編輯推薦
從數據分析的具體需求入手,基於案例開展教學,弱化對統計學原理的闡述;
強化對軟件功能輸入、輸齣的解釋與說明,保證工具應用的嚴謹性,對輸齣結果解釋的正確性;
最後結閤作者開展的幾個數據分析類教研項目,設計綜閤性案例,便於學習者模仿。
教材配套教學所用的電子資源,包含開展數據分析所需要的原始數據、教學所用的PPT、課後思考題和實踐環節的解答等,對於部分重點章節,配套微視頻。
內容簡介
本書是在教育部高等學校大學計算機課程教學指導委員會提齣的“加強在校大學生計算思維能力培養”的指導思想下,基於大數據時代對人纔培養的要求而編寫的。本書從信息處理與應用的視角入手,探索瞭基於SPSS和EXCEL環境的數據預處理和數據分析技術。本書由6章組成:數據統計分析的概念、數據梳理與統計描述、數據的差異顯著性檢驗、數據的關聯性分析、數據的降維與聚類分析、信度與效度的檢驗內容。
與同類教材相比,本書比較注重對各種統計分析方法適應範疇的講解,以保證讀者在麵對具體研究項目時,能夠正確地選擇有效方法;與此同時,本書還非常注重對各統計分析方法的輸齣結果進行講解,對輸齣錶格內相關數據項之間的關係及其邊界值進行瞭重點說明,從而保證讀者在獲得瞭數據的分析結果後能夠準確地總結齣有價值的研究結論;另外,本書主要麵嚮非統計類專業學生,注意瞭語言和術語的通俗化和易於理解性。
本書深入淺齣,注重係統性和理論性,涵蓋知識麵較廣,既可以作為高等院校數據處理類課程的教材,也可作為有誌青年的自學參考資料。
作者簡介
馬秀麟,北京師範大學教育技術學院副教授,講授課程: 多媒體技術與網頁製作、動態網站建設、社會科學統計分析軟件應用、大學計算機應用基礎、教育管理信息係統、信息技術與課程整閤。主要研究領域:信息技術教育、教育信息管理、教育信息化.
內頁插圖
目錄
第1章 數據統計分析的概念 1
學習指導 1
1.1 數據分析能力培養的背景及其意義 2
1.1.1 數據分析能力培養的背景 2
1.1.2 數據分析能力培養的意義 3
1.2 數據處理的層次與數據分析 6
1.2.1 數據管理與數據采集的三個層次 6
1.2.2 數據分析與數據挖掘技術的齣現 6
1.3 數據描述與數據分析簡介 7
1.3.1 常見的數據描述方法 7
1.3.2 常見的數據分析技術 8
1.4 數據分析與挖掘軟件 9
1.4.1 數據統計與分析軟件 9
1.4.2 數據挖掘技術及應用 10
1.5 數據分析環境(SPSS與Excel) 11
1.5.1 數據的組織與數據結構 11
1.5.2 Excel的數據分析環境 12
1.5.3 SPSS的數據分析環境 14
習題 18
第2章 數據梳理與統計描述 20
學習指導 20
2.1 數據分析中的基礎概念 21
2.1.1 數據描述及其概念 21
2.1.2 數據的分布形態 25
2.1.3 數據分析中的常見思路與
評價策略 27
2.2 數據編輯技術簡介 28
2.2.1 Excel的數據編輯 28
2.2.2 SPSS的數據編輯 32
2.2.3 數據文件的打開與整閤 35
2.2.4 數據排序 37
2.2.5 數據文件拼閤 39
2.2.6 數據檢索與抽樣 41
2.2.7 數據的計算與計數 44
2.2.8 數據的加權處理 47
2.3 數據重編碼與規範化 48
2.3.1 對字符型變量的數值化編碼 48
2.3.2 對定距變量的離散化編碼 50
2.3.3 數據重編碼——Z分數 54
2.3.4 數據重編碼——求秩分 55
2.3.5 數據重編碼——正態得分 57
2.3.6 數據的分類匯總 59
2.3.7 對缺失值的標記與處理 60
2.4 數據的統計描述 62
2.4.1 基本統計量 62
2.4.2 數據頻度分析 65
2.4.3 數據分布形態的判定 68
2.4.4 箱體圖與莖葉圖 73
2.4.5 低測度數據的描述 75
2.4.6 數據摘要報告 78
習題 85
第3章 數據的差異顯著性檢驗 88
學習指導 88
3.1 數據差異顯著性檢驗的基礎概念 89
3.1.1 數據差異顯著性檢驗的概念 89
3.1.2 數據差異顯著性檢驗的流程 90
3.1.3 差異顯著性檢驗的類彆及
其適應性 91
3.2 T檢驗——兩組數據的均值差異
顯著性檢驗 93
3.2.1 T檢驗的含義、方法與適應性 93
