目  录

第一部分  SPSS统计学入门篇

第1章  SPSS入门 2

1.1  SPSS简介 2

1.2  SPSS安装要求、启动与关闭 3

1.2.1  SPSS安装要求 3

1.2.2  SPSS启动与关闭 3

1.2.3  SPSS软件常用窗口 5

1.3  SPSS选项设置 7

1.3.1  “常规”选项卡 7

1.3.2  “语言”选项卡 8

1.3.3  “查看器”选项卡 8

1.3.4  “数据”选项卡 9

1.3.5  “输出”选项卡 10

1.3.6  “图表”选项卡 11

1.4  SPSS界面设置 12

1.4.1  状态栏设置 12

1.4.2  网格线设置 12

1.4.3  菜单设置 13

1.4.4  字体设置 14

1.5  数据编辑器的基本操作 14

1.5.1  数据编辑器的变量视图操作 15

1.5.2  数据编辑器的数据视图操作 18

1.6  本章习题 20

第2章  数据加工处理 21

2.1  变量和样本观测值基本操作 21

2.1.1  变量和观测值的移动、复制与删除 21

2.1.2  在现有数据文件中增加新的变量 22

2.1.3  在现有数据文件中增加新的样本观测值 22

2.2  根据现有的变量建立新变量 23

2.2.1  通过变量计算生成新变量 23

2.2.2  通过对样本观测值计数生成新的变量 25

2.2.3  量表得分或分类变量重新编码操作 28

2.2.4  连续变量编码为分类变量 32

2.2.5  生成虚拟变量 36

2.3  数据读取 36

2.3.1  SPSS数据文件的打开与保存 36

2.3.2  SPSS支持的其他格式的数据文件 37

2.3.3  读取Stata数据文件 38

2.3.4  读取Excel数据文件 39

2.3.5  读取文本数据文件 41

2.4  数据查找 45

2.4.1  按照观测值序号查找单元格 45

2.4.2  按照变量值查找数据 45

2.5  数据行列转置 46

2.6  数据排序 47

2.6.1  对数据按照变量进行排序 47

2.6.2  对数据按照样本观测值进行排序 48

2.7  数据加权处理 49

2.8  数据合并 50

2.8.1  按照样本观测值合并数据文件 50

2.8.2  按照变量合并数据文件 52

2.9  数据分解 55

2.10  数据汇总 57

2.11  数据结构重组 59

2.11.1  由变量组到样本观测值组的重组 59

2.11.2  由样本观测值组到变量组的重组 62

2.12  数据缺失值处理 64

2.13  本章习题 66

第3章  统计学知识 67

3.1  统计学常用的基本概念 67

3.1.1  总体、样本与统计推断 67

3.1.2  频率与概率 68

3.1.3  条件概率、独立事件与全概率公式 68

3.1.4  概率函数与概率密度函数 69

3.2  概率分布 69

3.2.1  离散型概率分布 69

3.2.2  连续型概率分布 70

3.3  统计量 73

3.3.1  集中趋势统计量 74

3.3.2  离散趋势统计量 75

3.3.3  分布趋势统计量 76

3.4  大数定律与中心极限定理 77

3.4.1  大数定律 77

3.4.2  中心极限定理 77

3.5  参数估计 78

3.5.1  点估计 78

3.5.2  区间估计 79

3.5.3  参数估计的无偏性、有效性以及一致性 80

3.6  假设检验 80

3.6.1  假设检验概述 81

3.6.2  T检验、Z检验和F检验 82

3.6.3  参数检验和非参数检验 84

3.6.4  模型设定检验 85

3.7  本章习题 85

第二部分  基础统计案例应用

第4章  统计图形绘制 88

4.1  3种典型的图形绘制方法 89

4.1.1  图表构建器 89

4.1.2  图形画板模板选择器 92

4.1.3  旧对话框 94

4.2  条形图：绘制世界部分地区不同年龄区间人口占比条形图 97

4.2.1  条形图的类型 97

4.2.2  简单条形图 98

4.2.3  分类条形图 101

4.2.4  分段条形图 102

4.3  直方图：绘制晨鸣纸业A股每日收盘价直方图 103

4.4  箱图：绘制陕西、浙江、江苏、福建四个省份星级酒店营业额箱图 104

4.4.1  箱图的类型 105

4.4.2  简单箱图 105

4.4.3  簇状箱图 106

4.5  散点图：绘制美国制造业PMI指数、中小企业乐观指数、失业率散点图 107

4.5.1  散点图的类型 108

4.5.2  简单散点图 108

4.5.3  重叠散点图 109

4.5.4  矩阵散点图 110

4.5.5  三维散点图 111

4.6  折线图：绘制中国沿海省市海洋生产总值折线图 112

4.6.1  折线图的类型 112

4.6.2  简单折线图 112

4.6.3  多线折线图 114

4.6.4  垂线折线图 114

