第1章 應確保數據是值得分析的1.1 什么是數據和/或統計資料1.1.1 數據不等于統計資料1.1.2 統計資料的要素1.2 確保數據值得分析的**道關—制訂科學完善的課題設計方案1.2.1 什么叫科學研究1.2.2 科學研究與課題之間是什么關系1.2.3 做課題之前為什么要制訂課題設計方案1.2.4 課題設計方案有哪些種類1.2.5 科學完善的科研設計方案的標志1.3 確保數據值得分析的第二道關-實時進行嚴格的過程質量控制1.3.1 必須嚴格控制課題實施過程中的質量1.3.2 進行質量控制的必要性1.3.3 進行質量控制的環節與措施1.4 確保數據值得分析的第三道關-確保數據的原始性沒有被破壞1.4.1 應有切實可行的措施確保收集的數據具有原始性1.4.2 與常見試驗設計類型對應的規格化統計表1.5 常見不值得分析的數據種類1.5.1 人為編造的數據是不值得分析的1.5.2 產生于質量控制不嚴的數據是不值得分析的1.5.3 經過錯誤的方法加工整理后的數據是不值得分析的1.5.4 不符合特定統計分析方法要求的數據是不值得分析的1.5.5 盲目解釋基于誤用統計分析方法所得到的分析結果是不可取的1.5.6 缺失值過多的數據是不值得分析的1.6 本章小結第2章 繪制統計圖2.1 問題、 數據及統計描述方法的選擇2.1.1 問題與數據2.1.2 對數據結構的分析2.1.3 分析目的與統計描述方法的選擇2.1.4 統計圖概述2.2 繪制單式條圖2.2.1 程序及說明2.2.2 輸出單式條圖2.3 繪制復式條圖2.3.1 程序及說明2.3.2 輸出復式條圖2.4 繪制百分條圖2.4.1 程序及說明2.4.2 輸出百分條圖2.5 繪制圓圖2.5.1 程序及說明2.5.2 輸出圓圖2.6 繪制箱式圖2.6.1 程序及說明2.6.2 輸出箱式圖2.7 繪制直方圖2.7.1 程序及說明2.7.2 輸出直方圖2.8 繪制散點圖2.8.1 程序及說明2.8.2 輸出散點圖2.9 繪制普通線圖2.9.1 程序及說明2.9.2 輸出普通線圖2.10 繪制半對數線圖2.10.1 程序及說明2.10.2 輸出半對數線圖2.11 繪制p-p圖和q-q圖2.11.1 程序及說明2.11.2 輸出p-p圖2.12 本章小結第3章 統計分析方法的分類與合理選用的關鍵技術3.1 統計分析方法的分類3.1.1 概述3.1.2 描述性統計分析3.1.3 探索性統計分析3.1.4 廣義差異性統計分析3.1.5 相關與回歸分析3.1.6 廣義綜合評價3.2 合理選用統計分析方法的關鍵技術3.2.1 合理選用統計分析方法的四要素3.2.2 合理選用統計分析方法的實例演示3.3 面對實際問題合理選用統計分析方法的要領3.3.1 描述性統計分析3.3.2 探索性統計分析3.3.3 傳統差異性統計分析3.3.4 相關分析3.3.5 回歸分析3.3.6 廣義綜合評價3.4 本章小結第4章 結合分析4.1 問題與數據結構4.1.1 實例4.1.2 對數據結構的分析4.1.3 統計分析目的與分析方法的選擇4.2 結合分析內容簡介4.2.1 基本概念4.2.2 基本原理4.3 結合分析的應用4.3.1 用sas分析問題4-1中的資料4.3.2 用sas分析問題4-2中的資料4.4 本章小結第5章 路徑分析5.1.2 對數據結構的分析5.1.3 分析目的與統計分析方法的選擇5.2 路徑分析內容簡介5.2.1 路徑分析概述5.2.2 適合進行路徑分析的數據結構5.2.3 路徑分析的基本概念5.2.4 路徑分析的基本原理5.2.5 路徑分析的步驟5.3 路徑分析的應用5.3.1 用reg過程實現路徑分析5.3.2 用calis過程實現路徑分析5.3.3 如何處理非同質資料的思考5.4.3 用逐步多重線性回歸分析方法分析例5-2資料5.4 本章小結第6章 主成分分析6.1 問題與數據結構6.1.1 實例6.1.2 對數據結構的分析6.1.3 分析目的與統計分析方法的選擇6.2 主成分分析內容簡介6.2.1 主成分分析概述6.2.2 主成分分析的基本原理6.2.3 主成分的計算步驟及性質6.2.4 與主成分分析有關的其他內容6.2.5 princomp過程簡介6.3 主成分分析的應用6.3.1 sas程序6.3.2 