变量的选择-向前法

窗口及其功能概述

系统参数设置

编辑输出报告

SPSS编程简介

变量缺失值的定义

全集试看

保存和导入导出文件

查看文件和变量信息

什么是重复个案

标识重复个案

拆分文件

合并文件

合并变量-基于文件顺序

合并变量-基于键

个案排序

变量排序

个案加权

选择参与分析的个案

拆分分组数据到文件

比较数据集差异

数据汇总

转置

变量组和观测组结构

重构-变量组到观测组

重构-更复杂的变量组到观测组

重构-观测组到变量组

数据验证

数据验证-定义规则

数据验证-应用规则

标识异常个案

标识异常个案-解读分析报告

全集试看

计算变量

全集试看

重新编码变量

自动重新编码变量

生成随机数

SPSS内部随机数生成器的设置

个案排秩

对个案中的值进行计数

变动值

创建虚变量

可视化分箱介绍

可视化分箱详解

可视化分箱缺失值处理

最优分箱介绍

最优分箱详解

全集试看

替换缺失值

多重响应集

代码本(codebook)

OLAP多维数据集分析

个案摘要

分析思维-使用摘要创建摘要报告

按行报告摘要

按列报告摘要

中心趋势度量

离散程度度量和分布形状

频率分析

分析思维实战-使用频率研究客户是否能让我们销售更多产品

描述分析

分析思维实战-研究客户支出寻找利润最大的服务项目

比率统计

分析思维实战-使用比率统计来辅助财产价值评估

探索分析

探索分析-缺失值处理

探索分析报告详解

探索分析之分布-水平图

分析思维实战-探索分析

P-P图和Q-Q图

平均值分析

分析思维实战-检查工资、经验和职位类型之间的关系

总体均值和比例的区间估计

图表介绍

制作饼图和条形图

直方图

箱线图

散点图

绘制折线图

绘制茎叶图

绘制圆点图

单样本 t 检验

分析思维实战：生产线产品是否合格

全集试看

两独立样本T检验

全集试看

成对样本t检验

透视表（上）

透视表（下）

全集试看

三线表的制作

定制表介绍

定制表-各种百分比设置

定制表-分类和总计设置

定制表-标题、检验和选项

定制表-比例检验

列联表分析介绍

全集试看

卡方独立性检验

精确检验和线性趋势检验

名义变量相关Lambda、tau-y.和Cramer V

有序变量相关-Gama、Somer's d和Kendall-

名义和定距变量相关系数-Eta

名义、有序和定距相关系数

列联表残差分析

全集试看

Kappa一致性检验

McNemar-Bowker 对称性检验

McNemar边缘齐性检验

风险（OR和RR）检验

Mantel-Haeszel和Cochran及Breslo

列联表列比例比较

列联表对数线性模型原理和优点

三维列联表独立性检验和合适模型的确定方法

建立模型和阅读模型报告

对数线性模型残差分析

不完备列联表分析

Logit 对数线性模型

对数线性模型的选择

比率泊松回归

全集试看

皮尔逊和斯皮尔曼相关

已偏相关

已距离分析

