本书全面、系统地介绍了各种多变量统计模型、多元统计分析模型、智能统计分析方法的原理和软件实现，是一本使用SPSS进行高级统计分析的实用性很强的指导书和参考书。本书共分4个部分，分别是一般线性模型、线性混合模型与广义线性模型，回归模型，多元统计分析方法，以及其他统计分析方法。本书基于IBM SPSS Statistics 24中文版，并结合作者多年的统计分析实战经验和SPSS行业应用经验，侧重对统计新方法、新观点的讲解，在保证统计理论严谨权威的同时注重叙述的浅显易懂，使本书更加易学易用。

本书可作为高等学校本科生和研究生统计学相关课程教材，也可作为市场营销、金融、财务、人力资源管理等行业中需要做数据分析的人士，或从事咨询、研究、分析等工作的人士的参考书。

前辅文
第一部分 一般线性模型､线性混合模型与广义线性模型
  第1章 方差分析模型
   1.1 模型简介
   1.2 案例:胶合板磨损深度的比较
   1.3 两因素方差分析模型
   1.4 因素各水平间的精细比较
   1.5 方差分析模型进阶
   思考与练习
   参考文献
  第2章 常用的实验设计分析方法
   2.1 仅研究主效应的实验设计方案
   2.2 考虑交互作用的实验设计方案
   2.3 误差项变动的特殊实验设计方案
   2.4 协方差分析
   思考与练习
   参考文献
  第3章 多元方差分析与重复测量方差分析
   3.1 多元方差分析
   3.2 重复测量数据的方差分析
   思考与练习
   参考文献
  第4章 线性混合模型
   4.1 模型简介
   4.2 层次聚集性数据案例
   4.3 重复测量数据案例
   4.4 线性混合模型进阶
   思考与练习
   参考文献
  第5章 广义线性模型､广义估计方程与广义线性混合模型
   5.1 广义线性模型
   5.2 广义估计方程
   5.3 广义线性混合模型
   思考与练习
   参考文献
第二部分 回 归 模 型
  第6章 多重线性回归模型
   6.1 模型简介
   6.2 案例:销售收入影响因素分析
   6.3 回归预测与区间估计
   6.4 残差分析
   6.5 逐步回归
   6.6 模型的进一步诊断与修正
   6.7 自动线性建模
   思考与练习
   参考文献
  第7章 线性回归的衍生模型
   7.1 非直线趋势的处理:曲线直线化
   7.2 方差不齐的处理:加权最小二乘法
   7.3 共线性的处理:岭回归
   7.4 分类变量的数值化:最优尺度回归
   7.5 强影响点的弱化:稳健回归与分位数回归
   7.6 其余回归模型简介
   思考与练习
   参考文献
  第8章 路径分析入门
   8.1 两阶段最小二乘法
   8.2 路径分析入门
   8.3 偏最小二乘法入门
   思考与练习
   参考文献
  第9章 非线性回归模型
   9.1 模型简介
   9.2 案例:通风时间和毒物浓度的曲线方程
   9.3 自定义损失函数:最小一乘法
   9.4 分段回归模型的拟合
   9.5 非线性回归模型进阶
   思考与练习
   参考文献
  第10章 二分类Logistic回归模型
   10.1 模型简介
   10.2 案例:低出生体重儿影响因素研究
   10.3 分类自变量的定义与比较方法
   10.4 自变量的筛选方法与逐步回归
   10.5 弗斯Logistic回归
   10.6 Logistic回归模型进阶
   思考与练习
   参考文献
  第11章 多分类､配对Logistic回归与Probit回归模型
   11.1 有序多分类Logistic回归模型
   11.2 无序多分类Logistic回归模型
   11.3 1∶1配对Logistic回归
   11.4 Probit回归模型
   思考与练习
   参考文献
  第12章 对数线性模型､Poisson回归模型与潜类别分析
   12.1 对数线性模型简介
