统计数据分析基础教程（第二版）：基于SPSS 20和Excel 2010的调查数据分析（第二版） pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

叶向，李亚平 著

图书标签:

• 统计分析
• SPSS
• Excel
• 数据分析
• 调查数据
• 统计学
• 应用统计
• 第二版
• 教程
• 社会科学研究

出版社： 中国人民大学出版社

ISBN：9787300210896

版次：2

商品编码：11681595

包装：平装

丛书名： 大学计算机基础与应用系列立体化教材

开本：16开

出版时间：2015-04-01

用纸：胶版纸

页数：339

字数：491000

正文语种：英文

内容简介

　　《统计数据分析基础教程（第二版）：基于SPSS 20和Excel 2010的调查数据分析（第二版）》介绍了从设计调查问卷开始直到完成调查报告为止的整个社会调查过程，包括问卷设计与数据收集、问卷数据的录入与清理、问卷数据基本统计分析（单变量的一维频率分析、双变量的交叉表分析、多选变量的一维频率分析和交叉表分析、描述统计分析）、假设检验、单因素方差分析、线性相关分析与线性回归分析等内容。作者还结合自己10多年学习、实践、讲授和研究统计方法及其应用的经验体会，介绍了许多专门的方法和技巧。
　　《统计数据分析基础教程（第二版）：基于SPSS 20和Excel 2010的调查数据分析（第二版）》的写作基础是安装于Windows7操作系统上的中文版SPSS20和中文版Excel2010。
　　《统计数据分析基础教程（第二版）：基于SPSS 20和Excel 2010的调查数据分析（第二版）》可作为各级各类高等院校本科生统计数据分析的入门教材，也可以作为MBA学生、研究生以及从事统计数据分析工作的人士的参考书。同时《统计数据分析基础教程（第二版）：基于SPSS 20和Excel 2010的调查数据分析（第二版）》也十分便于实际调研部门的人员和对数据分析感兴趣的读者自学及实践时参考。

作者简介

　　叶向，中国人民大学信息学院副教授，主要研究方向为计算机应用，运筹学（管理科学），计算机基础教育,曾在1998年3～11月到香港理工大学计算机系进行数据仓库和数据挖掘方面的合作研究。

目录

第1章 概述
1.1 什么是统计
1.2 统计、计算机与统计软件
1.3 为何要使用Excel来学习统计
1.4 变量及其分类
1.5 数据的收集
1.6 思考题与上机实验题
本章附录Excel数据分析工具

第2章 问卷设计与数据收集
2.1 问卷的概念及其结构
2.2 设计问卷的步骤
2.3 几种典型的问卷题型
2.4 “态度8”问卷模板库简介
2.5 编辑问卷的技巧
2.6 收集问卷数据
2.7 思考题与上机实验题
本章附录Ⅰ 问卷实例一
本章附录Ⅱ 问卷实例二
本章附录Ⅲ 调查研究方案实例

第3章 问卷数据的录入与清理
3.1 问卷数据的录入
3.2 在Excel中录入问卷数据
3.3 核对和清理问卷数据
3.4 在Excel中核对问卷数据
3.5 建立调查问卷的SPSS数据文件
3.6 思考题与上机实验题
本章附录在Excel2010中生成随机数

第4章 单变量的一维频率分析
4.1 利用SPSS实现单选题的一维频率分析
4.2 利用Excel实现单选题的一维频率分析
4.3 在Excel中绘制单选题的一维频率分布统计图
4.4 如何用Word编辑一维频率分布表和统计图
4.5 利用SPSS实现填空题的一维频率分析
4.6 利用Excel实现填空题的一维频率分析
4.7 撰写调查报告
4.8 思考题与上机实验题
本章附录社会调查报告实例（频率分析）

第5章 双变量的交叉表分析
5.1 利用SPSS实现两个单选题的交叉表分析
5.2 在Excel中绘制两个单选题的交叉表统计图
5.3 利用Excel数据透视表实现单选题的一维频率分析和交叉表分析
5.4 交叉表行列变量间关系的分析
5.5 思考题与上机实验题
本章附录社会调查报告实例（交叉表分析）

