jǐn)?shù)
- 3.3.6 補充說明:其他變形操作
- 思考題
- 綜合實踐題
- 第4章 差異顯著性檢驗
- 關(guān)鍵知識點
- 知識結(jié)構(gòu)圖
- 學(xué)前深思
- 科研視點:研究報告品讀
- 4.1 差異顯著性檢驗&統(tǒng)計推斷
- 4.1.1 差異顯著性檢驗的概念
- 4.1.2 統(tǒng)計推斷的概念
- 4.2 面向配對數(shù)據(jù)的差異顯著性檢驗
- 4.2.1 配對樣本及其統(tǒng)計推斷操作
- 4.2.2 實戰(zhàn):教改前后學(xué)生的成績有變化嗎?——兩配對樣本差異顯著性檢驗
- 4.2.3 實戰(zhàn):三輪測量數(shù)據(jù)之間的差別明顯嗎?——K-配對樣本差異性檢驗
- 4.2.4 實戰(zhàn):專家們是否科學(xué)嚴(yán)謹(jǐn)?shù)卦u審了項目?——綜合應(yīng)用型案例
- 4.3 面向分組數(shù)據(jù)的差異顯著性檢驗
- 4.3.1 分組樣本及其統(tǒng)計推斷操作
- 4.3.2 實戰(zhàn):性別是影響學(xué)習(xí)成績的因素嗎?——兩獨立樣本差異性檢驗
- 4.3.3 實戰(zhàn):生源是影響學(xué)習(xí)成績的因素嗎?——K-獨立樣本差異性檢驗
- 4.3.4 實戰(zhàn):生源對學(xué)生是否喜歡上學(xué)有影響嗎?——低測度數(shù)據(jù)的分組檢驗
- 4.4 差異顯著性檢驗算法的思考與深化
- 4.4.1 深究:均值差異顯著性檢驗機理
- 4.4.2 深究:差異顯著性檢驗的算法體系
- 4.4.3 補充:面向隨機分布的檢驗——游程檢驗及原理
- 4.4.4 補充:面向期望分布的檢驗——卡方檢驗
- 思考題
- 綜合實踐題
- 第5章 方差分析及其高級應(yīng)用
- 關(guān)鍵知識點
- 知識結(jié)構(gòu)圖
- 學(xué)前深思
- 科研視點:研究報告品讀
- 5.1 方差分析的概念及應(yīng)用
- 5.1.1 方差分析的概念
- 5.1.2 方差分析的原理及類別
- 5.2 單因素方差分析
- 5.2.1 實戰(zhàn):父母文化程度會影響學(xué)生的IQ值嗎?
- 5.2.2 單因素方差分析反思與總結(jié)
- 5.3 多因素方差分析
- 5.3.1 實戰(zhàn):多因素方差分析模型構(gòu)建及調(diào)整
- 5.3.2 多因素方差分析中的關(guān)鍵問題及反思
- 5.4 協(xié)方差分析
- 5.4.1 協(xié)方差分析的概念
- 5.4.2 實戰(zhàn):排除控制變量影響的方差分析——協(xié)方差分析模型
- 5.5 多因變量方差分析
- 5.5.1 多因變量方差分析概述
- 5.5.2 實戰(zhàn):面向多因變量的方差分析
- 思考題
- 綜合實踐題
- 第6章 關(guān)聯(lián)性分析技術(shù)
- 關(guān)鍵知識點
- 知識結(jié)構(gòu)圖
- 學(xué)前深思
- 科研視點:研究報告品讀
- 6.1 關(guān)聯(lián)性分析綜述
- 6.1.1 關(guān)聯(lián)性分析的特點及類型
- 6.1.2 SPSS實現(xiàn)關(guān)聯(lián)性分析的主要技術(shù)
- 6.2 相關(guān)性分析及應(yīng)用
- 6.2.1 相關(guān)性分析算法及其適應(yīng)性
- 6.2.2 實戰(zhàn):學(xué)生的數(shù)學(xué)成績與游戲時間相關(guān)嗎?——中高測度數(shù)據(jù)相關(guān)性分析
- 6.2.3 實戰(zhàn):影響學(xué)生成績的真實原因是上網(wǎng)時間嗎?——偏相關(guān)分析
- 6.2.4 低測度變量的相關(guān)性分析
- 6.3 線性回歸分析技術(shù)
- 6.3.1 回歸分析概述
- 6.3.2 實戰(zhàn):一元線性回歸
- 6.3.3 實戰(zhàn):多元線性回歸分析
- 6.3.4 多元線性回歸原理及反思
- 6.3.5 理論深化:多重共線性問題
- 6.4 曲線回歸分析技術(shù)
- 6.4.1 實戰(zhàn):以多元線性回歸探究高次回歸式
- 6.4.2 實戰(zhàn):以曲線回歸探究高次回歸式
- 6.4.3 曲線回歸的總結(jié)與思考
- 6.5 二元邏輯回歸技術(shù)
- 6.5.1 二元邏輯回歸的工作原理
- 6.5.2 實戰(zhàn):哪些因素導(dǎo)致學(xué)生喜歡數(shù)學(xué)課?——二元邏輯回歸
- 思考題
- 綜合實踐題
- 第7章 聚類分析技術(shù)
- 關(guān)鍵知識點
- 知識結(jié)構(gòu)圖
- 學(xué)前深思
- 科研視點:研究報告品讀
- 7.1 聚類的概念及原理
- 7.1.1 科研中的分類分析
- 7.1.2 核心知識:距離的計算與判定
- 7.1.3 聚類分析的常見類型
- 7.2 個案的聚類分析
- 7.2.1 實戰(zhàn):面向個案的系統(tǒng)聚類
- 7.2.2 實戰(zhàn):快速聚類及其應(yīng)用
- 7.3 變量的聚類分析
- 7.3.1 實戰(zhàn):面向變量的系統(tǒng)聚類
- 7.3.2 對R聚類的反思與總結(jié)
- 7.4 判別分析
- 7.4.1 判別分析的概念與類型
- 7.4.2 實戰(zhàn):基于組質(zhì)心的分類判別
- 7.4.3 實戰(zhàn):基于分類判別式的分類判別
- 思考題
- 綜合實踐題
- 第8章 因子分析與降維
- 關(guān)鍵知識點
- 知識結(jié)構(gòu)圖
- 學(xué)前深思
- 科研視點:研究報告品讀
- 8.1 因子分析與降維簡述
- 8.1.1 探索性因子分析與驗證性因子分析
- 8.1.2 降維與探索性因子分析
- 8.2 主成分分析:EFA應(yīng)用
- 8.2.1 原理:探索性因子分析原理
- 8.2.2 實戰(zhàn):以主成分分析探究變量蘊含的關(guān)鍵因素
- 8.2.3 實戰(zhàn):以主成分分析檢驗測量指標(biāo)的結(jié)構(gòu)效度
- 8.3 結(jié)構(gòu)方程模型入門——CFA應(yīng)用
- 8.3.1 結(jié)構(gòu)方程模型概述
- 8.3.2 以AMOS繪制模型圖:AMOS使用之一
- 8.3.3 解讀SEM分析結(jié)果并優(yōu)化:AMOS使用之二
- 8.3.4 實戰(zhàn):以AMOS軟件實現(xiàn)CFA
- 思考題
- 綜合實踐題
- 附錄 《大學(xué)生生活滿意度調(diào)查問卷》及數(shù)據(jù)集
- 參考文獻 更新時間:2024-09-10 16:38:08