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

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

科学的最终目的在于揭示事物变化的内在规律,因果关系是事物内在规律的 种基本形式。然而,事物的内在联系并不能直接观察到,所以需要在科学研究中应用 各种方法来加以探索和分析。通径分析便是一种探索系统因果关系的统计方法。 因果关系模型中明确设置自变量和因变量,通过模型分析,检査自变量对于 因变量的作用方向、作用强度和解释能力。并且,因果关系模型还可以用来进行 预测。本书第二章多元回归分析便是因果关系模型的一种。但是,多元回归模型 是一种比较简单的因果关系模型,它所假设的因果关系不存在多环节的因果结 构,尽管多元回归模型中可以包含多个自变量,然而各个自变量对因变量的作用 却是假设为并列存在的

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

社会学专业必修课程。本课程需预修社会研究方法等前期课程作为基础 基本内容:社会统计学作为社会学专业必修课程侧重于社会研究的统计应用,并为学习 SPSS软件打好基础。本课程主要包括三个方面:叙述统计,内容为集中趋势测量、离散趋 势测量的单变量分析,两个变量分布及λ、Ty、 Gamma、r、E2等相关测量法;推论统计, 内容为抽样与统计推论,参数估计以及ⅹ2检定、F检定、T检定等假设检定;

一、统计分析菜单 二、均数比较子菜单

数据保存、转换和读取 数据文件默认保存为*. sav File/ Save File/ Save As 可以将数据文件转换为其它格式如:*.xls*.dat*.dbf File/ Save As… 数据文件读取:File/Open…/ata 直接读取*.sav文件或直接读取*.xls文件等数据文件

一、定量资料( quantitative data):数值变量(numerical variable) 其变量的值是定量的,表现为数值的大小,一般有度量衡

许多人简单地认为统计(Statistics)就是收集数字,其实这仅仅是统计学的原始意义。 现代统计学已远远超出了这个范围,发展成为广泛应用于社会科学、自然科学等领域的科学方法。它是研究客观事物数量特征和数量关系的方法论学科,能够告诉人们如何通过打开几扇窗口去探索一个未知的世界,教会人们怎样用一种新的方式来思考问题,是一门很实用的学科

Absolute deviation,绝对离差 Absolute number,绝对数 Absolute residuals,绝对残差 Acceleration array,加速度立体阵