SPSS数据分析与应用(微课版)

以SPSS 25.0为基础,详细介绍多种常用分析方法的原理和实现技术
分享 推荐 5 收藏 21 阅读 1.2K
张俊丽 (作者)

关于本书的内容有任何问题,请联系 人邮-王迎

1. 结构安排合理。本书依据“问题引领”为设计原则,以培养学生数据分析思维与数据分析工具的使用能力、特别是创新能力和实际操作能力为主线,兼顾学生后续发展需要,选取符合职场所要求的知识、素质和能力为教材内容,便于学生学习。

2. 理论与实践结合。本书采用SPSS点击式来实现,从程序方面大大降低了难度,便于入门。SPSS的操作与案例的数据分析目的结合更加紧密,并基于案例分析的目的不同,书中详细地给出了操作步骤及结果分析。

3. 案例丰富。本书融入了多项案例,包括网络招聘薪资数据分析、电商销售数据、物联网数据、高校教育数据等多个热点案例,帮助学生快速建立各个行业的数据分析认知能力。而且每章都有案例报告示范,让学生在每个阶段都能清晰地了解到这一阶段学习后的成果。

内容摘要

SPSS是目前应用非常广泛的数据分析软件之一,在很多领域深受用户喜爱。本书以SPSS 25.0为基础,详细介绍了多种常用分析方法的原理和实现技术。全书分为9章,包括SPSS分析软件概述、SPSS数据文件的建立与管理、SPSS数据预处理、描述分析、因子分析、聚类分析、线性回归分析、逻辑回归分析、数据分析实训。本书结合案例,详细介绍了使用SPSS解决实际问题的方法,并对结果数据进行了解读。

本书的应用性较强,内容浅显易懂,并配有大量的图表。本书可作为高等院校统计学、管理学、营销学、人力资源等专业数据分析相关课程的教材,也可供相关领域的技术人员自学使用。

前言

随着网络技术的快速发展,大数据技术已经逐渐融入社会的各行各业。新技术的出现改变了商业模式,也改变了社会、市场和企业的管理模式,这种改变增大了社会对应用型人才的需求量,进而使传统的教学模式面临极大的挑战。如何加强教学改革以培养商科专业学生的数据思维和数据分析能力,是商科专业教育亟待解决的一个问题。

本书从大数据时代对大学生就业能力培养的基本需求出发,根据商科专业学生的特点,规避晦涩的数学推导,强化案例教学,将理论融入案例,让学生在没有编程基础的情况下,就可以掌握必须的理论知识和数据分析技能。

SPSS是著名的数据分析软件之一,界面友好、操作简便,而且统计分析功能强大。无论是数据处理、数据分析,还是数据可视化都可利用SPSS来实现。
本书基于数据分析项目流程,以“案例为主导、任务为驱动”的形式进行内容设计,通过对大量案例的分析,让学生能够真正掌握数据分析的方法和技巧。

本书具有以下特点。
第一,以任务为驱动,案例教学。本书以数据分析项目的流程为主线,内容上与脱敏处理后的真实项目相结合,以案例的形式引导读者完成每一个任务,帮助其快速掌握数据分析的基本技巧。案例涵盖了人力资源招聘、通信行业客户分析、银行信用卡用户分析等多个方面。
第二,图解式教学,操作性强。本书重视SPSS点击式操作步骤,引导读者进行实际操作,图文并茂,便于读者学习。
第三,以成果为导向,适用性强。本书配有案例报告,内容由浅入深,使读者在每个阶段都能看到清晰明确的学习成果。

本书不仅适用于零基础的在校学生,同样适用于对数据分析感兴趣的在职人员,特别是书中涉及的案例报告设计的内容,有助于职场人士完成一份专业的数据分析报告。

本书由欧亚•狗熊会数据科学研究院的多位老师编写而成。其中,张俊丽承担了第1章、第2章、第4章、第9章的编写工作,武君承担了第3章的编写工作,杨卫承担了第5章、第6章的编写工作,程茜承担了第7章、第8章的编写工作,张俊丽负责通读并审核全文。在本书的编写过程中,也得到了潘蕊、常象宇、王艳等多位老师的支持与帮助,在此表示由衷的感谢。
由于编者水平有限,书中难免存在疏漏和不足,敬请广大读者批评指正。