第6章 多选变量的一维频率分析和交叉表分析
6.1 利用SPSS实现“二分法”编码多选题的一维频率分析
6.2 利用SPSS实现“分类法”编码多选题的一维频率分析
6.3 利用SPSS实现多选题的交叉表分析
6.4 在Excel中绘制多选题的一维频率分布条形图和交叉表簇状条形图
6.5 利用Excel实现“分类法”编码多选题的一维频率分析
6.6 利用Excel实现“二分法”编码多选题的一维频率分析
6.7 利用Excel实现“分类法”编码多选题的交叉表分析
6.8 思考题与上机实验题

第7章 描述统计分析
7.1 利用SPSS实现定量变量的描述统计分析
7.2 利用SPSS实现定量变量的多组均值比较
7.3 利用SPSS实现有序变量的描述统计分析
7.4 利用SPSS实现有序变量的多组均值比较
7.5 利用Excel“描述统计”分析工具实现矩阵题的描述统计分析
7.6 思考题与上机实验题

第8章 简单统计推断：假设检验
8.1 假设检验的基本原理
8.2 利用SPSS实现单样本t检验
8.3 利用SPSS实现独立样本t检验
8.4 利用SPSS实现配对样本t检验
8.5 利用Excel实现单样本t检验
8.6 利用Excel实现独立样本t检验
8.7 利用Excel实现配对样本t检验
8.8 思考题与上机实验题

第9章 单因素方差分析
9.1 单因素方差分析的基本原理
9.2 利用SPSS实现单因素方差分析
9.3 利用Excel实现单因素方差分析
9.4 思考题与上机实验题

第10章 线性相关分析与线性回归分析
10.1 问题的提出
10.2 定量变量的线性相关分析
10.3 利用SPSS实现线性相关分析
10.4 定量变量的线性回归分析
10.5 利用SPSS实现线性回归分析
10.6 利用Excel“图表”实现一元线性回归分析
10.7 利用Excel“回归”分析工具实现多元线性回归分析
10.8 思考题与上机实验题
参考文献

