從數據分析的具體需求入手，基於案例開展教學，弱化對統計學原理的闡述；
強化對軟件功能輸入、輸出的解釋與說明，保證工具應用的嚴謹性，對輸出結果解釋的正確性；
最後結合作者開展的幾個數據分析類教研項目，設計綜合性案例，便於學習者模仿。
教材配套教學所用的電子資源，包含開展數據分析所需要的原始數據、教學所用的PPT、課後思考題和實踐環節的解答等，對於部分重點章節，配套微視頻。

本書是在教育部高等學校大學計算機課程教學指導委員會提出的“加強在校大學生計算思維能力培養”的指導思想下，基於大數據時代對人纔培養的要求而編寫的。本書從信息處理與應用的視角入手，探索了基於SPSS和EXCEL環境的數據預處理和數據分析技術。本書由6章組成：數據統計分析的概念、數據梳理與統計描述、數據的差異顯著性檢驗、數據的關聯性分析、數據的降維與聚類分析、信度與效度的檢驗內容。
與同類教材相比，本書比較注重對各種統計分析方法適應範疇的講解，以保證讀者在面對具體研究項目時，能夠正確地選擇有效方法；與此同時，本書還非常注重對各統計分析方法的輸出結果進行講解，對輸出表格內相關數據項之間的關繫及其邊界值進行了重點說明，從而保證讀者在獲得了數據的分析結果後能夠準確地總結出有價值的研究結論；另外，本書主要面向非統計類專業學生，注意了語言和術語的通俗化和易於理解性。
本書深入淺出，注重繫統性和理論性，涵蓋知識面較廣，既可以作為高等院校數據處理類課程的教材，也可作為有志青年的自學參考資料。

馬秀麟，北京師範大學教育技術學院副教授,講授課程： 多媒體技術與網頁制作、動態網站建設、社會科學統計分析軟件應用、大學計算機應用基礎、教育管理信息繫統、信息技術與課程整合。主要研究領域：信息技術教育、教育信息管理、教育信息化.