4.7  面积图：绘制美国对外国买家出售住房的销售额面积图 116

4.7.1  面积图的类型 116

4.7.2  简单面积图 116

4.7.3  堆积面积图 117

4.8  饼图：分析主要国家和地区半导体销售占比 118

4.9  误差条形图：绘制欧洲不同国家航空公司飞机利用率误差条形图 119

4.9.1  误差条形图的类型 120

4.9.2  简单误差条形图 120

4.9.3  簇状误差条形图 121

4.10  双轴线图：绘制中国历年全社会固定资产投资与GDP双轴线图 122

4.11  时间序列趋势图：分析中国网约车订单总量、网约车公司经营许可量 124

4.11.1  时间序列趋势图 124

4.11.2  自相关序列图和偏自相关序列图 124

4.11.3  互相关序列图 126

4.12  高低图：绘制美的集团A股股价高低图 127

4.13  本章习题 127

第5章  描述统计分析 129

5.1  频率分析 129

5.1.1  统计学原理 129

5.1.2  案例应用—分析汽车制造业上市公司盈利能力指标 130

5.1.3  结果解读 132

5.2  描述分析 134

5.2.1  统计学原理 134

5.2.2  案例应用—分析上海金交所黄金现货收盘价 134

5.2.3  结果解读 135

5.3  探索分析 136

5.3.1  统计学原理 136

5.3.2  案例应用—分析我国新能源汽车月度产量 136

5.3.3  结果解读 139

5.4  交叉表分析 143

5.4.1  统计学原理 143

5.4.2  案例应用—分析专用设备制造业上市公司ESG数据 143

5.4.3  结果解读 147

5.5  本章习题 149

第6章  均值比较、T检验、单因素方差分析 150

6.1  平均值分析 150

6.1.1  统计学原理 150

6.1.2  案例应用—分析中美等国家年平均光伏安装量 150

6.1.3  结果解读 152

6.2  单样本T检验 154

6.2.1  统计学原理 154

6.2.2  案例应用—分析中国有色市场1#铜的价格 154

6.2.3  结果解读 155

6.3  独立样本T检验 156

6.3.1  统计学原理 156

6.3.2  案例应用—分析不同类型国家的替代能源和核能占能耗总量的比重 156

6.3.3  结果解读 158

6.4  成对样本T检验 158

6.4.1  统计学原理 159

6.4.2  案例应用—分析办公电脑通过软件优化开机时间的效果 159

6.4.3  结果解读 159

6.5  单因素ANOVA检验 160

6.5.1  统计学原理 160

6.5.2  案例应用—分析部分欧洲国家外汇储备量 160

6.5.3  结果解读 163

6.6  本章习题 165

第7章  非参数检验 167

7.1  卡方检验 167

7.1.1  统计学原理 167

7.1.2  案例应用—分析工商银行A股每日涨跌幅数据 168

7.1.3  结果解读 170

7.2  二项检验 171

7.2.1  统计学原理 171

7.2.2  案例应用—分析某地区新生儿性别差异 171

7.2.3  结果解读 172

7.3  单样本K-S检验 172

7.3.1  统计学原理 173

7.3.2  案例应用—分析上海期货交易所螺纹钢期货收盘价 173

7.3.3  结果解读 174

7.4  两个独立样本检验 174

7.4.1  正态性检验回顾 174

7.4.2  案例应用—分析德国、荷兰的年通货膨胀率差异 175

7.4.3  结果解读 176

7.5  两个相关样本检验 177

7.5.1  统计学原理 177

7.5.2  案例应用—分析试验药品服药前后的效果 177

7.5.3  结果解读 178

7.6  K个独立样本检验 179

7.6.1  统计学原理 179

7.6.2  案例应用—分析中国、韩国、日本的失业率差异 179

7.6.3  结果解读 181

7.7  K个相关样本检验 181

7.7.1  统计学原理 181

7.7.2  案例应用—分析主要城市日照时数差异 181

7.7.3  结果解读 183

7.8  本章习题 183

第三部分  高级统计案例应用

第8章  多因素方差分析与多因变量分析 186

8.1  多因素方差分析 186

8.1.1  统计学原理 186

8.1.2  案例应用—分析德国、法国、西班牙、意大利四个国家的住房拥挤率 187

8.1.3  结果解读 194

8.2  多因变量分析 197

8.2.1  统计学原理 197

8.2.2  案例应用—分析我国部分省份地方政府债券收益率影响因素 197

8.2.3  结果解读 201

8.3  本章习题 208

第9章  相关分析 209

9.1  双变量相关分析 209

9.1.1  统计学原理 209

9.1.2  案例应用—分析国际原油价格和黄金价格的相关性 210