已距和计数数据距离算法

二分类数据距离算法

典型相关原理和性质

典型相关解释变差和冗余测度

典型相关分析实例

全集试看

线性回归的一个例子

缺失值设置

残差和强影响点指标

残差图和偏回归图

变量选择-前进和后退法

变量选择-步进和除去法及替代方案

系数统计和个案标签

杜宾-沃森（Durbin-Watson）检验

全集试看

多重共线性检测-VIF和条件指数

多重共线性检测-方差分解比例

权重估算和加权最小二乘

权重估算和加权最小二乘（下）

SPSS岭回归使用方法

加权模型的残差和强影响点指标

Breusch-Pagan和怀特异方差检验原理

怀特异方差-稳健标准误

Breusch-Pagan和怀特异方差检验实例分析

单因素方差分析实例详解

对照和正交多项式对照

事后比较方法详解（上）

事后比较方法详解（下）

随机效应和组内相关系数ICC

全集试看

单因素和多因素方差分析

实测功效、分布水平图和残差图

全集试看

对比和多重比较

对比系数和一般可估函数

边际均值和图（上）

边际均值和图（下）

多因素方差分析中的莱文方异方差检验

简单效应的检验

协方差分析

两因素随机效应实例和原理

两因素随机效应实例详解

固定效应和随机效应混合模型

平衡不完全区组

拉丁方两区组

嵌套设计

嵌套析因设计

多因变量线性回归

多因变量线性回归实例讲解

回归系数的检验方法和原理

回归系数检验的通用方法

自定义回归系数的检验

全集试看

多因变量方差分析

多因变量方差分析自定义检验

全集试看

单组重复测量

全集试看

多组重复测量

重复测量的单变量方差分析方法

重复测量的多变量方差分析方法

两被试内因素重复测量方差分析

全集试看

二分类逻辑回归

全集试看

二分类逻辑回归模型系数的解释

变量选择-向前法

变量的选择-向后法

变量选择-区块

分组数据逻辑回归

分类自变量的对比方法-指示符

分类自变量的对比方法-多项式

分类自变量的对比方法-简单

分类自变量对比方法-偏差、重复、差分和Helmert

剂量反应分析原理

剂量反应分析-probit模型

剂量反应分析结果解读

多分类名义变量逻辑回归原理

全集试看

多项逻辑回归例子

变量选择-向前、向后和步进法

子总体和预测概率

单调关联测量和一致性指数(Concordance Index

完全分离问题

迭代算法和奇异性容差设置

过度离散设置

有序回归原理

全集试看

有序回归实例详解

有序回归潜变量的推理

位置模型和标度模型

非线性模型介绍

全集试看

非线性模型实例讲解

自定义损失函数

广义线性模型介绍

广义线性模型-链接函数

广义线性模型-正态分布族（上）

广义线性模型-正态分布族（下）

广义线性模型-泊松分布（上）

广义线性模型-泊松分布（下）

标度参数和过度离散问题

负二项分布回归处理泊松分布过离散问题

偏移（offset）变量

全集试看

连续因变量重复测量例子

工作相关性矩阵和拟合优度

数据格式化规则(data format)

