本书以统计理论为主线，以解决实际问题为导向，详细介绍了SPSS在多变量方差分析、协方差分析、线性回归分析、主成分分析、因子分析、聚类分析、判别分析、决策树、神经网络、时间序列分析、对应分析、典型相关分析、简单效应、简单简单效应、调节效应、中介效应及多重响应分析中的应用。本书结合理论与实践，具有较强的技术应用性和针对性，主要面向各个专业的初、中级SPSS的使用者，以及想要深入学习和应用统计学的读者。

序言 C.R.Rao 说过：“在终极的分析中，一切知识都是历史；在抽象的意义下，一切科学都是数学；在理性的基础上，一切判断都是统计学。” 统计学的任务是研究有关数据的收集、整理、分析，从而对所研究问题做出一定结论。统计学有坚实的理论基础，也是一门技术性很强的科学，一直受到科学技术进步的影响。大规模数据越来越多、新兴数据研究问题越来越复杂等情况都将引起数据科学生态的变化，这些都将筑牢统计学在解决社会、经济、精准医学、环境科学、生物信息学等领域问题中的中心地位。 统计学的核心价值在于它能够帮助我们科学地理解世界，探索事物运行的规律。例如，由于生物技术的飞速发展，生命科学、医学及公共卫生领域的研究方向已经发生了重大转变。这些转变将科学生产力的瓶颈从数据产生转移到了数据分析与解释。在个人层面，医生可以根据个体基因组、表观遗传、环境、生活方式等信息提出精准的治疗策略，并指导个人更有效地进行健康管理；在公共卫生层面，政府机构将更精准地了解不同环境因素、生活方式和其他相关因素对健康的影响，从而降低医疗保健成本。 统计和数据科学的研究和教育必须着眼于解决现实世界的问题，在当今的大数据时代，科学、理性地运用统计知识和统计思维去辩证，在鱼龙混杂的信息中去伪存真，正确使用统计学方法尤为重要。本书详细讲解 SPSS 多元统计分析的运用方法，指引读者驾驭复杂的数据，快速掌握 SPSS 软件，本书有很好的实用性和参考价值，对数据分析与挖掘技术的研究与推广将发挥重要作用。 席淑华 2022 年 1 月 7 日 于中国医科大学 写在前面 数据分析是从数据中提取有价值信息的过程，在此过程中需要对数据进行各种处理和归类。只有真正地掌握了数据分类方法和数据处理模式，我们才能得到正确的结果及解释，从而指导实践。然而，面对丰富且错综复杂的数据资料，想要做到选择合理的统计方法快速得出正确的结论并非易事。 作为一款功能强大、方便易用的数据分析软件，SPSS 深受数据分析爱好者和从业者的喜爱，所有的功能都以对话框选项的形式呈现，界面统一、规范，用户只要掌握一定的Windows 操作技能，通晓一定的统计分析原理，就可以使用该软件。随着版本的升级，SPSS的功能愈发强大，被广泛应用于诸多行业及学术研究中。 本书作为《菜鸟学 SPSS 数据分析》的进阶版，既与前作相辅相成，又具有自身的独特性。前作的内容循序渐进，力求使各位读者（尤其是初学者）能更好地理解、运用 SPSS，重在对基础性的知识及操作进行讲解，但面对复杂的数据分析与挖掘显得力有不逮，这也促使了本书的编写。 本书主要面向各个专业的初、中级 SPSS 的使用者及想要深入学习和应用统计学的读者，定位为一本讲解高级统计分析技术的字典式的工具书，以统计理论为主线，以解决实际问题为导向，详细介绍了回归建模及其他多元统计方法，其中，每章都介绍了一个独立的统计方法，从理论到操作，每一章都配有实例，每一部分都有细致的讲解，读者可以根据需求到相应的章节重点研读。 本书特色 1. 以统计理论为主线，严格筛选统计方法 本书介绍的统计方法是基于对各个学科专业常用方法的大量研究，由知识储备丰富且有大量实战经验的作者编写而成的，每章介绍一个独立的统计方法，可以让读者对比学习。而学科性较强的方法并未在本书中体现，如果读者想要深入学习，可以关注“SPSS 学堂”微信公众号，获取相应的学习资源。 2. 以解决实际问题为导向 本书的目的不在于让各位读者了解 SPSS 的操作方法，而是掌握分析数据的统计方法，了解这些方法背后的实际用途，以开阔思路，并真正掌握相关技能。同时笔者建议读者不要拘泥于某一个统计软件，只要能方便、快捷地得出正确结论，我们就需要学习并加以使用。 3. 标题体现用途 本书每章内容的标题均体现了该章节所讲解统计方法的用途，让读者快速理解并判断该方法的适用性。 4. 微信公众号推文与图书内容的完美结合 微信公众号“SPSS 学堂”邀请来自海内外各大知名高校不同专业的硕士、博士定期撰写文章，精选优秀论文进行深度剖析并解读，以开拓读者分析数据的思路及增强实战能力，同时更新一些统计方法的小技巧与小知识点，以便读者的学习效果更上一层楼。 本书由“SPSS 学堂”的多位作者共同编写，其中，陈联、蔡伟杰共同编写了第 1 章、第 3 章的 3.1~3.3、3.5、3.6 节；陈汝男编写了第 3 章的 3.4、3.7~3.9 节、第 4 章；付梦瑶编写了第 5 章的 5.1、5.3 节、第 14~15 章；石鹏编写了第 5 章的 5.2、5.5 节；林梦茹编写了第5 章的 5.4 节；张楷露编写了第 6~7 章；柏安之、蔡伟杰共同编写了第 8~10 章；王亚北编写了第 12~13 章；张琪编写了第 16 章；林梦茹、王鹏共同编写了第 2 章和第 11 章。但婉欣审 校了第 1~5 章；柏安之审校了第 6~10 章；石鹏审校了第 11~16 章。余羿提供了第 8~10 章的数据。在此致以感谢！ 本书得以付梓，特别感谢中国医科大学公共卫生学院席淑华教授为本书撰写序言，特别感谢中国科学院国家重点研发计划项目首席科学家、全国红医联盟执行理事长、中国医药卫生文化协会副会长朱京海教授为本书撰写推荐语，特别感谢中国医科大学公共卫生学院贺淼教授为本撰写推荐语，特别感谢华中师范大学徐旋同学为本书拟定书名，特别感谢中国医科大学公共卫生学院杨华杰同学校读了文稿。需要特别说明的是，一本书的编写需要投入大量的时间与精力，各位作者在编写时会尽可能确保内容正确与严谨，但也难免会存在疏漏之处，还请各位专家和广大读者批评指正。 联系我们：请关注微信公众号“SPSS 学堂”（微信号：spss2333）并在后台留言。 相关案例下载：请关注微信公众号“SPSS 学堂”（微信号：spss2333）并回复“进阶案 例”。

第 1 章 多个因变量的假设检验：多变量方差分析 .............................................................. 1 1.1 多变量方差分析 ................................................................................................................ 1 1.1.1 多变量方差分析简介 ............................................................................................ 1 1.1.2 多变量方差分析的应用条件 ................................................................................ 1 1.2 多变量方差分析案例：不同舞蹈学校的分数差异分析 ................................................. 2 1.2.1 选择变量 ................................................................................................................ 3 1.2.2 设置模型选项 ........................................................................................................ 3 1.2.3 设置事后选项 ........................................................................................................ 4 1.2.4 选项设置 ................................................................................................................ 4 1.2.5 输出结果 ................................................................................................................ 5 1.3 本章小结 ............................................................................................................................ 8 第 2 章 校正混杂因素：协方差分析 .................................................................................... 9 2.1 协方差分析简介 ................................................................................................................ 9 2.2 协方差分析案例：早读对成绩的影响 .......................................................................... 10 2.2.1 回归拟合线平行性检验 ...................................................................................... 11 2.2.2 计算和检验修正均数（正式进行协方差分析） ............................................... 15 2.3 本章小结 .......................................................................................................................... 