9.1.3  结果解读 212

9.2  偏相关分析 213

9.2.1  统计学原理 213

9.2.2  案例应用—分析商业银行公司存贷款增长的相关性 213

9.2.3  结果解读 215

9.3  本章习题 216

第10章  回归分析 217

10.1  线性回归分析 217

10.1.1  统计学原理 217

10.1.2  案例应用—分析欧元区20国经济景气指数的影响因素 218

10.1.3  结果解读 222

10.2  加权最小二乘回归分析 227

10.2.1  统计学原理 227

10.2.2  案例应用—分析中等收入国家航空运输客运量的影响因素 227

10.2.3  结果解读 229

10.3  曲线估算回归分析 230

10.3.1  统计学原理 230

10.3.2  案例应用—分析英国工业生产指数对失业救济率的影响 230

10.3.3  结果解读 232

10.4  二元Logistic回归分析 234

10.4.1  统计学原理 235

10.4.2  案例应用—分析商业银行公司客户信用风险影响因素 235

10.4.3  结果解读 239

10.5  多元Logistic回归分析 242

10.5.1  统计学原理 242

10.5.2  案例应用—分析血糖含量与年龄、糖摄入量、运动量的关系 243

10.5.3  结果解读 246

10.6  有序回归分析 249

10.6.1  统计学原理 249

10.6.2  案例应用—分析生产车间工人年度奖金档次 250

10.6.3  结果解读 252

10.7  非线性回归分析 253

10.7.1  统计学原理 253

10.7.2  案例应用——分析工作年限对绩效年薪的影响 254

10.7.3  结果解读 256

10.8  本章习题 257

第四部分  专业统计案例应用

第11章  因子分析 260

11.1  统计学原理 260

11.2  案例应用—分析39家上市银行风险与效益指标 262

11.3  结果解读 268

11.4  本章习题 275

第12章  信度分析 276

12.1  统计学原理 276

12.2  案例应用—分析自我效能感调查问卷信度 277

12.3  结果解读 280

12.4  本章习题 283

第13章  聚类分析 284

13.1  二阶聚类分析 284

13.1.1  统计学原理 284

13.1.2  案例应用—分析私募基金业绩表现 285

13.1.3  结果解读 288

13.2  K均值聚类分析 289

13.2.1  统计学原理 289

13.2.2  案例应用—分析A股电气机械和器材制造业上市公司财务指标 289

13.2.3  结果解读 292

13.3  系统聚类分析 294

13.3.1  统计学原理 294

13.3.2  案例应用—分析美股酒店及汽车旅馆公司盈利能力 294

13.3.3  结果解读 298

13.4  本章习题 301

第14章  时间序列预测 302

14.1  时间序列数据的预处理 302

14.1.1  统计学原理 302

14.1.2  案例应用—分析甘肃省历年降雨量月度数据 303

14.1.3  结果解读 305

14.2  专家建模器 306

14.2.1  统计学原理 306

14.2.2  案例应用—分析日本东京部分零售商品价格走势 307

14.2.3  结果解读 314

14.3  指数平滑法、ARIMA模型 315

14.4  季节分解模型 317

14.4.1  统计学原理 317

14.4.2  案例应用——分析德国历年贸易差额月度数据 318

14.4.3  结果解读 319

14.5  本章习题 320

第15章  生存分析 321

15.1  寿命表分析 321

15.1.1  统计学原理 322

15.1.2  案例应用—分析患者锻炼强度与生存时间之间的关系 323

15.1.3  结果解读 326

15.2  Kaplan-Meier分析 328

15.2.1  统计学原理 328

15.2.2  案例应用—分析药物种类和剂量对生存时间的影响 328

15.2.3  结果解读 331

15.3  Cox回归分析 334

15.3.1  统计学原理 334

15.3.2  案例应用—分析年龄、吸烟、康复训练和住院时间对生存时间的影响 335

15.3.3  结果解读 338

15.4  本章习题 340

第五部分  AI工具应用

第16章  DeepSeek等AI工具的应用 342

16.1  AI工具对学习SPSS统计分析的作用 342

16.2  SPSS统计分析AI提示实例 343

16.2.1  图形绘制AI简单提示示例 343

16.2.2  线性回归分析AI简单提示示例 344

16.2.3  二元Logistic回归AI简单提示示例 345

16.2.4  因子分析AI系统提示示例 346

16.2.5  生存分析AI系统提示示例 347

16.2.6  AI提示应用总结 348