第六章几种离散型变量的分布及其应用 连续型随机变量:数值变量资料。 离散型随机变量:分类变量资料经整理后 得到的例数。 连续型随机变量有n个,无数种; 离散型随机变量只有一个,(n+1)种

定性数据的建模 一、列联表及列联表分析 二、对数线性模型的基本理论和方法 三、对数线性模型的SPSS实现 四、Logistic回归基本理论和方法 五、 Logistic回归步骤以及SPSS实现

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。50年代以来,随着计算机的普及和各种统计软件的出现,因 子分析在社会学、经济学、医学、地质学、气象学和市场营销等越来越多的领域 得到了应用

第3章数据表的创建及操作 3.1数据表的创建 3.2数据表的维护 3.3数据表的排序、索引与查询 3.4数据表的统计与汇总 3.5多个数据表的使用

一、基本统计处理 1、查取最大值 MAX函数的命令格式有: [Y,]=max(x):将max(X)返回矩阵X的各列中的最大元 素值及其该元素的位置赋予行向量Y与;当X为向量时,则Y与I为 单变量。 [Y,=max(x,l,diM):按数组X的第DIM维的方向查 取其最大的元素值及其该元素的位置赋予向量Y与I

案例：澳大利亚的国民银行 十分重视对客户的管理 每天将所收集的客户数据放到数据仓库中。设定智能分析机制,对客户交易状态进行管理客户状态异常的情况发生,数据仓库会自动做出相关统计

第一节显著性检验的基本原理 第二节样本平均数与总体平均数差异显著性检验 第三节两个样本平均数差异显著性检验 第四节百分数资料差异显著性检验 第五节总体参数的区间估计

在第十二章中,我们对事件史分析的基本概念和模型作了介绍。 但在事件史分析的实际操作中,研究人员常常发现数据预处理是一项很麻烦 的工作。在应用其他分析方法时,输入的数据资料都往往已经具备相当标准化的 格式,无需再进行处理。与此相比,应用事件史分析的实际数据格式却往往因不 同的调查、不同的专题而有数据格式方面的很大差别

事件史分析 本章将对事件史分析的基本概念和模型进行非技术性的介绍。具体地说,首 先我们将讨论什么是事件历史分析。然后介绍几种广泛使用的事件历史分析的模 型,特别要着重介绍的是离散时间的 logit模型和Cox比例风险模型(Cox pro portional hazards model)。我们将用1988年中国千分之二生育节育抽样调查的数 据来示范如何使用这两种模型,并在本章后面强调一些应该注意的问题。本章的 附录中提供了使用SPSS软件数据处理和估计的步骤

对比法和间比法试验,均属于顺序排列的试验设计,不能正确地估计出无偏的试验 误差,因而试验结果不能采用方差分析的方法进行显著性测验,一般采用百分比法,即 设对照(CK)的产量(或其他性状)为100,然后求出各处理的百分数和对照相比。顺序 排列亦具有一定优点,如设计简单,播种、观察和收获等工作不易发生差错,可按品种的成熟期,株高等排列,以减少处理间的生长竞争 对比法试验结果的统计分析 对比法的主要优点是,处理和对照彼此相邻,由于相邻小区的的土壤肥力比较相 似,所以供试处理与对照的比较有较高的精确度