回归分析是处理两个及两个以上变量间线性依存关系的统计方法。在医学领 域中，此类问题很普遍，如人头发中某种金属元素的含量与血液中该元素的含量 有关系，人的体表面积与身高、体重有关系；等等。回归分析就是用于说明这种依存变化的数学关系

第一数据的来源 数据的来源主要有两种渠道: 一种是通过直接的调查获得的原始数据,一般称之为第一手或直接的统 计数据; 另一种是别人调查的数据,并将这些数据进行加工和汇总后公布的数 据,通常称之为第二手或间接的统计数据

1. 理解方差分析的概念，了解方差分析的原理； 2. 掌握单因素试验的方差分析原理与方法； 3. 了解双因素无重复试验的方差分析方法； 4. 了解双因素等重复试验的方差分析方法

假设检验的基本问题 1、假设检验的基本原理 小概率事件原理 小概率思想是指小概率事件(P<0.01或 P<0.05等)在一次试验中基本上不会发生。 反证法思想是先提出假设(检验假设H),再 用适当的统计方法确定假设成立的可能性大 小,如可能性小,则认为假设不成立;反之, 则认为假设成立

项目研究内容和意义简介（限 400 字）：利用 1981 年至 2004 年长时间系列的 AVHRR 和 SPOT VEGETATION 遥感数据监测中国西北植被覆盖动态变化，利用小波变换方法分析其周期变化 规律，利用多元线性回归和地统计方法分析气象、地形和社会经济等驱动力因素与植被覆 盖变化之间的关系

❖ 1、掌握什么是主成分分析？ ❖ 2、理解主成分分析的基本思想和几何意义？ ❖ 3、理解主成分求解方法：协方差矩阵与相 关系数矩阵的差异？ ❖ 4、掌握运用SPSS或SAS软件求解主成分 ❖ 5、对软件输出结果进行正确分析

因子分析的重点 1、什么是因子分析? 2、理解因子分析的基本思想 3、因子分析的数学模型以及模型中公共因子、因子载荷变量共同度的统计意义 4、因子旋转的意义 5、结合SPSS软件进行案例分析

 回归（Regression，或Linear Regression）分析变量间的关系，有明确的因果关系假设。  即要假设一个变量为自变量，一个为因变量，用回归表示自变量对因变量的影响。  如年龄对收入的影响。[解释]  由于回归构建了变量间因果关系的数学表达，它具有统计预测功能

判别分类的频次间是否有差异的方法称为计数统计方法，主要是用卡方检验。 1、配合度检验 单因素分类计数数的实际次数与理论次数是否相同。 用 Nonparametric tests 中的Chi-Square和binomial。 2、独立性检验 有多分类的两个或多个因素之间是否独立。 两个因素：Cosstabs--Chi-Square 多个因素： Loglinear(用层次对数线性模型)

1. 认识软件 2. 数据录入与定义 编码——录入数据——定义数据 3. 数据整理 变换——排序 4. 其他常用内容 选择统计分析用的记录和变量 数据转置DATA--TRANSPOSE 数据文件拆分与合并DATA--MERGE FILES