好评：87.76%
坏评：12.24%
本书针对统计初学者和ＳＰＳＳ初级用户的需求，以统计理论为主线，严格按照本科生统计学教材方式编写，内容共分三大部分：
第一部分的任务是ＳＰＳＳ操作入门，讲解了软件使用和数据管理的操作知识；
第二部分以统计理论为主线，详细阐述了如何在ＳＰＳＳ中完成数据的统计描述和参数估计，以及如何使用统计图表来进行数据的完美呈现；
第三部分则详细介绍了ｔ检验、方差分析、秩和检验、&２ 检验、相关回归等常用的基本统计分析方法，内容覆盖了目前国内大部分专业统计课程的教学范围，并结合ＳＰＳＳ的强大功能作了很好的扩展。书后的附录根据初学者的特点加以编制，各章后均附有参考文献和思考练习题，第三部分的章节还专门提供了本章小结，更好地满足了本科生教学的需要。另外，书中大部分表为设计表格时自动生成的。因此，大部分表及表题为英文。除作为教材外，本书还适用于各行业中非统计专业需要使用统计方法的人员，以及希望从头学习ＳＰＳＳ软件的人员。我们希望广大读者能一如既往地踊跃提出自己使用中的宝贵意见和建议，使得本书再版的时候能够更上一层楼，更完美地满足大家的学习和工作需求。
SPSS是世界上最早的统计分析软件，由美国斯坦福大学的三位研究生Norman H. Nie、C. Hadlai (Tex) Hull 和 Dale H. Bent于1968年研究开发成功，同时成立了SPSS公司，并于1975年成立法人组织、在芝加哥组建了SPSS总部。1984年SPSS总部首先推出了世界上第一个统计分析软件微机版本SPSS/PC+，开创了SPSS微机系列产品的开发方向，极大地扩充了它的应用范围，并使其能很快地应用于自然科学、技术科学、社会科学的各个领域。世界上许多有影响的报刊杂志纷纷就SPSS的自动统计绘图、数据的深入分析、使用方便、功能齐全等方面给予了高度的评价
下载《SPSS统计分析基础教程》 PDF版
其他下载地址：
每周酷软件推荐
15.63 MB/ 简体中文qq阅读器电脑版是一款由腾讯推出的电子书阅读器，支持本地阅读以及在线阅读，且提供海量正版书籍、网文神作，致力于打...
软件排行榜
12345678910
热门关键字
关注新云安卓游戏网拒绝访问 |
| 百度云加速
请打开cookies.
此网站 () 的管理员禁止了您的访问。原因是您的访问包含了非浏览器特征(395eff54b2ed165f-ua98).
重新安装浏览器，或使用别的浏览器君，已阅读到文档的结尾了呢~~
手把手教你怎么用SPSS做统计分析
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
手把手教你怎么用SPSS做统计分析
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口写给喜欢数据分析的初学者
我的图书馆
写给喜欢数据分析的初学者
在耀眼的职业光环下，数据分析师自身的成长，几乎是与孤寂相伴，在高级打杂中，锻造而成。最近接到一个职业访谈的邀请，要给对数据分析感兴趣的新人Y（目前在知名电商从事系统开发和维护）一些建议，才突然发现自己在这个领域打滚了一段时间，一阵感叹后，写下自己的一些体会，尽管不全面，但或许能够给新人一些借鉴。如有不妥地方，请各位数据大牛轻拍。一、数据分析师有哪些要求？1、理论要求及对数字的敏感性，包括统计知识、市场研究、模型原理等。2、工具使用，包括挖掘工具、数据库、常用办公软件（excel、PPT、word、脑图）等。3、业务理解能力和对商业的敏感性。对商业及产品要有深刻的理解，因为数据分析的出发点就是要解决商业的问题，只有理解了商业问题，才能转换成数据分析的问题，从而满足部门的要求。4、汇报和图表展现能力。这是临门一脚，做得再好的分析模型，如果不能很好地展示给领导和客户，成效就大打折扣，也会影响到数据分析师的职业晋升。二、请把数据分析作为一种能力来培养从广义来说，现在大多数的工作都需要用到分析能力，特别是数据化运营理念深入的今天，像BAT这样的公司强调全员参与数据化运营，所以，把它作为一种能力培训，将会让你终生受益。