SPSSAU科研數據分析方法與應用（簡體書）

本書從數據分析入門、常用研究方法應用、數據綜合評價及預測、問卷數據分析和醫學數據分析等五個方面系統地介紹科研數據的分析方法，涉及13 項知識類應用（如影響關係、權重關係、數據預測、問卷研究），本書強調以實際應用為主，每個知識點均通過通俗的文字表達，並附以案例及軟件操作界面進行詳細解讀，可用於數據分析、實證研究和學術寫作等，適合高等院校本科生、研究生，以及行業研究者學習和使用，也適合從事科研分析培訓、數據分析咨詢的相關工作者參考。

周俊北京大學市場營銷碩士，中央財經大學國際項目部統計學講師，人大經濟論壇培訓師，問卷星平臺數據分析首席顧問，SPSSAU數據研究部首席顧問，《問卷數據分析：破解SPSS軟件的六類分析思路》書籍作者。

馬世澎網名數據小兵，統計學/數據分析博主，SPSS統計咨詢公眾號作者，網易云課堂數據分析類課程講師。其為統計分析愛好者和實踐者，具有十余年SPSS統計軟件的使用經驗，主要從事數據統計分析教學、統計咨詢工作，長期致力於統計分析方法、統計軟件工具的應用實踐，並且專注業務數據分析與挖掘，曾在國內知名零售集團、省級新聞網站和省級電視媒體從事商業、新媒體、收視市場數據分析工作。

以解決科研數據分析問題為出發點，較全面地介紹多學科領域的各類分析方法及其應用

以實際案例為切入點進行原理概念的介紹，將原理和要點融入對結果的解釋及分析中

行文通俗易懂、圖文結合、可讀性強，更適合新手研究者快速學習和掌握科研數據分析方法

附贈171集配套視頻講解

前言
科研數據分析在不同學科領域的常規分析方法基本相同，如描述統計、假設檢驗、回歸分析等；但在深度應用方面差別較大，如醫學統計與量表問卷分析等。目前，科研數據分析的相關書籍通常只介紹某一學科領域的分析方法，或者只對某一個主題進行闡述，也有一些書籍將多個數據分析平臺的使用方法進行“雜糅歸納”。
如果一位研究者想全面了解數據分析方法，參考並借鑒其他學科領域的分析思路，他需要看很多本圖書，並且耗費大量時間學習多種不同操作方式的數據分析平臺，這無疑增加了研究者的學習時間成本；另外，中國科研數據分析的思路和實現還有相當大比例依賴於SPSS統計軟件，對新型統計工具或數據科學平臺的實踐應用尚有很大提升空間。長期對少數統計工具的依賴，有可能導致在分析方法的具體實現上靈活性不足，甚至有些研究者受限於他熟悉的工具所能提供的方法和思維，在研究中也較少使用前沿方法。目前中國常用的統計工具也無法滿足研究者日益增長的統計分析需求，做一項研究往往需要同時學習和使用多個工具，甚至還需要學習編程技術，這對於大多數研究者來說頗有壓力。
因此需要有一本內容較全面的科研數據分析圖書，並且全書的方法體系由同一功能全面的分析工具或數據科學平臺實現。這樣的圖書有利於研究者更多地了解和借鑒不同學科領域的分析方法和思維，並極大程度地減少研究者在工具使用上的時間成本。
作者長期從事數據統計分析教學和咨詢，綜合眾多研究者的實際訴求，嘗試對科研數據分析方法進行體系化梳理。在閱讀科研論文時了解到SPSSAU這款數據科學平臺，其在國內科研圈已“嶄露頭角”，在中國知網搜索結果中有近萬篇期刊論文採用SPSSAU平臺完成科研數據分析任務。作者認為SPSSAU平臺適合科研數據處理，其內部包括通用方法、問卷研究、可視化、數據處理、進階方法、實驗/醫學研究、綜合評價、計量經濟研究、機器學習和Meta薈萃分析十大模塊，可覆蓋管理學/經濟學類、教育學類、醫學類、農學類、法學/哲學類、藝術/文學類、理工類等學科領域的數據分析。
SPSSAU平臺的方法體系填補了研究者較為依賴的少數幾款統計工具的不足，而且其易操作，能智能分析結果，研究者可綜合利用多學科的分析方法，開拓其分析思維，有利於幫助其進行科研分析。
綜合以上原因，促使兩位作者克服困難，寫成此書。本書根據數據分析在科研中的應用情況，依次介紹數據分析入門、常用研究方法應用、數據綜合評價及預測、問卷數據分析和醫學數據分析等五個方面。在差異關係研究、相關影響關係研究、信息濃縮及聚類研究等常見科研分析方法基礎上，全面介紹熵值法、AHP等權重計算，模糊綜合評價、耦合協調度等綜合評價，TOPSIS、秩和比法等優劣決策，以及ARMA模型、灰色預測模型等數據預測研究方法，並對量表問卷實證研究、醫學衛生統計分析兩個領域進行應用闡述。特色內容包括結構方程模型、中介效應分析與調節效應分析、市場研究分析、一致性評價檢驗等。
本書從一開始就以解決科研數據分析實際問題為出發點，較全面地介紹多學科領域的各類分析方法及其應用。本書科研數據分析方法較多，可作為工具書進行查閱。一些不是高頻使用、知識點多容易忘記的方法，在需要的時候可從書中快速查閱及學習。本書沒有過多的公式推導，以實際案例為切入點進行原理概念的介紹。各科研數據分析方法配套的案例盡可能做到契合主題，將原理和要點融入對結果的解釋及分析中。本書語言通俗易懂、圖文結合、可讀性強，並且結合SPSSAU平臺的易學優勢便於新手研究者快速學習和掌握科研數據分析方法。
多數研究者並非統計學/數學專業人士，對各類方法的應用和理解有限，如在撰寫論文/做科研數據分析時，閱讀本書可以讓其快速入門分析方法，提高科研分析效率。本書基於SPSSAU平臺的方法體系對科研數據分析方法與應用做了新的探索，所介紹的分析方法能夠補充和完善當前資料缺乏的情況，適合高等院校本科生、研究生，以及行業研究者學習和使用，也適合從事科研分析培訓、數據分析咨詢的相關工作者參考。
本書大部分案例數據來自國內主流統計學類書籍，有少量案例數據為模擬生成，所有案例數據均可通過加本書封底的讀者小助手微信來領取。
本書得以出版，首先要感謝電子工業出版社張慧敏老師的提議和鞭策，以及其他編輯人員的辛苦付出；然後要感謝SPSSAU平臺眾多科研用戶的鼓勵，正是和你們的深入溝通及交流，才讓作者更加了解研究者的急切需求；最後要感謝所有讀者朋友及作者的家屬，是你們的支持與厚愛，才使作者有勇氣、有精力、有動力來撰寫這本書。
本書內容涉及的科研數據分析方法較多，限於作者的知識水平和經驗積累，不足之處在所難免，懇請讀者指正。