3.2.2 配對樣本的T檢驗 96
3.2.3 獨立樣本的T檢驗 100
3.2.4 單樣本的T檢驗 106
3.2.5 T檢驗的實用案例 107
3.3 方差分析 111
3.3.1 方差分析的目標、方法與類彆 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 方差分析的實用案例 130
3.4 非參數檢驗 134
3.4.1 不明形態數據差異顯著性檢驗的
策略 134
3.4.2 兩關聯樣本的非參數檢驗 135
3.4.3 多關聯樣本的非參數檢驗 138
3.4.4 兩獨立樣本的非參數檢驗 140
3.4.5 多獨立樣本的非參數檢驗 143
3.4.6 非參數檢驗的實用案例 145
3.5 低測度數據的差異性與擬閤優度
檢驗 149
3.5.1 低測度數據分析的特點與
卡方檢驗 149
3.5.2 麵嚮期望分布的卡方檢驗 150
3.5.3 基於交叉錶的卡方檢驗 152
3.5.4 基於K-S檢驗的分布形態判斷 154
3.5.5 遊程檢驗與隨機分布 155
3.5.6 二項分布檢驗 157
習題 159
第4章 數據的關聯性分析 162
學習指導 162
4.1 數據關聯性分析綜述 163
4.1.1 數據關聯性分析的類型 163
4.1.2 SPSS中數據關聯性分析的技術 165
4.2 數據的相關性分析 166
4.2.1 對中高測度數據的相關性
分析技術 166
4.2.2 中高測度數據相關性分析的
實用案例 168
4.2.3 偏相關分析 173
4.2.4 低測度數據相關性分析的
概念與思路 176
4.2.5 低測度數據相關性分析的
實用案例 178
4.3 綫性迴歸分析技術 185
4.3.1 綫性迴歸的關鍵概念 185
4.3.2 一元綫性迴歸的實用案例 187
4.3.3 多元綫性迴歸概念與關鍵技術 192
4.3.4 多元綫性迴歸的實用案例 195
4.4 麯綫迴歸技術 199
4.4.1 麯綫迴歸的基礎知識 199
4.4.2 麯綫迴歸的實用案例 201
4.5 二元Logistic迴歸分析技術 205
4.5.1 二元Logistic迴歸的概念 205
4.5.2 二元Logistic迴歸的實用案例 209
習題 216
第5章 數據的降維與聚類分析 219
學習指導 219
5.1 基於數據的歸納分析 220
5.1.1 歸納分析的概念 220
5.1.2 統計學中的分類分析 220
5.1.3 統計學中的降維分析 221
5.1.4 分類分析中對元素間距離的
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 224
5.2.2 分層聚類在降維中的實用案例 225
5.2.3 分層聚類在分類中的實用案例 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聚類的實用案例 237
5.4 判彆分析 241
5.4.1 判彆分析的概念與思路 241
5.4.2 判彆分析的實用案例 243
5.5 因子分析 250
5.5.1 因子分析的定義與特點 250
5.5.2 因子分析的實用案例 253
5.5.3 因子分析的補充說明 256
5.6 對應分析 259
5.6.1 對應分析的概念 259
5.6.2 對應分析的實用案例 259
習題 264
第6章 信度與效度的檢驗 266
學習指導 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 267
6.1.2 效度的概念與主要技術 268
6.1.3 社會調查中保證信度效度的
常見方法 269
6.2 SPSS的信度檢驗 270
6.2.1 信度檢驗的主要技術 270
6.2.2 信度檢驗的實用案例 272
6.3 效度檢驗方法 277
6.3.1 效度檢驗的主要技術 277
6.3.2 效度檢驗的實用案例 278
6.4 如何構造有效的調研指標體係 282
6.4.1 構造有效指標體係的方法 282
6.4.2 用德爾菲法檢查結構效度 288
習題 291
參考文獻 293
前言/序言
數據分析方法及應用:基於SPSS和EXCEL環境 下載 mobi epub pdf txt 電子書 格式