编者
2021年7月

样章展示

目录

第1章 SPSS分析软件概述 1
【学习目标】 1
1.1 SPSS的发展及特点 1
1.2 SPSS的主要窗口 2
1.2.1 数据编辑器窗口 2
1.2.2 结果查看器窗口 3
1.3 SPSS数据分析流程 5
本章思维导图 6
实训案例 6
课后习题 6

第2章 SPSS数据文件的建立与管理 8
【学习目标】 8
【引导案例】 8
2.1 在SPSS中定义变量 8
2.2 SPSS数据文件的建立和管理 11
2.2.1 SPSS数据的录入 11
2.2.2 导入其他类型的数据文件 13
2.3 SPSS数据文件的合并 16
2.3.1 字段合并 17
2.3.2 个案合并 19
2.4 SPSS数据文件的拆分 21
2.4.1 拆分文件 21
2.4.2 拆分为文件 23
本章思维导图 24
实训案例 24
课后习题 24

第3章 SPSS数据预处理 26
【学习目标】 26
【引导案例】 26
3.1 数据排序 26
3.1.1 数据排序的作用 26
3.1.2 SPSS数据排序的应用举例 27
3.2 数据去重 27
3.2.1 数据去重的方法 28
3.2.2 SPSS数据去重的应用举例 28
3.3 变量计算 29
3.3.1 变量计算的目的 29
3.3.2 SPSS算术表达式 30
3.3.3 SPSS条件表达式 30
3.3.4 SPSS函数 31
3.3.5 SPSS变量计算的应用举例 31
3.4 重新编码 33
3.4.1 重新编码的目的 33
3.4.2 SPSS重新编码的应用举例 33
3.5 数据分组 35
3.5.1 数据分组的目的 35
3.5.2 SPSS数据分组的应用举例 37
3.6 数据选取 38
3.6.1 数据选取的目的 38
3.6.2 数据选取的方法 39
3.6.3 SPSS数据选取的应用举例 39
本章思维导图 41
实训案例 41
课后习题 42

第4章 描述分析 44
【学习目标】 44
【引导案例】 44
4.1 单变量的描述分析 44
4.1.1 定性变量的描述分析 45
4.1.2 定量变量的描述分析 49
4.2 双变量的描述分析 57
4.2.1 定量变量与定性变量的描述分析 57
4.2.2 双定量变量的描述分析 60
4.2.3 双定性变量的描述分析 62
4.3 数据分析相关岗位的薪资影响因素分析报告 67
4.3.1 背景介绍 67
4.3.2 数据说明 67
4.3.3 描述分析 68
4.3.4 小结 73
本章思维导图 74
实训案例 74
课后习题 75

第5章 因子分析 77
【学习目标】 77
【引导案例】 77
5.1 因子分析概述 78
5.1.1 因子分析的基本思想及其数学模型 78
5.1.2 因子分析中的相关概念 79
5.2 因子分析的基本步骤 80
5.2.1 确定因子分析的前提条件 80
5.2.2 构造因子变量 81
5.2.3 使因子变量更具可解释性 82
5.2.4 计算每个样本的因子得分 82
5.3 因子分析的基本实现及解读 82
5.3.1 因子分析的SPSS实现 82
5.3.2 因子分析的SPSS结果解读 85
5.4 学生成绩的影响因子分析报告 89
5.4.1 背景介绍 89
5.4.2 数据说明 90
5.4.3 因子分析 90
5.4.4 小结 96
本章思维导图 96
实训案例 96
课后习题 97