三、从数据分析的四个步骤来看清数据分析师需具备的能力和知识：数据分析的四个步骤（这有别于数据挖掘流程：商业理解、数据理解、数据准备、模型搭建、模型评估、模型部署），是从更宏观地展示数据分析的过程：获取数据、处理数据、分析数据、呈现数据。（一） &获取数据获取数据的前提是对商业问题的理解，把商业问题转化成数据问题，要通过现象发现本质，确定从哪些纬度来分析问题，界定问题后，进行数据的采集。此环节，需要数据分析师具备结构化的思维和对商业问题的理解能力。推荐书籍：《金字塔原理》、麦肯锡三部曲：《麦肯锡意识》、《麦肯锡工具》、《麦肯锡方法》工具：思维导图、mindmanager软件（二） &处理数据一个数据分析项目，通常数据处理时间占70%以上，使用先进的工具有利于提升效率，所以尽量学习最新最有效的处理工具，以下介绍的是最传统的，但却很有效率的工具：Excel：日常在做通报、报告和抽样分析中经常用到，其图表功能很强大，处理10万级别的数据很轻松。UltraEdit：文本工具，比TXT工具好用，打开和运行速度都比较快。ACCESS：桌面数据库，主要是用于日常的抽样分析（做全量统计分析，消耗资源和时间较多，通常分析师会随机抽取部分数据进行分析），使用SQL语言，处理100万级别的数据还是很快捷。Orcle、SQL sever：处理千万级别的数据需要用到这两类数据库。当然，在自己能力和时间允许的情况下，学习新流行的分布式数据库及提升自身的编程能力，对未来的职业发展也有很大帮助。分析软件主要推荐：SPSS系列：老牌的统计分析软件，SPSS Statistics（偏统计功能、市场研究）、SPSS Modeler（偏数据挖掘）,不用编程，易学。SAS：老牌经典挖掘软件，需要编程。R：开源软件，新流行，对非结构化数据处理效率上更高，需编程。随着文本挖掘技术进一步发展，对非结构化数据的分析需求也越来越大，需要进一步关注文本挖掘工具的使用。（三） &分析数据分析数据，需要用到各类的模型，包括关联规则、聚类、分类、预测模型等，其中一个最重要的思想是对比，任何的数据需要在参照系下进行对比，结论才有意义。推荐的书籍：1、《数据挖掘与数据化运营实战，思路、方法、技巧与应用》，卢辉著，机械出版社。这本书是近年国内写得最好的，务必把它当作圣经一样来读。2、《谁说菜鸟不会数据分析（入门篇）》和《谁说菜鸟不会数据分析（工具篇）》，张文霖等编著。属于入门级的书，适合初学者。3、《统计学》第五版，贾俊平等编著，中国人民大学出版社。比较好的一本统计学的书。4、《数据挖掘导论》完整版，[美]Pang-Ning Tan等著，范明等翻译，人民邮电出版社。5、《数据挖掘概念与技术》,Jiawei Han等著，范明等翻译，机械工业出版社。这本书相对难一些。6、《市场研究定量分析方法与应用》，简明等编著，中国人民大学出版社。7、《问卷统计分析实务---SPSS操作与应用》，吴明隆著，重庆大学出版社。在市场调查领域比较出名的一本书，对问卷调查数据分析讲解比较详细。（四） &呈现数据该部分需要把数据结果进行有效的呈现和演讲汇报，需要用到金字塔原理、图表及PPT、word的呈现，培养良好的演讲能力。推荐书籍：1、《说服力让你的PPT会说话》，张志等编著，人民邮电出版社。2、《别告诉我你懂ppt》加强版，李治著，北京大学出版社。3、《用图表说话》，基恩。泽拉兹尼著，马晓路等翻译，清华大学出版社。（五） &其他的知识结构数据分析师除了具备数学知识外，还要具备市场研究、营销管理、心理学、行为学、产品运营、互联网、大数据等方面的知识，需要构建完整广泛的知识体系，才能支撑解决日常遇到的不同类型的商业问题。推荐书籍：1、《消费者行为学》第10版，希夫曼等人著，江林等翻译，中国人民大学出版社，现在应该更新到更高的版本。