目錄
第一篇 數據分析入門
第1 章 SPSSAU 平臺概述 . 2
1.1 SPSSAU 平臺簡介 . 2
1.2 SPSSAU 平臺使用 . 4
1.3 獲得幫助 . 9

第2 章 數據探索及分析 . 12
2.1 分析方法數據格式 . 12
2.2 探索數據特徵 . 14
2.2.1 兩種數據類型 . 14
2.2.2 定類數據探索分析 . 15
2.2.3 定量數據探索分析 . 15
2.2.4 小結 . 18
2.3 數據分布之正態性分析 . 19
2.3.1 正態分布圖示法 . 19
2.3.2 正態分布檢驗法 . 21
2.3.3 正態分布轉換處理 . 22
2.3.4 小結 . 23
2.4 常用分析方法選擇 . 23
2.4.1 定類或定量數據分析方法 . 24
2.4.2 定類和定類數據分析方法 . 26
2.4.3 定類和定量數據分析方法 . 27
2.4.4 定量和定量數據分析方法 . 29
2.4.5 小結 . 30

第3 章 數據清理 . 31
3.1 數據標籤設置 . 31
3.2 數據編碼 . 34
3.3 異常值處理 . 36
3.4 生成變量 . 38
3.4.1 常用處理 . 38
3.4.2 量綱處理 . 39
3.4.3 科學計算 . 42
3.4.4 匯總處理 . 42
3.4.5 日期相關處理 . 42
3.4.6 其他 . 43
3.5 標題處理 . 44

第二篇 常用研究方法應用
第4 章 差異關係研究 . 48
4.1 t 檢驗 . 49
4.1.1 正態分布與方差齊性 . 50
4.1.2 t 檢驗分析步驟 . 51
4.1.3 單樣本t 檢驗 52
4.1.4 配對樣本t 檢驗 53
4.1.5 獨立樣本t 檢驗 54
4.1.6 概要t 檢驗 55
4.2 方差分析 . 57
4.2.1 方法概述 . 58
4.2.2 方差分析類型的選擇 . 60
4.2.3 單因素方差分析 . 61
4.2.4 雙因素及多因素方差分析 . 65
4.2.5 簡單效應分析 . 68
4.3 卡方檢驗 . 69
4.3.1 方法概述 . 69
4.3.2 2×2 四格表卡方檢驗 71
4.3.3 R×C 列聯表卡方檢驗與多重比較 . 73
4.3.4 fisher 卡方檢驗 . 76
4.3.5 配對卡方檢驗 . 78
4.3.6 分層卡方檢驗 . 79
4.3.7 卡方擬合優度檢驗 . 83
4.4 非參數秩和檢驗 . 84
4.4.1 方法介紹 . 84
4.4.2 單樣本Wilcoxon 檢驗 . 85
4.4.3 兩組獨立樣本Mann-Whitney 檢驗 . 86
4.4.4 多組獨立樣本Kruskal-Wallis 檢驗 . 87
4.4.5 配對樣本Wilcoxon 秩和檢驗 . 89
4.4.6 多樣本Friedman 檢驗 91