18 第 3 章 因变量为连续变量的估计与预测：线性回归分析 ................................................. 19 3.1 线性回归分析简介 .......................................................................................................... 19 3.1.1 简单线性回归分析简介 ...................................................................................... 19 3.1.2 多重线性回归分析简介 ...................................................................................... 20 3.2 简单线性回归分析 .......................................................................................................... 20 3.2.1 简单线性回归分析的假设条件 .......................................................................... 21 3.2.2 简单线性回归分析案例：身高和体重的关系 ................................................... 26 3.3 多重线性回归分析 .......................................................................................................... 27 3.3.1 多重线性回归分析的假设条件 .......................................................................... 28 3.3.2 多重线性回归分析案例：年收入的影响因素 ................................................... 28 3.4 回归诊断 .......................................................................................................................... 33 3.4.1 异常值判断 .......................................................................................................... 33 3.4.2 独立性检验 .......................................................................................................... 37 3.4.3 正态性检验 .......................................................................................................... 39 3.4.4 方差齐性检验 ...................................................................................................... 40 3.4.5 多重共线性诊断 .................................................................................................. 41 3.5 权重估计 .......................................................................................................................... 43 3.5.1 权重估计简介 ...................................................................................................... 43 3.5.2 权重估计案例：收入影响因素分析................................................................... 43 3.6 加权最小二乘法 .............................................................................................................. 46 3.6.1 加权最小二乘法简介 .......................................................................................... 46 3.6.2 加权最小二乘法案例：收入影响因素分析 ....................................................... 46 3.7 二阶最小二乘法 .............................................................................................................. 48 3.7.1 二阶最小二乘法简介 .......................................................................................... 48 3.7.2 二阶最小二乘法案例：影响成绩的数据 ........................................................... 49 3.8 分层回归分析 .................................................................................................................. 51 3.8.1 分层回归分析简介 .............................................................................................. 51 3.8.2 分层回归分析案例：影响个人收入的因素 ....................................................... 52 3.9 本章小结 .......................................................................................................................... 56 第 4 章 因变量为离散变量的估计与预测：Logistic 回归模型 ........................................... 58 4.1 Logistic 回归模型简介 .................................................................................................... 58 4.1.1 Logistic 回归模型的公式 .................................................................................... 58 4.1.2 Logistic 回归分析的目的 .................................................................................... 59 4.1.3 Logistic 回归模型的适用条件 ............................................................................ 59 4.1.4 Logistic 回归分析的主要用途 ............................................................................ 60 4.2 二元 Logistic 回归模型 ................................................................................................... 60 4.2.1 二元 Logistic 回归模型简介 ............................................................................... 61 4.2.2 二元 Logistic 回归分析案例：学业成就数据 .................................................... 61 4.3 多元 Logistic 回归模型 ................................................................................................... 67 4.3.1 多元 Logistic 回归模型简介 ............................................................................... 67 4.3.2 多元 Logistic 回归分析案例：数学成绩调查数据 ............................................ 