馬秀麟、姚自明、邬肜、王敏主編的《數據分析
方法及應用——基於SPSS和EXCEL環境》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。

第1章 數據統計分析的概念
學習指導
1.1 數據分析能力培養的背景及其意義
1.1.1 數據分析能力培養的背景
1.1.2 數據分析能力培養的意義
1.2 數據處理的層次與數據分析
1.2.1 數據管理與數據采集的三個層次
1.2.2 數據分析與數據挖掘技術的出現
1.3 數據描述與數據分析簡介
1.3.1 常見的數據描述方法
1.3.2 常見的數據分析技術
1.4 數據分析與挖掘軟件
1.4.1 數據統計與分析軟件
1.4.2 數據挖掘技術及應用
1.5 數據分析環境（SPSS與Excel）
1.5.1 數據的組織與數據結構
1.5.2 Excel的數據分析環境
1.5.3 SPSS的數據分析環境
習題
第2章 數據梳理與統計描述
學習指導
2.1 數據分析中的基礎概念
2.1.1 數據描述及其概念
2.1.2 數據的分布形態
2.1.3 數據分析中的常見思路與評價策略
2.2 數據編輯技術簡介
2.2.1 Excel的數據編輯
2.2.2 SPSS的數據編輯
2.2.3 數據文件的打開與整合
2.2.4 數據排序
2.2.5 數據文件拼合
2.2.6 數據檢索與抽樣
2.2.7 數據的計算與計數
2.2.8 數據的加權處理
2.3 數據重編碼與規範化
2.3.1 對字符型變量的數值化編碼
2.3.2 對定距變量的離散化編碼
2.3.3 數據重編碼——Z分數
2.3.4 數據重編碼——求秩分
2.3.5 數據重編碼——正態得分
2.3.6 數據的分類彙總
2.3.7 對缺失值的標記與處理
2.4 數據的統計描述
2.4.1 基本統計量
2.4.2 數據頻度分析
2.4.3 數據分布形態的判定
2.4.4 箱體圖與莖葉圖
2.4.5 低測度數據的描述
2.4.6 數據摘要報告
習題
第3章 數據的差異顯著性檢驗
學習指導
3.1 數據差異顯著性檢驗的基礎概念
3.1.1 數據差異顯著性檢驗的概念
3.1.2 數據差異顯著性檢驗的流程
3.1.3 差異顯著性檢驗的類別及其適應性
3.2 T檢驗——兩組數據的均值差異顯著性檢驗
3.2.1 T檢驗的含義、方法與適應性
3.2.2 配對樣本的T檢驗
3.2.3 獨立樣本的T檢驗
3.2.4 單樣本的T檢驗
3.2.5 T檢驗的實用案例
3.3 方差分析
3.3.1 方差分析的目標、方法與類別
3.3.2 單因素方差分析
3.3.3 多因素方差分析
3.3.4 協方差分析
3.3.5 多因變量的方差分析
3.3.6 方差分析的實用案例
3.4 非參數檢驗
3.4.1 不明形態數據差異顯著性檢驗的策略
3.4.2 兩關聯樣本的非參數檢驗
3.4.3 多關聯樣本的非參數檢驗
3.4.4 兩獨立樣本的非參數檢驗
3.4.5 多獨立樣本的非參數檢驗
3.4.6 非參數檢驗的實用案例
3.5 低測度數據的差異性與擬合優度檢驗
3.5.1 低測度數據分析的特點與卡方檢驗
3.5.2 面向期望分布的卡方檢驗
3.5.3 基於交叉表的卡方檢驗
3.5.4 基於K-S檢驗的分布形態判斷
3.5.5 遊程檢驗與隨機分布
3.5.6 二項分布檢驗
習題
第4章 數據的關聯性分析
學習指導
4.1 數據關聯性分析綜述
4.1.1 數據關聯性分析的類型
4.1.2 SPSS中數據關聯性分析的技術
4.2 數據的相關性分析
4.2.1 對中高測度數據的相關性分析技術
4.2.2 中高測度數據相關性分析的實用案例
4.2.3 偏相關分析
4.2.4 低測度數據相關性分析的概念與思路
4.2.5 低測度數據相關性分析的實用案例
4.3 線性回歸分析技術
4.3.1 線性回歸的關鍵概念
4.3.2 一元線性回歸的實用案例
4.3.3 多元線性回歸概念與關鍵技術
4.3.4 多元線性回歸的實用案例
4.4 曲線回歸技術
4.4.1 曲線回歸的基礎知識
4.4.2 曲線回歸的實用案例
4.5 二元Logistic回歸分析技術
4.5.1 二元Logistic回歸的概念
4.5.2 二元Logistic回歸的實用案例
習題
第5章 數據的降維與聚類分析
學習指導
5.1 基於數據的歸納分析
5.1.1 歸納分析的概念
5.1.2 統計學中的分類分析
5.1.3 統計學中的降維分析
5.1.4 分類分析中對元素間距離的判定方法
5.2 分層聚類分析
5.2.1 分層聚類的概念及特點
5.2.2 分層聚類在降維中的實用案例
5.2.3 分層聚類在分類中的實用案例
5.3 K-Means聚類分析
5.3.1 K-Means聚類的概念
5.3.2 K-Means聚類的實用案例
5.4 判別分析
5.4.1 判別分析的概念與思路
5.4.2 判別分析的實用案例
5.5 因子分析
5.5.1 因子分析的定義與特點
5.5.2 因子分析的實用案例
5.5.3 因子分析的補充說明
5.6 對應分析
5.6.1 對應分析的概念
5.6.2 對應分析的實用案例
習題
第6章 信度與效度的檢驗
學習指導
6.1 信度和效度的概念
6.1.1 信度的概念與主要技術
6.1.2 效度的概念與主要技術
6.1.3 社會調查中保證信度效度的常見方法
6.2 SPSS的信度檢驗
6.2.1 信度檢驗的主要技術
6.2.2 信度檢驗的實用案例
6.3 效度檢驗方法
6.3.1 效度檢驗的主要技術
6.3.2 效度檢驗的實用案例
6.4 如何構造有效的調研指標體繫
6.4.1 構造有效指標體繫的方法
6.4.2 用德爾菲法檢查結構效度
習題
參考文獻