   12.2 一般对数线性模型
   12.3 因果关系明确时的对数线性模型
   12.4 对数线性模型的自动筛选
   12.5 对数线性模型与其他模型的关系
   12.6 Poisson回归模型
   12.7 潜类别分析简介
   思考与练习
   参考文献
第三部分 多元统计分析方法
  第13章 主成分分析､因子分析与多维偏好分析
   13.1 主成分分析
   13.2 因子分析
   13.3 因子分析进阶
   13.4 分类数据的主成分分析(多维偏好分析)
   思考与练习
   参考文献
  第14章 对应分析
   14.1 模型简介
   14.2 案例:头发颜色与眼睛颜色的关联
   14.3 基于平均值的对应分析
   14.4 对应分析进阶
   14.5 基于最优尺度变换的多重对应分析
   思考与练习
   参考文献
  第15章 典型相关分析
   15.1 模型简介
   15.2 案例:体力指标和运动能力指标的相关分析
   15.3 典型相关分析进阶
   15.4 基于最优尺度变换的非线性典型相关分析
   思考与练习
   参考文献
  第16章 多维尺度分析
   16.1 不考虑个体差异的多维尺度分析模型
   16.2 考虑个体差异的多维尺度分析模型
   16.3 基于最优尺度变换的多维尺度分析模型
   16.4 多维展开模型
   思考与练习
   参考文献
  第17章 聚类分析
   17.1 模型简介
   17.2 K-均值聚类法
   17.3 聚类结果的验证与自动优化
   17.4 层次聚类法
   17.5 两步聚类法
   17.6 聚类分析进阶
   思考与练习
   参考文献
  第18章 经典判别分析
   18.1 模型简介
   18.2 案例:鸢尾花种类判别
   18.3 贝叶斯判别分析
   18.4 判别分析进阶
   思考与练习
   参考文献
第四部分 其他统计分析方法
  第19章 树模型､随机森林与最近邻元素法
   19.1 树模型简介
   19.2 案例:移动客户流失预测
   19.3 对案例的进一步分析
   19.4 常见的树模型算法
   19.5 随机森林
   19.6 最近邻元素法
   思考与练习
   参考文献
  第20章 神经网络与支持向量机
   20.1 模型简介
   20.2 案例:对低出生体重儿案例的重新分析
   20.3 对案例的进一步分析
   20.4 径向基神经网络
   20.5 支持向量机简介
   思考与练习
   参考文献
  第21章 信度分析
   21.1 信度理论入门
   21.2 案例:问卷信度分析
   21.3 其他常用的信度系数
   21.4 概化理论简介
   21.5 项目反应理论简介
   思考与练习
   参考文献
  第22章 联合分析
   22.1 模型简介
   22.2 联合分析的正交设计
   22.3 联合分析的数据建模
   22.4 联合分析进阶
   思考与练习
   参考文献
  第23章 时间序列模型
   23.1 模型简介
   23.2 时间序列的建立和平稳化
   23.3 时间序列的图形化观察
   23.4 时间序列的建模与预测
   23.5 季节性分解
   23.6 时间因果模型
   思考与练习
   参考文献
  第24章 生存分析
   24.1 生存分析简介
   24.2 生存函数的估计和检验
   24.3 Cox回归模型
   24.4 含时依协变量的Cox回归模型
   24.5 Cox回归模型进阶
   24.6 加速失效时间模型
   思考与练习
   参考文献
  第25章 缺失值分析
   25.1 缺失值理论简介
   25.2 对缺失情况的基本分析
   25.3 缺失值填补技术
   25.4 多重填补
   思考与练习
   参考文献
  附录1 常见多变量/多元统计分析方法分类图
  附录2 Python插件和R插件的安装方法