• 
• 
• 
• 

第1章數據統計分析的概念1
學習指導1
1.1數據分析能力培養的背景及其意義2
1.1.1數據分析能力培養的背景2
1.1.2數據分析能力培養的意義3
1.2數據處理的層次與數據分析6
1.2.1數據管理與數據采集的三個層次6
1.2.2數據分析與數據挖掘技術的出現6
1.3數據描述與數據分析簡介7
1.3.1常見的數據描述方法7
1.3.2常見的數據分析技術8
1.4數據分析與挖掘軟件9
1.4.1數據統計與分析軟件9
1.4.2數據挖掘技術及應用10
1.5數據分析環境（SPSS與Excel）11
1.5.1數據的組織與數據結構11
1.5.2Excel的數據分析環境12
1.5.3SPSS的數據分析環境14
習題18
第2章數據梳理與統計描述20
學習指導20
2.1數據分析中的基礎概念21
2.1.1數據描述及其概念21
2.1.2數據的分布形態25
2.1.3數據分析中的常見思路與
評價策略27
2.2數據編輯技術簡介28
2.2.1Excel的數據編輯28
2.2.2SPSS的數據編輯32
2.2.3數據文件的打開與整合35
2.2.4數據排序37
2.2.5數據文件拼合39
2.2.6數據檢索與抽樣41
2.2.7數據的計算與計數44
2.2.8數據的加權處理47
2.3數據重編碼與規範化48
2.3.1對字符型變量的數值化編碼48
2.3.2對定距變量的離散化編碼50
2.3.3數據重編碼——Z分數54
2.3.4數據重編碼——求秩分55
2.3.5數據重編碼——正態得分57
2.3.6數據的分類彙總59
2.3.7對缺失值的標記與處理60
2.4數據的統計描述62
2.4.1基本統計量62
2.4.2數據頻度分析65
2.4.3數據分布形態的判定68
2.4.4箱體圖與莖葉圖73
2.4.5低測度數據的描述75
2.4.6數據摘要報告78
習題85
第3章數據的差異顯著性檢驗88
學習指導88
3.1數據差異顯著性檢驗的基礎概念89
3.1.1數據差異顯著性檢驗的概念89
3.1.2數據差異顯著性檢驗的流程90
3.1.3差異顯著性檢驗的類別及
其適應性91
3.2T檢驗——兩組數據的均值差異
顯著性檢驗93
3.2.1T檢驗的含義、方法與適應性93
3.2.2配對樣本的T檢驗96
3.2.3獨立樣本的T檢驗100
3.2.4單樣本的T檢驗106
3.2.5T檢驗的實用案例107
3.3方差分析111
3.3.1方差分析的目標、方法與類別111
3.3.2單因素方差分析113
3.3.3多因素方差分析118
3.3.4協方差分析125
3.3.5多因變量的方差分析127
3.3.6方差分析的實用案例130
3.4非參數檢驗134
3.4.1不明形態數據差異顯著性檢驗的
策略134
3.4.2兩關聯樣本的非參數檢驗135
3.4.3多關聯樣本的非參數檢驗138
3.4.4兩獨立樣本的非參數檢驗140
3.4.5多獨立樣本的非參數檢驗143
3.4.6非參數檢驗的實用案例145
3.5低測度數據的差異性與擬合優度
檢驗149
3.5.1低測度數據分析的特點與
卡方檢驗149
3.5.2面向期望分布的卡方檢驗150
3.5.3基於交叉表的卡方檢驗152
3.5.4基於K-S檢驗的分布形態判斷154
3.5.5遊程檢驗與隨機分布155
3.5.6二項分布檢驗157
習題159
第4章數據的關聯性分析162
學習指導162
4.1數據關聯性分析綜述163
4.1.1數據關聯性分析的類型163
4.1.2SPSS中數據關聯性分析的技術165
4.2數據的相關性分析166
4.2.1對中高測度數據的相關性
分析技術166
4.2.2中高測度數據相關性分析的
實用案例168
4.2.3偏相關分析173
4.2.4低測度數據相關性分析的
概念與思路176
4.2.5低測度數據相關性分析的
實用案例178
4.3線性回歸分析技術185
4.3.1線性回歸的關鍵概念185
4.3.線性回歸的實用案例187
4.3.線性回歸概念與關鍵技術192
4.3.線性回歸的實用案例195
4.4曲線回歸技術199
4.4.1曲線回歸的基礎知識199
4.4.2曲線回歸的實用案例201
4.Logistic回歸分析技術205
4.5.Logistic回歸的概念205
4.5.Logistic回歸的實用案例209
習題216
第5章數據的降維與聚類分析219
學習指導219
5.1基於數據的歸納分析220
5.1.1歸納分析的概念220
5.1.2統計學中的分類分析220
5.1.3統計學中的降維分析221
5.1.4分類分素間距離的
判定方法222
5.2分層聚類分析224
5.2.1分層聚類的概念及特點224
5.2.2分層聚類在降維中的實用案例225
5.2.3分層聚類在分類中的實用案例232
5.3K-Means聚類分析236
5.3.1K-Means聚類的概念236
5.3.2K-Means聚類的實用案例237
5.4判別分析241
5.4.1判別分析的概念與思路241
5.4.2判別分析的實用案例243
5.5因子分析250
5.5.1因子分析的定義與特點250
5.5.2因子分析的實用案例253
5.5.3因子分析的補充說明256
5.6對應分析259
5.6.1對應分析的概念259
5.6.2對應分析的實用案例259
習題264
第6章信度與效度的檢驗266
學習指導266
6.1信度和效度的概念267
6.1.1信度的概念與主要技術267
6.1.2效度的概念與主要技術268
6.1.3社會調查中保證信度效度的
常見方法269
6.2SPSS的信度檢驗270
6.2.1信度檢驗的主要技術270
6.2.2信度檢驗的實用案例272
6.3效度檢驗方法277
6.3.1效度檢驗的主要技術277
6.3.2效度檢驗的實用案例278
6.4如何構造有效的調研指標體繫282
6.4.1構造有效指標體繫的方法282
6.4.2用德爾菲法檢查結構效度288
習題291
參考文獻293