68 4.4 有序回归模型 .................................................................................................................. 71 4.4.1 有序回归模型简介 .............................................................................................. 71 4.4.2 有序回归分析案例：影响个人收入水平的因素 ............................................... 71 4.5 本章小结 .......................................................................................................................... 74 第 5 章 回归模型进阶：其他回归模型 .............................................................................. 76 5.1 最优尺度回归模型 .......................................................................................................... 76 5.1.1 最优尺度回归模型简介 ...................................................................................... 76 5.1.2 最优尺度回归分析案例：师生关系的预测因素 ............................................... 77 5.2 非线性回归模型 .............................................................................................................. 83 5.2.1 曲线估计回归模型 .............................................................................................. 84 5.2.2 非线性回归模型简介 .......................................................................................... 87 5.2.3 曲线估计回归模型与非线性回归模型的比较 ................................................... 90 5.3 多层线性模型 .................................................................................................................. 91 5.3.1 多层线性模型简介 .............................................................................................. 92 5.3.2 多层线性模型（零模型）案例：语文成绩预测因素 ....................................... 93 5.3.3 多层线性模型（全模型）案例：语文成绩预测因素 ....................................... 95 5.4 对数线性模型 .................................................................................................................. 98 5.4.1 对数线性模型简介 .............................................................................................. 98 5.4.2 对数线性模型案例：不同学历人员的收入水平数据 ....................................... 99 5.5 本章小结 ........................................................................................................................ 101 第 6 章 简化多变量复杂关系：主成分分析与因子分析 ................................................... 102 6.1 主成分分析 .................................................................................................................... 102 6.1.1 主成分分析简介 ................................................................................................ 102 6.1.2 主成分分析案例：各省市特征指标的降维 ..................................................... 104 6.2 因子分析 ........................................................................................................................ 106 6.2.1 因子分析简介 .................................................................................................... 106 6.2.2 因子分析案例：学生知识结构状况................................................................. 106 6.3 本章小结 ........................................................................................................................ 112 第 7 章 数据归约技术：聚类分析 .................................................................................... 114 7.1 聚类分析简介 ................................................................................................................ 114 7.2 K 均值聚类 .................................................................................................................... 115 7.2.1 K 均值聚类简介................................................................................................. 115 7.2.2 K 均值聚类案例：土壤样本聚类 ..................................................................... 116 7.3 系统聚类 ........................................................................................................................ 119 7.3.1 系统聚类简介 .................................................................................................... 119 7.3.2 系统聚类案例：土壤指标聚类 ........................................................................ 120 7.4 二阶聚类 ........................................................................................................................ 123 7.4.1 二阶聚类简介 .................................................................................................... 123 7.4.2 二阶聚类案例：潮间带大型动物的群落结构 ................................................. 124 7.5 本章小结 ........................................................................................................................ 127 第 8 章 建立分组预测模式：判别分析 ............................................................................ 