2、《怪诞行为学》升级版，艾瑞里著，赵德亮等翻译，中信出版社3、《营销管理》，科特勒等著，梅清豪翻译，格致出版社和上海人民出版社联合出版4、《互联网思维---独孤九剑》，赵大伟主编，机械出版社5、《大数据时代---生活、工作与思维的大变革》，舍恩伯格等著，周涛等翻译，浙江人民出版社四、关于数据分析师的职业发展：1、数据分析师通常分两类，分工不同，但各有优势。一类是在专门的挖掘团队里面从事数据挖掘和分析工作的。如果你能在这类专业团队学习成长，那是幸运的，但进入这类团队的门槛较高，需要扎实的数据挖掘知识、挖掘工具应用经验和编程能力。该类分析师更偏向技术线条，未来的职业通道可能走专家的技术路线。另一类是下沉到各业务团队或者运营部门的数据分析师，成为业务团队的一员。他们工作是支撑业务运营，包括日常业务的异常监控、客户和市场研究、参与产品开发、建立数据模型提升运营效率等。该类型分析师偏向产品和运营，可以转向做运营和产品。2、数据分析师的理想行业在互联网，但条条大道通罗马，走合适你的路线。从行业的角度来看：1）互联网行业是数据分析应用最广的行业，其中的电商企业，更是目前最火的，而且企业也更重视数据分析的价值，是数据分析师理想的成长平台。2）其次是咨询公司（比如专门的数据挖掘公司Teradata、尼尔森等市场研究公司），他们需要数据分析人才，而且相对来说，数据分析师在咨询公司成长的速度更快，专业也会更全面。3）再次是金融行业，比如银行和证券等行业，该行业对数据分析的依赖需求，越来越大。4）最后是电信行业（中国移动、联通和电信），它们拥有海量的数据，在严峻的竞争下，也越来越重视数据分析，但进入这些公司的门槛比较高。五、什么人适合学习数据分析？这个问题的答案跟“什么人适合学功夫”一样，毫无疑问，功夫是适合任何人学习的（排除心术不正的人），因为能够强身健体。而功夫的成效，要看习武者的修炼深浅。常常有人争论，是咏春拳厉害，还是散打厉害，其实是颠倒了因果，应该看哪个人练习得比较好，流派之间没有高低，只有人修炼的厚薄。实际上，问题的潜台词是“什么人学习数据分析，会更容易取得成功（比如职业成功）”，这个要视乎你的兴趣、付出和机遇。但要做到出类拔萃，除了上面三点，还需要一点天赋，这里的机遇是指你遇到的职业发展平台、商业环境、导师和同事。借用管理大师德鲁克的话“管理是可以习得的”，管理并非是天生的，而数据分析能力，也可以后天提升。或许做到优秀，只需要你更加的努力+兴趣，而这个努力的过程，也包括你寻找机遇的部分。六、关于如何学习：学习方法千万种，关键是找到适合自己的，最好能够结合你的工作遇到的问题来学习。1、搜集书籍、案例库和视频，先弄懂理论，然后学会软件操作，自己制作属于自己的教程。比如，你学习聚类分析模型。1）搜集相关的聚类分析模型的书籍、案例和教学视频，了解聚类分析的原理，主要有哪几种算法（划分、层次、密度、网格）、模型适用的范围和前提、如何评估模型的精确度等。2）自己学会用软件来实现。3）总结整理成一份PPT和制作操作视频，成为自己的学习教程，不断完善。4）学习到一定程度后，可以在博客、微信等渠道分享，授人与渔，而自己也会有所收获。下图是我自己整理的聚类分析和判别分析的专题2、关注名人、名博、网站，多渠道学习。1）关注专业的数据分析、咨询公司网站和论坛，特别强调，统计软件公司的网站如SPSS的官网有很多案例库，值得关注。中国统计网：/爱数据网：SPSS的案例库，可在官网上搜索各类案例：/developerworks/cn/data/library/techarticle/dm-1108zhangzy/index.html另外，你最好建一个自己的网址导航目录，提升你的学习效率，可参考文章《如何订制个性化的网址导航》（作者公众号：数据的力量），具体效果如下：2）关注名人名博，最好能加他们的微博、微信和微信公众号，看牛人的博客和微信等内容，还是能得到很多引导，这个你懂的。如沈浩老师的博客：http://shenhaolaoshi./数据海洋公众号：dataplayer“数聚”公众号：shuju_vip
馆藏&27787
TA的最新馆藏
喜欢该文的人也喜欢}