SPSS回歸分析

第1章　相關 1.1　引言 1.2　第一個前提條件：尺度水平 1.3　其他前提條件：線性、同方差性和連續(xù)性 1.4　說明：對線性的圖形檢驗 1.4.1　過程GRAPH，Scatterplot選項 1.4.2　SPSS過程命令 C 1.5　相關系數(shù)的統(tǒng)計和解釋 1.5.1　相關系數(shù)的統(tǒng)計量 1.5.2　相關系數(shù)的解釋 1.6　利用 SPSS 的計算（示例） 1.7　難點：線性、產(chǎn)生錯覺相關和一型差誤累積 1.7.1　產(chǎn)生錯覺相關和偏相關 1.7.2　一型差誤累積問題 1.8　特殊用途 1.8.1　相關系數(shù)的比較 1.8.2　比較相關的一致性 1.8.3　正準相關 1.9　計算皮爾遜相關系數(shù)的前提條件 第2章　線性回歸和非線性回歸 2.1　線性回歸：有因果方向的關聯(lián) 2.1.1　雙變量線性回歸：利用REGRESSION的回歸分析概述 2.1.2　雙變量線性回歸的示例和語句——第一步：根據(jù)杠桿值和殘差檢驗線性并識別離群值 2.1.3　輸出結(jié)果和解釋 2.1.4　過程2：刪除離群值的效應——選出的輸出結(jié)果 2.1.5　說明：繪制回歸直線（IGRAPH）的圖形 2.2　非線性簡單回歸 2.2.1　利用線性回歸對線性函數(shù)進行分析 2.2.2　利用線性回歸分析調(diào)查非線性函數(shù) 2.2.3　將非線性函數(shù)線性化，并利用線性回歸進行調(diào)查 2.2.4　利用非線性回歸分析非線性函數(shù)：非線性回歸 2.2.5　更高的要求：帶有兩個預測變量的非線性回歸 2.2.6　用于非線性回歸的SPSS過程 NLR ? 2.2.7　非線性回歸的假設 2.2.8　總覽表：非線性回歸的模型 2.3　多元線性回歸：多重共線性和其他難點 2.3.1　多元回歸的特點 2.3.2　第一個例子：多元回歸特殊統(tǒng)計的解釋 2.3.3　第二個例子：多重共線性的識別和消除 2.4　計算線性回歸的前提條件 第3章　邏輯回歸和有序回歸 3.1　引言：因變量的因果模型和測量水平 3.2　二元邏輯回歸 3.2.1　邏輯回歸方法和與其他方法的比較 3.2.2　示例界面和語法：逐步法（BSTEP） 3.2.3　輸出結(jié)果和解釋 3.2.4　示例和語法：直接法 3.2.5　輸出結(jié)果和解釋 3.2.6　補充說明邏輯回歸的理論檢驗vs診斷：模型擬合優(yōu)度vs預測效率 3.2.7　二元邏輯回歸的前提條件 3.3　有序回歸 3.3.1　有序回歸方法和與其他方法的比較 3.3.2　例1 界面操作和語法：定距預測變量（WITH-選項） 3.3.3　輸出結(jié)果和解釋 3.3.4　例2和語法：分類預測變量（BY選項） 3.3.5　輸出結(jié)果和解釋 3.3.6　有序回歸的前提條件 3.4　多項邏輯回歸 3.4.1　例子、界面選擇和語法：主效應模型（二元因變量） 3.4.2　輸出結(jié)果和解釋 3.4.3　補充說明：逐步計算帶有一個二元因變量的模型：NOMREG REGRESSION和LOGISTIC REGRESSION輸出結(jié)果的比較 3.4.4　特殊情況：帶有定量預測變量的巢式病例對照研究（1:1）——示例、語法、輸出結(jié)果和解釋 3.4.5　補充說明：LOGISTIC REGRESSION 對比 NOMREG （區(qū)別） 3.4.6　多項邏輯回歸的前提條件 3.5　本章所介紹的各種回歸方法的比較 第4章　生存分析 4.1　生存分析概述 4.2　生存分析的基本原理 4.2.1　生存函? 4.2.2　確定生存函? 4.2.3　其他函數(shù) 4.3　截尾數(shù)據(jù) 4.3.1　非期望事件或者未發(fā)生目標事件 4.3.2　對截尾數(shù)據(jù)與非截尾數(shù)據(jù)做不同處理的三個理由 4.3.3　失效數(shù)據(jù)和截尾的處理（三種方法） 4.4　估計生存時間S(t)的方法 4.4.1　保險精算法和壽命表法 4.4.2　使用Kaplan-Meier法估計生存時? 4.4.3　無截尾和有截尾的示例（方法：Kaplan-Meier） 4.5　對多個組進行比較的檢驗 4.6　利用SPSS進行生存分析 4.6.1　示例：無因子Kaplan-Meier法 4.6.2　示例：采用因子的Kaplan-Meier法 4.6.3　利用因子變量與分層變量進行比較（Kaplan-Meier法） 4.6.4　Kaplan-Meier分析的置信區(qū)間 4.6.5　不帶因子的壽命表計算法示例 4.6.6　帶有因子的壽命表法計算示例 4.6.7　計算生存分析的首要條件 4.7　Cox回歸 4.7.1　Cox模型簡介和背景知識 4.7.2　帶有定量協(xié)變量的Cox回歸 4.7.3　帶有二元協(xié)變量的Cox回歸（k=2） 4.7.4　帶有分類協(xié)變量的Cox回歸（k ＞2） 4.7.5　針對交互作用的Cox回歸 4.7.6　檢驗Cox回歸的前提條件 4.7.7　帶有時間相依的定量協(xié)變量的Cox回歸 4.7.8　Cox回歸的特定前提條件 4.7.9　附錄：對比方法 第5章　回歸分析的其他應用實例 5.1　偏回歸 5.1.1　運用PLS過程（Python Extension）進行計算 5.1.2　運用SPSS過程REGRESSION進行計算 5.2　個體生長曲線 5.2.1　方法1：隨機截距模型 5.2.2　方法2：隨機斜率模型 5.2.3　方法3：隨機截距和隨機斜率模型 5.3　嶺回歸（SPSS宏） 5.3.1　利用嶺跡實現(xiàn)多重共線性的可視化 5.3.2　嶺回歸的計算 5.3.3　SPSS宏“Ridge-Regression” 第6章　其他方法和模型（一覽） 6.1　通過SPSS菜單調(diào)用其他回歸方法 6.2　可用語句調(diào)用的其他回歸形式 附錄A　公式 參考文獻 您對本書的建議和意見 作者簡介