128 8.1 Fisher 判别分析 ............................................................................................................. 128 8.1.1 Fisher 判别分析简介 ......................................................................................... 128 8.1.2 Fisher 判别分析案例：鸢尾花分类.................................................................. 128 8.2 Bayes 判别分析 ............................................................................................................. 133 8.2.1 Bayes 判别分析简介 ......................................................................................... 133 8.2.2 Bayes 判别分析案例：鸢尾花分类 .................................................................. 133 8.3 本章小结 ........................................................................................................................ 138 第 9 章 预测变量的二元分离：决策树 ............................................................................ 139 9.1 决策树简介 .................................................................................................................... 139 9.2 C4.5 算法 ....................................................................................................................... 139 9.2.1 构造决策树 ........................................................................................................ 140 9.2.2 决策树剪枝 ........................................................................................................ 141 9.3 SPSS Modeler 的 C5.0 算法实现 .................................................................................. 143 9.3.1 SPSS Modeler 简介 ............................................................................................ 143 9.3.2 C5.0 算法分析案例：患者用药策略 ................................................................ 144 9.4 本章小结 ........................................................................................................................ 154 第 10 章 自适应、自学习：神经网络 .............................................................................. 155 10.1 神经网络简介 .............................................................................................................. 155 10.2 神经网络模型 .............................................................................................................. 155 10.2.1 激励函数表达方式 .......................................................................................... 156 10.2.2 传播方式 .......................................................................................................... 158 10.2.3 神经网络模型案例：鸢尾花分类 .................................................................. 159 10.3 本章小结 ...................................................................................................................... 165 第 11 章 时序数据的预测：时间序列分析 ....................................................................... 166 11.1 时间序列分析简介 ...................................................................................................... 166 11.2 指数平滑模型 .............................................................................................................. 167 11.2.1 指数平滑模型简介 .......................................................................................... 167 11.2.2 指数平滑模型案例：药品产量 ....................................................................... 168 11.3 自回归综合移动平均模型 .......................................................................................... 176 11.3.1 自回归综合移动平均模型简介 ....................................................................... 176 11.3.2 自回归综合移动平均模型实例分析案例：体检中心收入 ........................... 176 11.4 本章小结 ...................................................................................................................... 181 第 12 章 发现多个分类变量间的潜在关系：对应分析 .................................................... 182 12.1 对应分析简介 .............................................................................................................. 182 12.2 简单对应分析 .............................................................................................................. 183 12.2.1 简单对应分析实现 .......................................................................................... 183 12.2.2 简单对应分析案例：家庭结构与学历 ........................................................... 187 12.3 基于均数的对应分析 .................................................................................................. 190 12.3.1 基于均数的对应分析简介 .............................................................................. 190 12.3.2 基于均数的对应分析案例：各行业经济增长状况比较 ............................... 191 12.4 基于最优尺度变换的多重对应分析 .......................................................................... 