SPSS数据分析领域的畅销教程

张文彤，是国内统计软件教学和统计学网络教学，特别是SPSS软件教学的开拓者，2001年以来协助SPSS中国公司一手建立了其国内的培训体系，是国内最为知名的SPSS培训师之一。张文彤博士在复旦大学任教期间，同时保持着与统计应用相关业界各前沿领域的密切接触，在数据挖掘应用、市场研究应用等领域经验丰富。市场研究方面，曾为知名跨国公司完成了中国城市女性市场细分模型、销量预测模型、商圈选址模型等项目，数据挖掘方面则在基因数据分析、医疗费用数据分析、公共卫生应急预警系统等方面进行了深入研究，并协助完成多项IT、电信、税务、银行等行业的数据挖掘项目。
张文彤：是国内统计软件教学和统计学网络教学，特别是SPSS软件教学的开拓者，2001年以来协助SPSS中国公司一手建立了其国内的培训体系，是国内最为知名的SPSS培训师之一。张文彤博士在复旦大学任教期间，同时保持着与统计应用相关业界各前沿领域的密切接触，在数据挖掘应用、市场研究应用等领域经验丰富。市场研究方面，曾为知名跨国公司完成了中国城市女性市场细分模型、销量预测模型、商圈选址模型等项目，数据挖掘方面则在基因数据分析、医疗费用数据分析、公共卫生应急预警系统等方面进行了深入研究，并协助完成多项IT、电信、税务、银行等行业的数据挖掘项目。

本书作者是国内最著旬的SPSS培训师，曾作为SPSS官方培训师，一手协助SPSS中国建立其统计培训体系，具有丰富的数据分析/统计软件培训经验；本书是作者多年使用SPSS进行教学、科研与项目实战工作的经验结晶；本书基于IBM SPSS Statistics 24中文版，从统计分析实战的角度详细介绍了SPSS的各种高级统计分析功能，和《SPSS统计分析基础教程》（第3版）一起构成了对该软件的全面介绍。本书既可作为高等学校统计学相关课程教材，也可作为培训类教材。

本书自2004年第1版出版以来，受到了广大读者的欢迎，被国内数百所高校选为本科生或研究生相关课程教材。本书第2版出版于2013年，SPSS在这几年间已经升级了4个版本，而且最新的版本易用性更强和软件功能更丰富，因此需要对全书内容进行有针对性的修订。在第2版的基础上，结合SPSS版本的更新和读者的反馈，本版以IBM SPSS Statistic 24版为准，对内容做了如下调整。
1. 进一步拓展。第2版教材全面覆盖了SPSS本身提供的各种高级统计分析功能，但SPSS主要提供成熟且常用的统计模型，而许多独特的新模型并未提供。实际上，SPSS通过Python插件和R插件的方式提供了这些模型。为进一步拓展读者的知识面，除介绍新版本直接提供的新模型外，本书还对一些比较重要的用插件方式提供的模型进行了介绍，包括分位数回归、弗斯logisit回归、潜类别分析、支持向量机、随机森林、项响应模型等，并在附录中介绍了相应插件的安装方法，以帮助读者及时跟进统计方法领域的最新进展，并能在工作中充分发挥SPSS的作用。
2. 更加浅显易懂。本书涉及的统计模型都比较复杂，为降低读者的学习难度，确保读者能够掌握相应的方法，本书在第2版的基础上进一步减少了案例数量。通过对同一案例在不同方法框架下分析结果进行比较，再辅以对统计理论深入浅出的讲解，降低了初学者的入门难度，最大程度地优化学习效果，有利于读者学以致用。
本书可作为高等学校各专业本科生和研究生的统计学教材，也可作为市场营销、金融、财务、人力资源管理等行业中需要进行数据分析的人士，或从事咨询、研究、分析等专业人士的参考书。学习本书的读者需要具备统计分析及SPSS操作的基础知识，需要补充这部分知识的读者可以先参阅《SPSS统计分析基础教程》（第3版）。对于希望进一步提升统计分析和数据挖掘实战能力的读者，则在学习完本书后继续阅读作者的实战案例精粹系列书籍，以进一步提高实战经验。