《有机化学》 《画法几何》 《环境工程制图Ⅱ》 《环境学导论》 《环境地学基础》 《环境规划》 《物理化学》 《测量学》 《环境信息系统》 《环境水文学》 《环境生态学》 《环境与健康》 《环境化学》 《环境经济学》 《科技论文写作》 《环境社会学》 《环境工程学Ⅰ》 《环境工程学Ⅱ》 《环境管理与法学》 《环境影响评价》 《环境伦理学》 《专业英语》 《环境工程设计》 《环境监理》 《环境生物学》 《仪器分析》 《清洁生产技术与审核》 《环境毒理学》 《循环经济与生态产业园》 《环境风险评价》 《环境修复原理》 《环境工程微生物学》 《流域污染控制与管理》 《水环境修复技术》 《土壤污染及修复技术》 《农村环境整治与生态修复》 《污染场地调查评价与修复》 《环境监测》 《恢复生态学》 《流域生态保护与修复》 《环境遥感原理与应用》 《生态监测与评价》 《土地复垦与生态重建》 《水土保持工程学》 《环境景观设计》 《无人机在环境中的应用》 《环境工程施工技术》 《环境数据库》 《环境信息系统分析与设计》 《环境系统工程》 《环境数学建模》 《生态环境规划》 《环境统计分析》 《程序设计》 《信息分析与预测》 《环境在线监测技术》

微观经济学 宏观经济学 管理学原理 基础会计学 金融学 统计学 组织行为学 财务管理 管理信息系统 国际商务概论 社会经济调查方法 财政学 电子商务概论 人力资源管理 运营管理 招聘与人才测评 培训与人力资源开发 绩效管理 劳动关系与劳动法 公司治理 创新管理 薪酬管理 战略管理 市场营销学 经济法 社会保障学 劳动经济学 专业英语 企业文化 人力资源战略与规划 人力资源统计学 领导学 商业伦理与社会责任 逻辑学 社会学 心理学 商务沟通 国际贸易实务 营销策划 财经应用文写作 公共关系学 财务报表分析 税法 风险投资学 佛山经济专题 粤港澳湾区经济发展专题 中国经济专题

聚类分析( Cluster Analysis)是根据研究对象的特征对研究对象进行分类的 多元分析技术的总称分类问题是各个学科领域都普遍存在的问题,例如人口学 中研究人口生育分类模式、人口死亡分类模式;医学中对各种精神病特征的分 析;市场营销学中进行市场分层、确定目标市场等等,这些都需要对研究对象 进行分类。聚类分析是应用最广泛的分类技术,它把性质相近的个体归为一类 使得同一类中的个体具有高度的同质性,不同类之间的个体具有高度的异质 聚类分析的大部分应用都属于探测性研究,最终结果是产生研究对象的分 类,通过对数据的分类研究还能产生假设。聚类分析也能用于证实性目的,对于 通过其他方法确定的数据分类,可以应用聚类分析进行检验

在社会科学研究中,一个经常会遇到的问题就是要对定性变量数据进行量化 分析,因为研究中往往使用一些定性( Nonmetric)变量,例如名义变量或序次 变量来反映研究对象的行为、态度等,研究不同性别的顾客对不同品牌商品的喜 好,不同职业的人在吸烟行为上的差异等都属于此类研究。以往在分析这样的定 性变量时,往往需要使用非线性统计方法,例如L< linear等,但在每个变量都 划分成许多类别的情况下,这些分析方法就很难直观地揭示出变量之间的联系以 及变量类别之间的关系

多元方差分析的主要用途是同时分析和检验不同类别在多个间距测度等级变 量上是否存在显著差别。这种方法由威尔克(S.S.Wlk)在1932年创建,后来 又得到逐步发展和完善。现在,许多计算机统计软件中都已经具有多元方差分析 的功能。但是,这种方法在我国社会科学研究中的应用尚属少见,有待进一步推 本章第一节将从多元方差分析与一元方差分析的关系入手,简介相关方法的 沿革及多元方差分析的特点。第二节主要介绍多元方差分析所要求的变量、数据 方面的条件

多元线性回归( multiple linear regression)是分析一个随机变量与多个变量 之间线性关系的最常用的统计方法。实际工作中,常常希望知道所关心的事物受 哪些因素的影响,比如销售量与价格和广告费的关系,农业产量与原料和气候的 关系,生育水平与教育水平和经济水平的关系,物价和失业率的关系,收入与受 教育程度和年龄的关系等等。多元线性回归用变量的观察数据拟合所关注的变量 和影响它变化的变量之间的线性关系式,检验影响变量的显著程度和比较它们的 作用大小,进而用两个或多个变量的变化解释和预测另一个变量的变化 回归这一名词起源于19世纪生物学家F.高尔顿进行的遗传学研究,他在研 究子女身高与父母身高之间关系时发现

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的一个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数(discriminant function)然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量(grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因变量,有时可能倒是真正的“结 果”或“反应”变量

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的 个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数( discriminant function)o然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量( grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因”变量,有时可能倒是真正的“结 果”或“反应”变量。它们与类型变量的关系从本质上并没有越过相关的范畴。 不过,既然我们要参照其值来进行分组,权且称之为自变量

因子分析( Factor Analysis)是多元统讣分析技术的一个分支,其主要目的 是浓缩数据。它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本 结构,并用少数几个假想变量来表示基本的数据结构。这些假想变量能够反映原 来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依存关 系,我们把这些假想变量称之为基础变量,即因子( Factors)。因子分析就是研 究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子 因子分析是由心理学家发展起来的,最初心理学家借助因子分析模型来解释 人类的行为和能力,1904年查尔斯·斯皮尔曼( Charles spearman)在美国心理学 杂志上发表了第一篇有关因子分析的文章,在以后的三四十年里,因子分析的理 论和数学基础逐步得到了发展和完善,它作为一个一般的统计分析工具逐渐被人 们所认识和接受

本章概述 产生于20世纪初的分析哲学,继承实证主义传统,运用现代 数理逻辑和语言分析,拒斥形而上学,认为哲学的主要任务是对 语言表达式的描述和解释,或把复杂的概念分析为简单的概念, 阐明后者之间的关系;或通过对语言的逻辑分析而解决哲学问题 。它注重分析的方法,强调语言分析的重要性,反心理主义,否 认纯理智能获得关于实在的知识。它是20世纪西方哲学中的主要 思潮之一,在英语国家长期居于主导地位,除了在哲学领域的巨 大影响之外,还对文学、社会学、政治学等学科都产生了深刻的 影响