精彩书摘

　　《统计数据分析基础教程（第二版）：基于SPSS 20和Excel 2010的调查数据分析（第二版）》：
　　（2）尽可能提高样本的代表性。对于网络填答法来说，要提高样本的代表性，就要尽可能提高调查对象的覆盖面，就要使更多的人、不同特征的人参加调查。这可以通过各种广告宣传方式，如在点击率高的网站上建立链接、在BBS上发布消息、在传统媒体上做广告等，发动尽可能多的不同特征的人参与到网络填答中来。
　　（3）注意网络填答所适用的人群范围。目前，由于网络使用率在很大程度上仍然受到人口的年龄特征、文化素质与对信息的需求程度等方面的限制，网络用户和非网络用户在年龄、文化程度、生活习惯等方面存在一定差异，网络填答法收集的数据只能代表网络用户这一群体。因此，在现阶段，网络填答法只适用于上网比例比较高的人群，并不是所有的调查课题都适合采用网络填答法。
　　（4）提高专业网络调研人员的素质与技能。网络调查系统的建立是一项复杂的工作，其中既包括建立调查对象的网址清单系统，形成抽样方法系统化和计算机化的调查软件系统，还包括抽样结果的反馈系统、链接数据的整理和分析系统等。这就要求网络访问员必须是综合性人才，具备综合技能，既掌握统计调查的理论和方法，又熟悉计算机理论，擅长网络技术，能够对数据库及网络系统进行管理。但目前我国这样的复合型专业网络调研人才严重匮乏，网络调查中的调查专业技术与网络专业技术结合度小；缺乏对网络调查中出现的新的理论技术问题和实际操作问题的研究和创新。因此，要想提高网络填答法的质量，必须加强调研人员计算机网络技术和社会调查方法两方面知识和技能的培训。
　　（5）注重与传统数据收集方法的结合运用。由于样本代表性差，数据的真实性难以判断，网上调查得到的结果一般不宜做统计推断，目前运用网络进行的商业调查、民意调查在推断总体的时候一定要谨慎。当前的网络调查可作为其他数据收集方式的补充，比如，在问卷设计前的“探索性工作”可通过网络来收集一些数据，问卷设计完之后的试调查工作可采用网上调查的方式进行。2.6.3结构访问法结构访问法又称标准化访问、问卷访谈，它的最大特点是整个访问过程是严格控制和标准化的。调查问卷完全由访问员来填写，也就是访问员根据事先设计好的调查问卷，采用口头提问的方式，向受访者了解社会情况、收集有关社会现象数据的方法。访问员必须严格按照统一问卷上问题的提法和顺序提问，根据事先规定的统一口径对访问对象的疑问作出解释，同时对访谈对象回答的记录也是完全统一的。
　　根据具体操作和实施方法的不同，结构访问法可分为当面访问和电话访问两种具体类型。
　　与自填问卷法相比，结构访问法有一个十分突出的特点，即在通常情况下，它是一种以口头语言为中介的、访问员与受访者的交往和互动过程。访问员与受访者之间的相互作用和相互影响贯穿数据收集过程的始终，并对调查结果产生影响。正是因为访问员与受访者之间的互动，使得结构访问法具有与自填问卷法一些不同的优点和缺点。
　　1.结构访问法的优点
　　结构访问法的优点主要有以下几个方面。
　　（1）调查的回答率较高。由于结构访问法通常是在访问员与受访者直接接触、两者面对面交流的环境中进行的，因此，受访者拒绝合作或者半途而废的情况比较少，调查的回答率和成功率普遍比自填问卷法高。
　　（2）调查数据的质量较好。在访问过程中，由于访问员在场，因而可以对访问的环境和受访者的表情、态度进行观察，由此估计其回答的可信度；可以对问题或答案做适当的解释，减少各种错答、误答、缺答、乱答的情况；可以对访问的环境进行有效的控制，受访者既不可能同别人讨论着回答，也不可能完全交给别人回答。所有这些都使得调查数据的真实性和准确性大大提高。
　　（3）调查对象的适用范围广。由于结构访问法主要依赖于口头语言，而对书面语言的阅读、理解和表达能力没有要求，因此，它适用的调查对象范围十分广泛，既可以用于文化水平比较高的调查对象，也可以用于文化水平比较低的调查对象。
　　2.结构访问法的缺点
　　当然，结构访问法也有自身的一些缺点，主要有以下几个方面。
　　（1）访问员和受访者之间的互动有时会影响到调查的结果。由于访问双方都是有知觉、有感情、有思想、有反应的人，因此，双方在访问过程中往往难以做到完全客观，这样就会导致一些访问偏差，影响到访问数据的质量和效果。例如，当访问员听到受访者表示同意自己强烈反感的某种看法时，若在表情上或手势上流露出不以为然的样子或对受访者进行启发，就会影响受访者对后面类似问题的回答。
　　（2）访问调查的匿名性比较差。由于结构访问法通常是在访问员和受访者面对面交流、一问一答的环境中进行的，因而匿名性较差。因此，对于一些涉及人们的隐私（如个人婚姻、私生活）、社会的禁忌、人与人之间利害关系等敏感性内容的社会调查来说，往往难以采用结构访问的方法来收集数据。
　　（3）访问调查的费用高，代价大。由于结构访问法需要与每一个受访者就问卷中的每一个问题逐一进行询问和交谈，不像自填问卷法可以在很短的时间内同时调查很多人。因此，从总体上看，结构访问法在时间、人力以及经费的花销上，都大大高于自填问卷调查，这样，它在客观上就限制了调查样本的规模和调查的空间范围，在它的具体运用上造成了一定的局限性。
　　（4）结构访问法对访问员的要求更高。尽管自填问卷法也会用到访问员，但其作用相对较小，结构访问法则可以说完全离不开访问员，或者说完全依赖于访问员。访问员对调查数据的质量、对调查结果的质量影响更大。因此，访问员具有比较高的访问技巧和比较强的应变能力，是成功完成访问调查所必不可少的条件。
　　……