第6章 聚类分析 100
【学习目标】 100
【引导案例】 100
6.1 聚类分析概述 101
6.1.1 聚类分析的概念 101
6.1.2 聚类算法 101
6.2 K-means聚类 102
6.2.1 K-means聚类的基本概念 102
6.2.2 K-means聚类的SPSS实现及结果解读 105
6.3 系统聚类 109
6.3.1 系统聚类的基本概念 109
6.3.2 系统聚类的SPSS实现及结果解读 110
6.4 移动通信客户聚类分析报告 115
6.4.1 背景介绍 115
6.4.2 数据说明 115
6.4.3 聚类分析 116
6.4.4 小结 121
本章思维导图 121
实训案例 121
课后习题 122

第7章 线性回归分析 126
【学习目标】 126
【引导案例】 126
7.1 回归分析概述 126
7.1.1 回归分析的概念 127
7.1.2 回归分析的基本要素 127
7.1.3 线性回归分析模型 128
7.2 线性回归分析模型的变量准备、SPSS实现及结果解读 129
7.2.1 线性回归分析模型的变量准备 129
7.2.2 线性回归分析模型的SPSS实现及结果解读 131
7.2.3 对数线性回归分析模型 134
7.3 电影票房影响因素分析报告 136
7.3.1 背景介绍 136
7.3.2 数据说明 137
7.3.3 描述分析 137
7.3.4 对数线性回归分析模型 140
7.3.5 小结 142
本章思维导图 142
实训案例 142
课后习题 143

第8章 逻辑回归分析 145
【学习目标】 145
【引导案例】 145
8.1 逻辑回归分析概述 146
8.2 逻辑回归分析模型的实现与解读 148
8.2.1 变量的准备 148
8.2.2 逻辑回归分析模型的SPSS实现及结果解读 149
8.2.3 逻辑回归分析模型的ROC曲线绘制与解读 153
8.3 泰坦尼克号生存影响因素分析报告 154
8.3.1 背景介绍 154
8.3.2 数据说明 155
8.3.3 描述分析 155
8.3.4 逻辑回归分析模型 158
8.3.5 模型的预测与评估 159
8.3.6 小结 159
本章思维导图 160
实训案例 160
课后习题 161

第9章 数据分析实训 163
9.1 石家庄空气质量分析 163
9.2 重庆租房信息分析 163
9.3 影响红酒评价量的因素分析 164
9.4 人力资源薪资影响因素分析 164
9.5 西安夏季小龙虾销量分析 165
9.6 基于考试分数的学习成绩指标构建及学生分类 165
9.7 报告的写作规范及评分标准 166
9.7.1 报告的写作规范 166
9.7.2 报告的评分标准 166

参考文献 168

读者评论

赶紧抢沙发哦!

我要评论

作者介绍

张俊丽,西安欧亚学院金融学院副教授、西安欧亚学院-狗熊会数据科学研究院副院长。发表论文20余篇;出版学术专著2部;主持省部级课题2项;主持地厅级课题4项;主持政府以及企业咨询课题10余项。研究方向包括物联网、教育、移动、电商数据分析与商业价值实现。

推荐用户

购买本书用户

相关图书

  • 数据结构与算法(C语言篇)

    千锋教育

    本书面向初学者,采用通俗易懂的语言对数据结构以及基础的算法进行了讲解。全书程序操作均以C语言实现。 本书共9...

    ¥59.80
  • 数据科学的数学基础

    卢力

    数据科学是从单纯的“大”数据提炼出“智慧”的数据,以供人们发现新知识并辅助决策的综合交叉学科.本书简要阐述数据...

    ¥89.00
  • 大数据应用技术

    华育兴业

    本书主要结合当前流行的大数据框架Hadoop、HBase、Hive、、Storm、Flume、Kafka、Sp...

    ¥49.80
  • Python数据分析——从获取到可视化

    课工场

    随着互联网的蓬勃发展,从浩瀚的网络世界中获取数据并加以处理,从中提取有用的信息越发重要,本书就带领读者学习如何...

    ¥59.80
  • Python数据科学基础与实践

    王仁武

    本书使用数据科学领域中流行的编程语言之一——Python 来进行数据的基本处理与可视化、数据获取、数据分析、数...

    ¥69.80
人邮微信
本地服务
人邮微信
教师服务
微信二维码
读者服务
读者服务
返回顶部
返回顶部