二分因变量重复测量例子

两层聚集数据的分析

全集试看

卡方拟合优度检验

二项检验

游程检验

符号检验

全集试看

Wilcoxon符号秩检验

McNemar检验

边缘齐性检验

单样本K-S检验

两独立样本K-S检验

Mann-Whitney-Wilcoxon检验

Wald-Wolfwitz 游程检验

Hodges-Lehmann置信区间

Friedman检验和Kendall协调系数

Cochran Q 检验

Kruskal-Wallis和中位数检验

非参数方差分析的多重比较

Moses 极端反应检验

非参数检验新对话框

精确检验和置换检验

ROC原理解释（上）

ROC原理解释（下）

使用ROC曲线评估分析性能

二分类罗辑回归和ROC曲线分析

寿命表分析

K-M分析

客户流失分析

全集试看

Cox 比例风险回归（上）

Cox 比例风险回归 （下）

Cox 风险回归-挑选变量

Cox 风险回归假定的检验

全集试看

主成分分析实例

如何得到主成分

因子分析实例

判断是否适合因子分析

因子得分的计算

重新标度分量

系统聚类详解（上）

系统聚类详解（下）

K-均值聚类（上）

K-均值聚类（下）

二阶 (TowStep) 聚类（上）

二阶 (TowStep) 聚类（下）

聚类自动优化-轮廓分析

距离、贝叶斯和Fisher判别介绍

全集试看

判别分析实例讲解（上）

判别分析实例讲解（下）

逐步判别

联合分析介绍

联合分析实例-设计产品卡片

联合分析实例-编写联合分析程序

联合分析实例-估计产品效应值

联合分析实例-反转数和效应图

对应分析初探

实例讲解-行列轮廓

实例讲解-双标图Biplot

实例讲解-降维投影原理和奇异值分解

对应分析实例讲解-惯量

实例讲解-点对维和维对点的贡献

实例讲解-坐标缩放

实例讲解-标准化

非列联表数据对应分析

多重对应分析

多维尺度分析原理和作用

多维尺度标准模型实例（上）

多维尺度标准模型实例（下）

个体差异MDS分析

多维展开（偏好）MDS分析

分位数回归-概述

分位数回归-实例分析

分位数回归-高级主题

Process插件的安装

全集试看

中介效应检验的前提和目的

中介效应检验流程

全集试看

简单中介效应检验

单步（并行）多重中介效应介绍

并行多重中介效应实例分析

多步（链式）多重中介效应介绍

多步（链式）多重中介实例分析

并行和链式混合多重中介效应

Process 模型模版和B矩阵的设置

自变量为分类变量的中介效应

自变量为分类变量的中介效应分析实例

分类自变量模型整体间接效应的检验

中介变量和因变量为分类变量

多个自变量或因变量的情况

调节效应模型和分析方法

调节效应实例分析

简单斜率的Johnson-Neyman检验

有调节的中介模型介绍

有调节的中介效应检验方法

全集试看

有调节的中介实例分析

有中介的调节模型

线性混合模型结构

线性混合模型参数估计原理和方法

两层聚集数据-变异情况探索分析

两层聚集数据-确立模型-全固定效应形态

两层聚集数据-确立模型-增加随机效应

两层聚集数据-确立模型-去掉不显著的固定效应

分层（Multilevel）思想

不同协方差结构的说明

全集试看

三层/多层数据模型

选择更优模型方法之信息准则

选择更优模型方法之似然比检验

重复测量数据-探索分析和建立初始模型

重复测量数据分析-模型调整

交叉分类模型

权重和边际平均值

两水平（层）连续因变量广义线性混合模型

多水平二分类Logistic模型-模型建立

多水平二分类Logistic模型-分析结果解读

多水平（层）多项Logistic模型

边际均值

标量权重和偏移量

全集试看

多水平有序回归

多水平泊松回归

全集试看

重复测量数据检验方法汇总

多组重复测量的组间效应检验

重复测量简单效应检验（上）

重复测量简单效应检验（下）

重复测量分析论文要点

自助法（Bootstrap）原理

集中趋势和变异度量的自助法估计

T检验的自助法

方差分析和线性回归的自助法-异方差和非正态解决方案

狂野自助重抽样

相关性自助法检验

从一个完整的抽样框抽取样本

不完整抽样框抽取样本

PPS抽样

修改抽样计划

分析计划

复杂样本描述分析

复杂样本频率分析

复杂样本比率分析

复杂样本列联表分析

复杂样本方差和回归分析

复杂样本二项和多项Logistic回归

复杂样本有序回归 (上)

复杂样本有序回归 (下)

定义日期和时间

创建时间序列

全集试看

序列图

全集试看

自相关和偏相关分析

季节分解

自动建模（上）

自动建模（下）

相关性检验-Ljung-Box方法

指数平滑模型

ARIMA 模型

拟合优度统计量

多个模型报告结果的比较

疏系数模型

干预分析原理介绍

干预分析详解

离群值的检查和处理

交叉相关性

传递函数(transfer function)模型

全集试看

时间序列的预测

K近邻分析原理

K近邻例子-分类问题（上）

K近邻例子-分类问题（下）

K近邻例子-回归问题

决策树介绍

CART决策树（上）

CART决策树（下）

回归树的特征选择原理

决策树例子-分类预测

决策树例子-回归预测

生物学神经元

神经元数学模型

多层感知机（MLP）上

多层感知机（MLP）下

全集试看

多层感知机例子-分类预测

多层感知机例子-回归预测