前言/序言

《深入浅出统计思维：理论与实践的桥梁》 本书旨在为你构建坚实的统计学思维框架，掌握分析数据的关键方法，并学会将理论知识转化为解决实际问题的能力。不同于专注于某个软件操作的工具书，本书的核心在于理解统计的本质，掌握分析的逻辑，并能在各种场景下灵活运用。 我们关注的不仅仅是“如何做”，更是“为何这样做” 在信息爆炸的时代，数据无处不在。然而，拥抱数据、理解数据、驾驭数据，需要一种批判性的思维方式和一套严谨的方法论。本书将带你踏上这段旅程，从最基础的概念出发，层层递进，最终让你能够自信地解读和分析数据。 内容概览： 第一部分：统计思维的基石——理解数据与概率 数据究竟是什么？ 我们将从数据的类型（分类数据、数值数据）、数据的来源（抽样、普查）以及数据的组织形式（列表、表格）讲起，让你清晰地认识手中数据的性质。 描述数据的语言——统计量。如何用最简洁的语言概括一组数据？集中趋势（均值、中位数、众数）、离散程度（方差、标准差、极差）等核心统计量将为你揭示数据的“面貌”。我们将深入理解每个统计量的含义，以及它们各自的适用场景和局限性。 数据呈现的艺术——图表的力量。直方图、箱线图、散点图……这些不仅仅是绘制工具，更是传达信息的有效载体。本书将教你如何选择最合适的图表来展示数据的分布、关系和趋势，以及如何解读图表背后隐藏的信息。 不确定性的量化——概率论入门。统计分析离不开概率。我们将以直观易懂的方式介绍概率的基本概念、独立事件、条件概率以及贝叶斯定理，让你理解随机现象背后的规律。 第二部分：揭示数据间的关系——推断与假设检验 从样本到整体——统计推断的奥秘。我们常常无法观测到总体，只能通过样本进行推断。点估计和区间估计将为你提供量化不确定性的工具，让你了解如何根据样本数据估算总体的参数。 检验你的猜想——假设检验的核心思想。你对数据有疑问？想验证一个理论？假设检验是解决问题的利器。我们将详细讲解零假设、备择假设、P值、显著性水平等核心概念，并演示如何构建和执行各种常见的假设检验，例如t检验、卡方检验等，让你能够理性地评估你的统计证据。 变量间的联系——相关性与回归分析。数据之间并非孤立存在。我们将深入探讨相关分析，理解变量之间关系的强度和方向，并在此基础上引入回归分析。从简单线性回归到多元线性回归，你将学会如何建立模型预测变量，理解自变量对因变量的影响程度，并评估模型的拟合优度。 第三部分：分析复杂数据——高级主题与应用 多因素的博弈——方差分析（ANOVA）。当需要比较三个或更多组的均值时，ANOVA将成为你的首选工具。我们将讲解单因素方差分析和多因素方差分析的原理，让你理解如何评估不同因素对结果的影响，以及它们之间是否存在交互作用。 探索数据间的潜在结构——因子分析与聚类分析。当面对大量变量时，如何简化数据并发现隐藏的模式？因子分析和聚类分析将为你提供强大的降维和分组工具，帮助你从复杂数据中提炼出关键信息。 非常规数据的分析。除了常规的数值和分类数据，我们还将触及一些非常规数据的分析思路，例如时间序列数据的初步分析，以及分类数据的深入探讨，例如逻辑回归的基本原理，让你拥有更广泛的数据分析能力。 本书的独特之处： 强调统计思维，而非软件操作：本书将带领你理解统计分析背后的逻辑和原理，无论你将来使用何种统计软件，都能举一反三。 理论与实践的深度融合：每个统计概念的介绍都伴随着清晰的数学解释和具体的实际案例，让你学以致用，触类旁通。 循序渐进的学习路径：从基础概念到高级应用，学习过程循序渐进，确保不同基础的读者都能逐步掌握。 培养批判性思维：不仅仅教会你如何得出结果，更引导你思考结果的意义、局限性以及如何避免常见的统计误区。 谁适合阅读本书？ 统计学初学者：想要系统学习统计学基本理论和方法，为后续深入研究打下坚实基础的学生。 数据分析爱好者：希望提升数据解读和分析能力，能够从数据中发现有价值信息的人士。 各行业从业者：需要运用数据分析解决实际问题的科研人员、市场营销人员、金融分析师、产品经理等。 希望理解统计报告的读者：能够更清晰地理解学术论文、商业报告中的统计内容，并对其进行更审慎的评价。 准备好开启你的数据探索之旅了吗？ 本书将是你探索数据世界、解锁数据价值的得力助手。让我们一起，用统计学的语言，读懂这个世界。

