第1部分  SPSS數據分析基礎

第1章  數據分析方法體繫簡介  3

1.1  數據分析方法論概述  3

1.1.1  嚴格設計支持下的統計方法論  3

1.1.2  半試驗研究支持下的統計方法論  4

1.1.3  偏智能化、自動化分析的數據挖掘應用方法論  5

1.2  統計軟件中的數據存儲格式  6

1.2.1  二維數據表  7

1.2.2  變量的存儲類型  7

1.2.3  變量的測量尺度  8

1.3  數據的統計描述與參數估計  9

1.3.1  連續變量的統計描述  9

1.3.2  連續變量的參數估計  12

1.3.3  分類變量的統計描述和參數估計  14

1.3.4  統計圖形體繫  17

1.4  常用假設檢驗方法  20

1.4.1  假設檢驗的基本原理  21

1.4.2  單變量假設檢驗方法  22

1.4.3  雙變量假設檢驗方法  24

1.5  多變量模型  28

1.5.1  方差分析模型/一般線性模型  28

1.5.2  廣義線性模型和混合線性模型  29

1.5.3  回歸模型  30

1.5.4  其他常見模型  33

1.6 統計分析模型  35

1.6.1  信息濃縮  35

1.6.2  變量組之間內在關聯結構的探討  35

1.6.3  對數據分類  36

1.6.4  素間的關聯  38

1.7  智能統計分析方法/數據挖掘方法  39

1.7.1  樹模型  39

1.7.2  神經網絡  40

1.7.3  支持向量機  41

1.7.4 素分析  41

1.7.5  關聯規則與序列分析  41

第2章  顧客售後滿意度監測項目  43

2.1  案例背景  43

2.2  數據文件的讀入與變量整理  44

2.2.1  了解SPSS的基本操作界面  44

2.2.2  進行數據準備  46

2.3  問卷數據分析  50

2.3.1  生成頻數表  50

2.3.2  計算均值  51

2.3.3  對多選題進行描述  52

2.4  項目總結和討論  53

第3章  會員購買習慣調查  54

3.1  案例背景  54

3.1.1  項目背景  54

3.1.2  分析思路  56

3.2  問卷錄入  56

3.2.1  開放題的定義  56

3.2.2  單選題的定義  57

3.2.3  多選題的定義  57

3.3  問卷質量校驗  59

3.3.1  去除重復記錄  59

3.3.2  發現異常值  61

3.3.3  邏輯校驗  62

3.4  問卷數據分析  64

3.4.1  問卷加權  64

3.4.2  業務分析  68

3.5  項目總結和討論  69

第4章  基於背景資料的病例對照匹配  71

4.1  案例背景  71

4.2  數據清理  72

4.2.1  數據錯誤的發現  72

4.2.2  數據錯誤的更正  76

4.3  數據理解  77

4.4  利用文件合並功能進行案例匹配  80

4.5  利用Python插件直接進行匹配  81

4.5.1  傾向得分匹配  82

4.5.2  個案控制匹配  84

4.6  項目總結和討論  86

第5章  北京地區霧霾變化趨勢分析  87

5.1  案例背景  87

5.1.1  項目背景  87

5.1.2  分析思路  88

5.2  數據準備  89

5.2.1  讀入csv格式的數據文件  89

5.2.2  合並數據文件  91

5.2.3  篩選所需數據  93

5.3  數據理解  94

5.3.1  數據分布狀況  94

5.3.2  缺失值分布狀況  95

5.3.3  考察逐月數據趨勢  96

5.4  霧霾變化基本趨勢的分析  97

5.4.1  整體平均水平的比較  97

5.4.2  重點考察秋鼕季的數據  99

5.4.3  進一步分析爆表天數變化趨勢  100

5.5  進一步展現歷史波動趨勢  101

5.5.1  逐月平均數據的提取  101

5.5.2  建模前的數據準備  102

5.5.3  用季節分解提取長期趨勢  104

5.6  項目總結和討論  107

第2部分  影響因素發現與數值預測 

第6章  酸奶飲料新產品口味測試研究  111

6.1  案例背景  111

6.1.1  研究項目概況  111

6.1.2  分析思路/商業理解  112

6.2  數據理解  113

6.2.1  研究設計框架復查  113

6.2.2  均值的列表描述  114

6.2.3  均值的圖形描述  115

6.3  用方差分析模型考察同一城市內不同品牌的評分差異  116

6.3.1  單因素方差分析模型簡介  117

6.3.2  對品牌的作用進行總體檢驗  118

6.3.3  組間兩兩比較  120

6.3.4  對模型適用條件的考察：方差齊性檢驗  122

6.4  用兩因素方差分析模型進行分析  123

6.4.1  兩因素方差分析模型簡介  123