第5 章 相關影響關係研究 93
5.1 相關分析 . 94
5.1.1 相關關係概述 . 94
5.1.2 相關分析步驟 . 96
5.1.3 兩個變量相關實例分析 . 97
5.1.4 偏相關實例分析 . 101
5.2 線性回歸 . 103
5.2.1 線性回歸模型與檢驗 . 104
5.2.2 線性回歸適用條件 . 105
5.2.3 線性回歸的一般步驟 . 106
5.2.4 多重線性回歸的實例分析 . 107
5.2.5 逐步線性回歸的實例分析 . 114
5.2.6 有啞變量的線性回歸 . 117
5.3 Logistic 回歸 . 120
5.3.1 方法概述 . 121
5.3.2 二元Logistic 回歸 123
5.3.3 多分類Logistic 回歸 129
5.3.4 有序Logistic 回歸 132
5.3.5 條件Logistic 回歸 136
5.4 曲線與非線性回歸 . 138
5.4.1 方法概述 . 138
5.4.2 曲線回歸 . 139
5.4.3 非線性回歸 . 143

第6 章 信息濃縮及聚類研究 147
6.1 因子分析 . 148
6.1.1 基本原理 . 148
6.1.2 分析步驟 . 149
6.1.3 因子分析實例分析 . 151
6.2 主成分分析 . 156
6.2.1 思想與應用 . 156
6.2.2 與因子分析的區別 . 157
6.2.3 分析步驟 . 158
6.2.4 主成分實例分析 . 159
6.3 對應分析 . 164
6.3.1 方法概述 . 164
6.3.2 簡單對應分析 . 166
6.3.3 多重對應分析 . 169
6.4 多維尺度分析 . 171
6.4.1 方法概述 . 171
6.4.2 矩陣數據實例分析 . 173
6.4.3 原始數據實例分析 . 175
6.5 聚類分析 . 177
6.5.1 聚類方法的選擇 . 177
6.5.2 K-means 聚類 180
6.5.3 K-prototype 聚類 . 184
6.5.4 分層聚類 . 188

第三篇 數據綜合評價及預測
第7 章 權重關係研究 . 192
7.1 權重計算方法 . 192
7.1.1 主觀賦權法 . 193
7.1.2 客觀賦權法 . 193
7.2 主成分分析法 . 194
7.2.1 權重計算步驟 . 194
7.2.2 主成分分析法權重計算實例 . 195
7.3 熵值法 . 197
7.3.1 基本原理 . 198
7.3.2 熵值法權重計算實例 . 199
7.4 層次分析法 . 202
7.4.1 原理介紹 . 202
7.4.2 層次分析法流程 . 205
7.4.3 層次分析法實例分析 . 206
7.5 其他權重法 . 210
7.5.1 CRITIC 權重法 . 210
7.5.2 獨立性權重法 . 213
7.5.3 信息量權重法 . 215

第8 章 數據預測分析 . 218
8.1 ARIMA 模型 . 219
8.1.1 ARMA 模型分析流程 219
8.1.2 ARMA 模型案例 225
8.2 指數平滑法 . 230
8.2.1 一次指數平滑法 . 231
8.2.2 二次指數平滑法 . 233
8.2.3 三次指數平滑法 . 235
8.3 灰色預測模型 . 238
8.3.1 灰色預測模型原理 . 238
8.3.2 灰色預測模型分析 . 240
8.4 馬爾可夫預測 . 243

第9 章 優劣決策分析 . 247
9.1 TOPSIS 法 . 247
9.1.1 TOPSIS 法原理 . 247
9.1.2 TOPSIS 法案例 . 249
9.1.3 TOPSIS 法問題探討 . 252
9.2 熵權TOPSIS 法 254
9.2.1 熵權TOPSIS 法原理 254
9.2.2 熵權TOPSIS 法案例 255
9.3 秩和比法 . 259
9.3.1 秩和比原理 . 259
9.3.2 RSR 案例 260
9.4 Vikor 法 . 264
9.4.1 Vikor 法原理 . 264
9.4.2 Vikor 法案例 . 265

