数据分析方法及应用-基于SPSS和EXCEL环境_PDF下载[109MB-百度云]马秀麟

本书特色

[

本书是在教育部高等学校大学计算机课程教学指导委员会提出的“加强在校大学生计算思维能力培养”的指导思想下，基于大数据时代对人才培养的要求而编写的。本书从信息处理与应用的视角入手，探索了基于spss和excel环境的数据预处理和数据分析技术。本书由6章组成：数据统计分析的概念、数据梳理与统计描述、数据的差异显著性检验、数据的关联性分析、数据的降维与聚类分析、信度与效度的检验内容。
　　与同类教材相比，本书比较注重对各种统计分析方法适应范畴的讲解，以保证读者在面对具体研究项目时，能够正确地选择有效方法；与此同时，本书还非常注重对各统计分析方法的输出结果进行讲解，对输出表格内相关数据项之间的关系及其边界值进行了重点说明，从而保证读者在获得了数据的分析结果后能够准确地总结出有价值的研究结论；另外，本书主要面向非统计类专业学生，注意了语言和术语的通俗化和易于理解性。
　　本书深入浅出，注重系统性和理论性，涵盖知识面较广，既可以作为高等院校数据处理类课程的教材，也可作为有志青年的自学参考资料。

]

内容简介

[

从数据分析的具体需求入手，基于案例开展教学，弱化对统计学原理的阐述；
　　强化对软件功能输入、输出的解释与说明，保证工具应用的严谨性，对输出结果解释的正确性；
　　*后结合作者开展的几个数据分析类教研项目，设计综合性案例，便于学习者模仿。
　　教材配套教学所用的电子资源，包含开展数据分析所需要的原始数据、教学所用的ppt、课后思考题和实践环节的解答等，对于部分重点章节，配套微视频。

]

作者简介

[

北京师范大学教育技术学院副教授,讲授课程：多媒体技术与网页制作、动态网站建设、社会科学统计分析软件应用、大学计算机应用基础、教育管理信息系统、信息技术与课程整合。主要研究领域：信息技术教育、教育信息管理、教育信息化.

]

第1章数据统计分析的概念学习指导1.1数据分析能力培养的背景及其意义1.1.1数据分析能力培养的背景1.1.2数据分析能力培养的意义1.2数据处理的层次与数据分析1.2.1数据管理与数据采集的三个层次1.2.2数据分析与数据挖掘技术的出现1.3数据描述与数据分析简介1.3.1常见的数据描述方法1.3.2常见的数据分析技术1.4数据分析与挖掘软件1.4.1数据统计与分析软件1.4.2数据挖掘技术及应用1.5数据分析环境（spss与excel）1.5.1数据的组织与数据结构1.5.2excel的数据分析环境1.5.3spss的数据分析环境习题第2章数据梳理与统计描述学习指导2.1数据分析中的基础概念2.1.1数据描述及其概念2.1.2数据的分布形态2.1.3数据分析中的常见思路与评价策略2.2数据编辑技术简介2.2.1excel的数据编辑2.2.2spss的数据编辑2.2.3数据文件的打开与整合2.2.4数据排序2.2.5数据文件拼合2.2.6数据检索与抽样2.2.7数据的计算与计数2.2.8数据的加权处理2.3数据重编码与规范化2.3.1对字符型变量的数值化编码2.3.2对定距变量的离散化编码2.3.3数据重编码–z分数2.3.4数据重编码–求秩分2.3.5数据重编码–正态得分2.3.6数据的分类汇总2.3.7对缺失值的标记与处理2.4数据的统计描述2.4.1基本统计量2.4.2数据频度分析2.4.3数据分布形态的判定2.4.4箱体图与茎叶图2.4.5低测度数据的描述2.4.6数据摘要报告习题第3章数据的差异显著性检验学习指导3.1数据差异显著性检验的基础概念3.1.1数据差异显著性检验的概念3.1.2数据差异显著性检验的流程3.1.3差异显著性检验的类别及其适应性3.2t检验–两组数据的均值差异显著性检验3.2.1t检验的含义、方法与适应性3.2.2配对样本的t检验3.2.3独立样本的t检验3.2.4单样本的t检验3.2.5t检验的实用案例3.3方差分析3.3.1方差分析的目标、方法与类别3.3.2单因素方差分析3.3.3多因素方差分析3.3.4协方差分析3.3.5多因变量的方差分析3.3.6方差分析的实用案例3.4非参数检验3.4.1不明形态数据差异显著性检验的策略3.4.2两关联样本的非参数检验3.4.3多关联样本的非参数检验3.4.4两独立样本的非参数检验3.4.5多独立样本的非参数检验3.4.6非参数检验的实用案例3.5低测度数据的差异性与拟合优度检验3.5.1低测度数据分析的特点与卡方检验3.5.2面向期望分布的卡方检验3.5.3基于交叉表的卡方检验3.5.4基于k-s检验的分布形态判断3.5.5游程检验与随机分布3.5.6二项分布检验习题第4章数据的关联性分析学习指导4.1数据关联性分析综述4.1.1数据关联性分析的类型4.1.2spss中数据关联性分析的技术4.2数据的相关性分析4.2.1对中高测度数据的相关性分析技术4.2.2中高测度数据相关性分析的实用案例4.2.3偏相关分析4.2.4低测度数据相关性分析的概念与思路4.2.5低测度数据相关性分析的实用案例4.3线性回归分析技术4.3.1线性回归的关键概念4.3.2一元线性回归的实用案例4.3.3多元线性回归概念与关键技术4.3.4多元线性回归的实用案例4.4曲线回归技术4.4.1曲线回归的基础知识4.4.2曲线回归的实用案例4.5二元logistic回归分析技术4.5.1二元logistic回归的概念4.5.2二元logistic回归的实用案例习题第5章数据的降维与聚类分析学习指导5.1基于数据的归纳分析5.1.1归纳分析的概念5.1.2统计学中的分类分析5.1.3统计学中的降维分析5.1.4分类分析中对元素间距离的判定方法5.2分层聚类分析5.2.1分层聚类的概念及特点5.2.2分层聚类在降维中的实用案例5.2.3分层聚类在分类中的实用案例5.3k-means聚类分析5.3.1k-means聚类的概念5.3.2k-means聚类的实用案例5.4判别分析5.4.1判别分析的概念与思路5.4.2判别分析的实用案例5.5因子分析5.5.1因子分析的定义与特点5.5.2因子分析的实用案例5.5.3因子分析的补充说明5.6对应分析5.6.1对应分析的概念5.6.2对应分析的实用案例习题第6章信度与效度的检验学习指导6.1信度和效度的概念6.1.1信度的概念与主要技术6.1.2效度的概念与主要技术6.1.3社会调查中保证信度效度的常见方法6.2spss的信度检验6.2.1信度检验的主要技术6.2.2信度检验的实用案例6.3效度检验方法6.3.1效度检验的主要技术6.3.2效度检验的实用案例6.4如何构造有效的调研指标体系6.4.1构造有效指标体系的方法6.4.2用德尔菲法检查结构效度习题参考文献