6.4.2  擬合包括交互項的飽和模型  125

6.4.3  擬合隻包含主效應的模型  125

6.4.4  組間兩兩比較  127

6.4.5  嘗試將城市指定為隨機因素進行分析  128

6.5  分析結論與討論  130

6.5.1  分析結論  130

6.5.2  Benchmark：用還是不用  131

第7章  偏態分布的激素水平影響因素分析  132

7.1  案例背景  132

7.1.1  研究項目概況  132

7.1.2  分析思路/商業理解  133

7.2  數據理解  133

7.2.1  單變量描述  133

7.2.2  變量關聯探索  136

7.3  對因變量變量變換後建模分析  141

7.3.1  常見的變量變換方法  141

7.3.2  本案例的具體操作  142

7.4  秩變換分析  145

7.5  利用Cox模型進行分析  146

7.5.1  Cox回歸模型的基本原理  147

7.5.2  本案例的具體操作  148

7.6  項目總結與討論  150

7.6.1  分析結論  150

7.6.2  八仙過海，誰為獨尊  150

第8章  某車企汽車年銷量預測  152

8.1  案例背景  152

8.1.1  研究項目概況  152

8.1.2  分析思路/商業理解  153

8.2  數據理解  154

8.3  變量變換後的線性回歸  156

8.3.1  線性回歸模型簡介  156

8.3.2  變量變換後擬合線性回歸模型  158

8.3.3  模型擬合效果的判斷  160

8.3.4  存儲預測值和區間估計值  162

8.4  曲線擬合  163

8.4.1  用曲線估計過程同時擬合多個曲線模型  163

8.4.2  模型擬合效果的判斷  166

8.4.3  模型的預測  167

8.5  利用非線性回歸進行擬合  168

8.5.1  模型簡介  168

8.5.2  構建分段回歸模型  169

8.5.3  不同模型效果的比較  171

8.6  項目總結與討論  172

8.6.1  分析結論  172

8.6.2  行走在理想與現實之間  173

第9章  腦外傷急救後遲發性顱腦損傷影響因素分析  174

9.1  案例背景  174

9.1.1  研究項目概況  174

9.1.2  分析思路/商業理解  175

9.2  數據理解  176

9.2.1  變量關聯的圖表描述  176

9.2.2  變量關聯的單變量檢驗  178

9.3  構建二分類Logistic回歸模型  181

9.3.1  模型簡介  181

9.3.2  初步嘗試建模  183

9.3.3  構建終模型  188

9.4  利用樹模型發現交互項  189

9.4.1  模型簡介  190

9.4.2  進行樹模型分析  192

9.5  使用廣義線性過程進行分析  195

9.5.1  模型簡介  195

9.5.2  構建僅包括主效應的模型  196

9.5.3  在模型中加入交互項  199

9.6  項目總結與討論  200

9.6.1  分析結論  200

9.6.2  尺有所短，寸有所長  201

第10章  中國消費者信心指數影響因素分析  202

10.1  案例背景  202

10.1.1  項目背景  202

10.1.2  項目問卷  203

10.1.3  分析思路/商業理解  206

10.2  數據理解  207

10.2.1  圖形考察時間、地域對信心  指數的影響  207

10.2.2  圖形考察性別、職業、婚姻  狀況等對信心指數的影響  209

10.2.3  圖形考察年齡對信心指數的  影響  210

10.3  標準GLM框架下的建模分析  211

10.3.1  建立總模型  211

10.3.2  兩兩比較的結果  214

10.4 方差分析模型的結果  215

10.4.1  模型簡介  216

10.4.2  方差分析模型  217

10.5  尺度回歸  223

10.5.1  方法簡介  224

10.5.2  利用尺度回歸進行  分析  225

10.6  多水平模型框架下的建模分析  228

10.6.1  模型簡介  229

10.6.2  針對時間擬合多水平模型  230

10.7  項目總結與討論  235

10.7.1  分析結論  235

10.7.2  什麼時候應當運用復雜模型  來建模  236

所謂藝術，就是指如果隻靠繫統學習既有的知識體繫，但自身不具備相當天賦，或者沒有經過長期實戰操作以積累經驗、激發靈感的話就始終難以登堂入室成為大師的那些學科，音樂、舞蹈、繪畫等無不如此。而大英百科全書恰恰就把統計學定義為“一門收集數據、分析數據，並根據數據進行推斷的藝術和科學”。顯然，作為一門應用學科，統計學非常強調實戰能力，一名出色的統計師需要通過經歷各種各樣的實戰分析項目來總結經驗和吸取教訓以持續成長，光靠操作教科書上的那些標準案例，隻能成為工匠，不能成為大師。