第10 章 常用綜合評價分析 271
10.1 灰色關聯法 . 272
10.1.1 灰色關聯法原理 . 272
10.1.2 灰色關聯法案例 . 273
10.1.3 廣義關聯度 . 277
10.2 模糊綜合評價法 . 279
10.2.1 模糊綜合評價法原理 . 279
10.2.2 模糊綜合評價案例 . 280
10.3 數據包絡分析 . 284
10.3.1 數據包絡分析原理 . 284
10.3.2 數據包絡分析案例 . 288
10.4 耦合協調度 . 293
10.4.1 耦合協調度原理 . 293
10.4.2 耦合協調度案例 . 295
10.5 綜合指數 . 298
10.6 DEMATEL 302
10.7 ISM 307

第四篇 問卷數據分析
第11 章 問卷研究分析方法 314
11.1 單選題與多選題分析 . 314
11.1.1 分析思路 . 315
11.1.2 頻數統計實例分析 . 316
11.1.3 卡方檢驗實例分析 . 320
11.2 填空題分析 . 321
11.2.1 分析思路 . 321
11.2.2 實例分析 . 322
11.3 項目分析 . 325
11.3.1 原理介紹 . 325
11.3.2 實例分析 . 327
11.4 效度分析 . 329
11.4.1 結構效度 . 329
11.4.2 實例分析 . 330
11.5 信度分析 . 333
11.5.1 信度系數 . 333
11.5.2 實例分析 . 335
11.6 驗證性因子分析 . 336
11.6.1 方法概述 . 337
11.6.2 驗證性因子分析步驟 . 338
11.6.3 驗證性因子分析實例分析 . 342
11.7 路徑分析 . 349
11.7.1 方法概述 . 349
11.7.2 實例分析 . 351
11.8 結構方程模型 . 355
11.8.1 方法概述 . 355
11.8.2 實例分析 . 358
11.8.3 結構方程模型分析討論 . 363
11.9 中介效應分析 . 363
11.9.1 中介變量與中介效應 . 364
11.9.2 中介效應檢驗流程與實例 . 365
11.9.3 多重中介效應分析與實例 . 369
11.10 調節效應分析 . 372
11.10.1 調節變量與調節效應 . 372
11.10.2 簡單斜率與斜率圖 . 373
11.10.3 調節效應分析步驟與實例 . 374
11.11 有調節的中介分析 . 378
11.11.1 方法概述 . 378
11.11.2 有調節的中介作用實例 . 382

第12 章 常用市場研究分析 385
12.1 PSM 分析 386
12.1.1 原理介紹 . 386
12.1.2 實例分析 . 388
12.2 聯合分析 . 391
12.2.1 基本概念與分析步驟 . 391
12.2.2 聯合分析實例 . 394
12.3 NPS 分析 . 399
12.3.1 原理介紹 . 399
12.3.2 NPS 實例分析 . 400
12.4 KANO 模型分析. 402
12.4.1 原理介紹 . 402
12.4.2 KANO 模型實例分析 405

第五篇 醫學數據分析
第13 章 醫學研究常用方法 410
13.1 比率與風險 . 411
13.1.1 單個比率與兩個比率的檢驗 . 411
13.1.2 優勢比與相對危險度 . 414
13.2 劑量反應 . 417
13.2.1 方法概述 . 417
13.2.2 實例分析 . 419
13.3 生存分析 . 421
13.3.1 生存數據與生存分析 . 421
13.3.2 Kaplan-Meier 生存分析 423
13.3.3 Cox 回歸分析 . 427
13.4 重復測量方差分析 . 431
13.4.1 方法概述 . 431
13.4.2 單因素重復測量方差分析 . 433
13.4.3 雙因素重復測量方差分析 . 437
13.5 Roc 曲線分析 440
13.5.1 診斷試驗與Roc 曲線 . 440
13.5.2 Roc 曲線分析步驟與實例 442
13.5.3 Roc 曲線差異比較 445

第14 章 一致性評價檢驗方法 448
14.1 Kappa 系數 449
14.1.1 Kappa 系數類型 450
14.1.2 簡單Kappa 系數 . 451
14.1.3 加權Kappa 系數 . 452
14.1.4 Fleiss′s Kappa 系數 454
14.2 Kendall 協調系數 . 456
14.2.1 概念與適用條件 . 456
14.2.2 實例分析 . 457
14.3 ICC 組內相關係數 . 458
14.3.1 概念與適用條件 . 458
14.3.2 ICC 組內相關係數模型類型 . 459
14.3.3 ICC 組內相關係數實例分析 . 461
14.4 rwg 組內評分者一致性 464
14.4.1 方法概述 . 464
14.4.2 rwg 實例分析 466
14.5 Bland ALtman 圖 468
14.5.1 方法概述 . 468
14.5.2 Bland ALtman 圖實例分析 469
參考文獻 . 472