3.1 均值（Mean）和均值标准误差（S.E.mean） 3.2 中位数（Median） 3.3 众数（Mode） 3.4 全距（Range） 方差（Variance）和标准差 （Standard Deviation） 3.5 四分位数（Quartiles）、十分位数 （Deciles）和百分位数（Percentiles） 3.6 3.7 频数（Frequency） 3.8 峰度（Kurtosis） 3.9 偏度（Skewness） 3.10 标准化Z分数及其线性转换 3.11 探 索 分 析 3.12 交叉列联表分析 3.13 多选项分析 3.14 基本统计分析的报表制作

第一节 相关和回归 第二节 一元线性回归模型 第三节 多元线性回归模型 第四节 方程的解释能力 第五节 回归方程的检验和回归系数的推断统计 第六节 多重共线性及其解决方案 第七节 虚拟变量的应用 第八节 计算机应用 第九节 研究实例

第一节 相关和回归 第二节 一元线性回归模型 第三节 多元线性回归模型 第四节 方程的解释能力 第五节 回归方程的检验和回归系数的推断统计 第六节 虚拟变量的应用 第七节 多重共线性及其解决方案 第八节 计算机应用

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)

 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

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

在某年某月的某一天,你和你的另一半正在街上为地球表面的平整而贡献 自己的绵薄之力。突然(也许是必然),你觉得有些饿了。这是一个问题,当 然,不用说大家也知道解决问题的方法就是吃不过就是吃也有讲究,可 以随便找个面馆简单的填饱肚子;要求高的话还可以去几星级的地方享受一 下;当然还有的人觉得自己回去做口味也合适,花费也不多;更有些超级美食 家,星级水准也不满意,需要亲自给一级厨师露一手,指点他们一下,才会吃 的满意

在医学中经常要遇到分析两个或多个变量间关系的情况,有时是希望了解某个 变量对另一个变量的影响强度,有时则是要了解变量间联系的密切程度,前者 用下一章将要讲述的回归分析来实现,后者则需要用到本章所要讲述的相关分 析实现

从头定义变量的情况多数在建立数据集时出现。但是,当数据集已经建 立,需要整理、转换变量时,碰到的更多情况是需要根据某种条件从原有变量 计算新变量。下面我们将按菜单条目的顺序依次讲解他们的功能。但是,首先 我们需要了解一下所用的对话框界面的情况

请注意,本章的标题用了一些修辞手法,一般线性模型可不是用一章就可 以说清楚的,因为它包括的内容实在太多了。 那么,究竟我们用到的哪些分析会包含在其中呢?简而言之:凡是和方差 分析粘边的都可以用他来做。比如成组设计的方差分析(即单因素方差分 析)、配伍设计的方差分析(即两因素方差分析)、交叉设计的方差分析、析 因设计的方差分析、重复测量的方差分析