近年來，隨著計算機技術的飛速發展，統計軟件工具出現了日新月異的變化，大大提高了統計工具的可用性。分析工具的高度易用性和實戰需求的同步發展，促使各行各業對統計分析和數據挖掘人員的需求呈現爆炸性增長，遠遠超過了正常培養周期能夠提供的數量，而廣大統計分析人員希望能夠得到一本完全從實戰操作的角度出發，而不是單純以介紹某一種統計軟件的角度出發的參考書以迅速幫助自己提升實戰能力的願望，也因之而變得更為迫切。這也是當初筆者考慮編寫本書的初衷。

本書定位為實戰類書籍，第1版自出版以來雖然受到了廣大讀者的熱烈追捧，但也發現了在內容安排上仍然存在著一些不盡如人意的地方。

(1) 第1版在同一本書裡同時講解IBM SPSS Statistics和IBM SPSS Modeler 兩種軟件，方法體繫則同時涉及傳統的統計分析和數據挖掘兩種體繫，雖然更大範圍地滿足了讀者需求，但也給很多讀者對內容的理解和消化造成了困擾。

(2) 第1版在設計上沒有太多地考慮簡單方法和數據操作介紹，直接切入了綜合案例，原意是希望讀者學習完筆者的其餘教程之後再使用本書來提高，但實際使用中，確實有很多讀者將本書作為SPSS的本書使用，這樣無疑增加了學習難度。

有鋻於此，在第2版中筆者將數據挖掘拆分出來單獨成書，本書將專門討論數據分析的實戰案例。在修訂原有案例的同時，基於IBM SPSS Statistics 24的功能補充了數據整理和描述了一些實踐案例，增加了Python插件等新功能的使用操作，並增補了信效度檢驗等一些新的復雜案例，使初學者直接閱讀本書的難度降低，而老用戶則可以體會到新版軟件的功能，真正做到兼顧不同的讀者層次。對於不同的讀者群而言，他們各自能從本書得到以下幫助。

(1) 入門：對於IBM SPSS Statistics的新用戶而言，本書顯然是的學習軟件操作和實戰技能的教科書，本書采用相應軟件的版本，就統計分析中的一些典型案例進行了深入淺出的全面介紹，用戶隻需要按照書中的講解順序依次操作，就可以真正習得相應的數據分析實戰操作能力。

(2) 提升：對於已經熟悉相應SPSS繫列產品如何使用的老用戶而言，本書就是他們渴望多年的“專家教程”，筆者在案例中真正展示的並非簡單的軟件操作，而是完整的統計思維和實戰分析思路，已有數據分析基礎的讀者通過對這些案例的學習，必然能更快地跨越從理論到實戰的鴻溝，從而使自己對軟件工具的掌握和實戰操作能力都得到真正的提升。

(3) 領悟：對資深的統計分析人員而言，其對分析工具的應用早已超越了具體某個公司的產品層面，達到“不滯於物，草木竹石皆可為劍”的地步，但本書仍然具有很高的參考價值，因為軟件僅僅是實現工具，其背後的統計思維、統計方法、基本原則等都完全相同，但不同的人在面對相同問題時所采用的分析流程、處理方式等又各有千秋，通過對書中案例的學習、參照和比較，分析人員必然能夠起到舉一反三的效果，從而真正對實戰操作達到“悟”的境地。

本書由張文肜、鐘雲飛、王清華共同編寫，其中第1章由張文肜和鐘雲飛共同編寫，第3章由王清華和張文肜共同編寫，其餘各章由張文肜編寫。

希望本書能夠幫助讀者更加深入地了解數據分析，從而進一步促進數據分析在國內的普及。也希望廣大讀者能一如既往地踊躍提出自己使用中的寶貴意見和建議，使本書再版時能夠更上一層樓，更完美地滿足大家的學習和工作需求。

編 者