主要分析結果及解釋6.4 本章小結第7章 變量聚類分析7.1 問題與數據結構7.1.1 實例7.1.2 對數據結構的分析7.1.3 分析目的與統計分析方法的選擇7.2 變量聚類分析內容簡介7.2.1 變量聚類分析的概念7.2.2 變量聚類分析的聚類統計量7.2.3 適合進行變量聚類分析的數據結構7.2.4 varclus過程簡介7.3 變量聚類分析的應用7.3.1 sas程序7.3.2 主要分析結果及解釋7.4 本章小結第8章 典型相關分析8.1 問題與數據結構8.1.1 實例8.1.2 對數據結構的分析8.1.3 分析目的與統計分析方法的選擇8.2 典型相關分析內容簡介8.2.1 典型相關分析概述8.2.2 適合進行典型相關分析的數據結構8.2.3 典型相關變量和典型相關系數的定義及解法8.2.4 典型相關系數的假設檢驗8.2.5 典型冗余分析8.2.6 cancorr過程簡介8.3 典型相關分析的應用8.3.1 sas程序8.3.2 主要分析結果及解釋8.4 本章小結第9章 多元多重線性回歸分析9.1 問題與數據結構9.1.1 實例9.1.2 對數據結構的分析9.1.3 統計分析目的與統計分分析方法的選擇9.2 多元多重線性回歸分析內容簡介9.2.1 基于普通*小二法篩選自變量的思路9.2.2 何為偏*小二乘回歸分析9.2.3 偏*小二乘回歸分析的基本原理與步驟9.3 偏*小二乘回歸分析的應用9.3.1 問題與數據結構9.3.2 用兩種檢驗方法來決定抽取幾對主成分變量9.3 如何獲得較多統計量的計算結果9.4 本章小結第10章 探索性因子分析10.1 問題與數據結構10.1.1 實例10.1.2 對數據結構的分析10.1.3 分析目的與統計分析方法的選擇10.2 探索性因子分析內容簡介10.2.1 概述10.2.2 探索性因子分析的數學模型10.2.3 探索性因子分析中載荷矩陣a的統計意義10.2.4 因子載荷矩陣a的估計方法10.2.5 公因子個數的確定方法10.2.6 因子旋轉10.2.7 因子得分10.2.8 factor過程簡介10.3 探索性因子分析的應用10.3.1 sas程序10.3.2 主要分析結果及解釋10.4 本章小結第11章 證實性因子分析11.1 問題與數據結構11.1.1 實例11.1.2 對數據結構的分析11.1.3 分析目的與統計分析方法的選擇11.2 證實性因子分析簡介11.2.1 概述11.2.2 calis過程簡介11.3 證實性因子分析的應用11.3.1 sas程序11.3.2 主要分析結果及解釋11.4 本章小結第12章 結構方程模型分析12.1 問題與數據結構12.1.1 實例12.1.2 對數據結構的分析12.1.3 分析目的與統計分析方法的選擇12.2 結構方程模型簡介12.2.1 概述12.2.2 基本原理12.3 結構方程模型分析的應用12.3.1 sas程序12.3.2 主要分析結果及解釋12.4 本章小結第13章 傳統綜合評價13.1 問題與數據結構13.1.1 實例13.1.2 對數據結構的分析13.1.3 分析目的與統計分析方法的選擇13.2 傳統綜合評價方法內容介紹13.2.1 綜合評分法13.2.2 topsis法13.2.3 層次分析法13.2.4 rsr綜合評價法13.3 傳統綜合評價方法的應用13.3.1 用綜合評分法對例13-1資料進行綜合評價13.3.2 用topsis法對例13-2數據進行綜合評價13.3.3 用層次分析法對例13-3數據進行綜合評價13.3.4 用rsr綜合評價法對例13-4數據進行綜合評價13.4 本章小結第14章 無序樣品聚類分析14.1 問題與數據結構14.1.1 實例14.1.2 對數據結構的分析14.1.3 分析目的與統計分析方法的選擇14.2 無序樣品聚類分析簡介14.2.1 概述14.2.2 無序樣品聚類分析方法分類14.2.3 類的特征與個數的確定14.2.4 無序樣品聚類分析的計算原理14.2.5 cluster過程等簡介14.3 無序樣品聚類分析的應用14.3.1 sas程序14.3.2 主要分析結果及解釋14.5 本章小結第15章 有序樣品聚類分析15.1 問題與數據結構15.1.1 實例15.1.2 對數據結構的