SPSS回归分析

第1章　相关  1.1　引言  1.2　**个前提条件：尺度水平  1.3　其他前提条件：线性、同方差性和连续性  1.4　说明：对线性的图形检验    1.4.1　过程graph，scatterplot选项    1.4.2　spss过程命令 c    1.5　相关系数的统计和解释    1.5.1　相关系数的统计量    1.5.2　相关系数的解释  1.6　利用 spss 的计算（示例）  1.7　难点：线性、产生错觉相关和一型差误累积    1.7.1　产生错觉相关和偏相关    1.7.2　一型差误累积问题  1.8　特殊用途    1.8.1　相关系数的比较    1.8.2　比较相关的一致性    1.8.3　正准相关  1.9　计算皮尔逊相关系数的前提条件第2章　线性回归和非线性回归  2.1　线性回归：有因果方向的关联    2.1.1　双变量线性回归：利用regression的回归分析概述    2.1.2　双变量线性回归的示例和语句——**步：根据杠杆值和残差检验线性并识别离群值    2.1.3　输出结果和解释    2.1.4　过程2：删除离群值的效应——选出的输出结果    2.1.5　说明：绘制回归直线（igraph）的图形  2.2　非线性简单回归    2.2.1　利用线性回归对线性函数进行分析    2.2.2　利用线性回归分析调查非线性函数    2.2.3　将非线性函数线性化，并利用线性回归进行调查    2.2.4　利用非线性回归分析非线性函数：非线性回归    2.2.5　更高的要求：带有两个预测变量的非线性回归    2.2.6　用于非线性回归的spss过程 nlr ?    2.2.7　非线性回归的假设    2.2.8　总览表：非线性回归的模型  2.3　多元线性回归：多重共线性和其他难点    2.3.1　多元回归的特点    2.3.2　**个例子：多元回归特殊统计的解释    2.3.3　第二个例子：多重共线性的识别和消除  2.4　计算线性回归的前提条件第3章　逻辑回归和有序回归  3.1　引言：因变量的因果模型和测量水平  3.2　二元逻辑回归    3.2.1　逻辑回归方法和与其他方法的比较    3.2.2　示例界面和语法：逐步法（bstep）    3.2.3　输出结果和解释    3.2.4　示例和语法：直接法    3.2.5　输出结果和解释    3.2.6　补充说明逻辑回归的理论检验vs诊断：模型拟合优度vs预测效率    3.2.7　二元逻辑回归的前提条件  3.3　有序回归    3.3.1　有序回归方法和与其他方法的比较    3.3.2　例1   界面操作和语法：定距预测变量（with-选项）    3.3.3　输出结果和解释    3.3.4　例2和语法：分类预测变量（by选项）    3.3.5　输出结果和解释    3.3.6　有序回归的前提条件  3.4　多项逻辑回归    3.4.1　例子、界面选择和语法：主效应模型（二元因变量）    3.4.2　输出结果和解释    3.4.3　补充说明：逐步计算带有一个二元因变量的模型：nomreg regression和logistic regression输出结果的比较    3.4.4　特殊情况：带有定量预测变量的巢式病例对照研究（1:1）——示例、语法、输出结果和解释    3.4.5　补充说明：logistic regression 对比 nomreg （区别）    3.4.6　多项逻辑回归的前提条件  3.5　本章所介绍的各种回归方法的比较第4章　生存分析  4.1　生存分析概述  4.2　生存分析的基本原理    4.2.1　生存函?    4.2.2　确定生存函?    4.2.3　其他函数  4.3　截尾数据    4.3.1　非期望事件或者未发生目标事件    4.3.2　对截尾数据与非截尾数据做不同处理的三个理由    4.3.3　失效数据和截尾的处理（三种方法）  4.4　估计生存时间s(t)的方法    4.4.1　保险精算法和寿命表法    4.4.2　使用kaplan-meier法估计生存时?    4.4.3　无截尾和有截尾的示例（方法：kaplan-meier）  4.5　对多个组进行比较的检验  4.6　利用spss进行生存分析    4.6.1　示例：无因子kaplan-meier法    4.6.2　示例：采用因子的kaplan-meier法    4.6.3　利用因子变量与分层变量进行比较（kaplan-meier法）    4.6.4　kaplan-meier分析的置信区间    4.6.5　不带因子的寿命表计算法示例    4.6.6　带有因子的寿命表法计算示例    4.6.7　计算生存分析的首要条件  4.7　cox回归    4.7.1　cox模型简介和背景知识    4.7.2　带有定量协变量的cox回归    4.7.3　带有二元协变量的cox回归（k=2）    4.7.4　带有分类协变量的cox回归（k ＞2）    4.7.5　针对交互作用的cox回归    4.7.6　检验cox回归的前提条件    4.7.7　带有时间相依的定量协变量的cox回归    4.7.8　cox回归的特定前提条件    4.7.9　附录：对比方法第5章　回归分析的其他应用实例  5.1　偏回归    5.1.1　运用pls过程（python extension）进行计算    5.1.2　运用spss过程regression进行计算  5.2　个体生长曲线    5.2.1　方法1：随机截距模型    5.2.2　方法2：随机斜率模型    5.2.3　方法3：随机截距和随机斜率模型  5.3　岭回归（spss宏）    5.3.1　利用岭迹实现多重共线性的可视化    5.3.2　岭回归的计算    5.3.3　spss宏“ridge-regression”第6章　其他方法和模型（一览）  6.1　通过spss菜单调用其他回归方法  6.2　可用语句调用的其他回归形式附录a　公式参考文献您对本书的建议和意见作者简介