194 12.4.1 基于最优尺度变换的多重对应分析简介 ....................................................... 194 12.4.2 基于最优尺度变换的多重对应分析案例：家庭结构与学历 ....................... 201 12.5 本章小结 ...................................................................................................................... 205 第 13 章 两组变量的相关分析：典型相关分析 ............................................................... 206 13.1 典型相关分析简介 ...................................................................................................... 206 13.2 典型相关分析案例：旅游前的旅游信息搜索动机与旅游行为之间的关系 ........... 207 13.2.1 使用 Canonical 宏程序进行典型相关操作 .................................................... 207 13.2.2 使用 MANOVA 语法进行典型相关操作 ....................................................... 211 13.2.3 输出结果 .......................................................................................................... 215 13.3 基于最优尺度变换的非线性典型相关分析 .............................................................. 216 13.3.1 基于最优尺度变换的非线性典型相关分析简介 ........................................... 216 13.3.2 基于最优尺度变换的非线性典型相关分析案例：家庭结构与学历 ........... 217 13.4 本章小结 ...................................................................................................................... 221 第 14 章 交互效应分析进阶：简单效应与简单简单效应 ................................................. 222 14.1 重复测量设计的简单效应与简单简单效应 .............................................................. 222 14.1.1 简单效应简介 .................................................................................................. 223 14.1.2 简单简单效应简介 .......................................................................................... 224 14.1.3 分析策略 .......................................................................................................... 224 14.1.4 简单效应案例：不同教学方法与智力的关系 ............................................... 224 14.1.5 简单简单效应案例：不同教学方法与智力的关系 ....................................... 228 14.2 被试间设计的简单效应与简单简单效应 .................................................................. 231 14.2.1 分析策略 .......................................................................................................... 232 14.2.2 简单效应案例：心理学反应时研究 ............................................................... 232 14.2.3 简单简单效应案例：心理学反应时研究 ....................................................... 235 14.3 本章小结 ...................................................................................................................... 239 第 15 章 调节变量与中介变量分析方法：调节效应与中介效应 ...................................... 243 15.1 调节效应 ...................................................................................................................... 243 15.1.1 调节效应简介 .................................................................................................. 243 15.1.2 自变量和调节变量均为连续变量的调节效应分析 ....................................... 245 15.1.3 自变量为连续变量、调节变量为分类变量的调节效应分析 ....................... 249 15.1.4 自变量为分类变量、调节变量为连续变量的调节效应分析 ....................... 254 15.1.5 自变量、调节变量均为分类变量的调节效应分析 ....................................... 257 15.2 Process 插件 ................................................................................................................. 258 15.2.1 Process 插件的安装及应用 ............................................................................. 258 15.2.2 Bootstrap 方法及其应用 .................................................................................. 260 15.2.3 使用 Process 插件检验调节效应 .................................................................... 260 15.2.4 使用 Process 插件检验中介效应 .................................................................... 264 15.2.5 中介效应与调节效应的混合模型 .................................................................. 270 15.3 本章小结 ...................................................................................................................... 274 第 16 章 多项选择题的分析处理：多重响应分析 ............................................................ 275 16.1 多重响应分析 .............................................................................................................. 275 16.1.1 多重响应分析案例：注册某软件时选过的标签 ........................................... 276 16.1.2 多重响应变量集的频率差异卡方检验案例：标签选择 ............................... 280 16.1.3 多重响应变量集的交叉表分析案例：标签选择 ........................................... 282 16.2 本章小结 ...................................................................................................................... 284 参考文献 ........................................................................................................................... 285