评分☆☆☆☆☆

这本书的案例分析部分是其亮点之一。书中选取的案例数据贴近实际调查研究，覆盖了社会科学、市场调研、教育学等多个领域，具有很强的代表性和实用性。通过对这些案例的深入分析，我不仅能够学习到具体的统计方法，更能理解这些方法在实际问题中是如何应用的，以及如何解读分析结果。书中的分析过程详尽细致，每一步操作都经过充分的解释，让我能够理解“为什么”要这样做，而不仅仅是“怎么”做。我特别喜欢书中对结果的解读部分，它帮助我将冰冷的数字转化为有意义的见解，这对于我将来独立进行数据分析至关重要。

评分☆☆☆☆☆

这本书的语言风格非常贴近读者，没有使用过多晦涩难懂的专业术语，即使是初次接触统计学的读者，也能轻松理解。作者在写作时，仿佛站在读者的角度，预想到了读者在学习过程中可能会遇到的困惑，并提前给予了清晰的解答。这种人文关怀般的写作风格，极大地降低了学习门槛，也提升了学习的愉悦感。我非常赞赏书中对一些常见统计误区的提醒和纠正，这对于避免我们在今后的数据分析中犯下低级错误非常有帮助。我也会将这本书作为我工作和学习中的一本常备参考书，时不时翻阅，巩固和深化我的统计知识。

评分☆☆☆☆☆

从读者的角度来看，一本好的教材不仅仅是知识的传递者，更是学习过程中的引路人。这本书在这方面做得相当成功。作者以一种循循善诱的方式引导读者进入统计分析的世界，即使是初学者，也能在其中找到方向。我发现书中对于统计学软件的“黑箱”效应有着很好的规避，它不仅仅是告诉你点哪个按钮，更重要的是解释了每个按钮背后代表的统计原理，让你真正理解软件的操作是如何对应到统计概念的。这种深度讲解，是许多入门级教材所缺乏的。这本书让我明白，掌握SPSS和Excel的技巧固然重要，但更重要的是理解其背后的统计思想，才能真正做到灵活运用。

评分☆☆☆☆☆

作为一个在统计学领域初次涉足的探索者，我一直对那些看似复杂的统计概念感到有些畏惧，比如P值、置信区间、各种假设检验等等。然而，阅读这本书的过程中，我发现作者非常善于用浅显易懂的语言来解释这些抽象的概念，并辅以大量的图示和案例，使得原本枯燥的理论变得生动起来。我尤其喜欢书中对SPSS软件操作的详细讲解，从菜单的点击到选项的设置，都给予了清晰的指引，让我能够迅速上手，不再被繁琐的操作所困扰。通过书中提供的实际案例数据，我尝试着去复现书中的分析过程，一步一步地理解每一个统计指标的含义以及它们是如何在SPSS中生成的。这种“跟着做”的学习方式，极大地增强了我的学习信心，也让我真切地感受到了统计分析的魅力。

评分☆☆☆☆☆

我对这本书的编辑质量和排版设计印象深刻。印刷清晰，纸张质量也很好，阅读起来非常舒适。章节的划分合理，标题和副标题清晰明了，方便我查找和回顾特定的知识点。图表和公式的排版也十分规范，减少了阅读时的障碍。在许多其他教材中，常常会出现排版混乱、图表模糊的情况，而这本教材在这方面做得非常出色，充分体现了出版方的专业性和对读者的关怀。这种细节上的用心，对于延长读者的阅读时间和提高学习效率起到了至关重要的作用。我也会在学习过程中，经常翻阅之前的章节，温故知新，巩固所学内容。

评分☆☆☆☆☆

对于我这样希望在学术研究或实际工作中运用统计分析的学习者来说，这本书提供了一个非常扎实的起点。它不仅传授了基础的统计知识，更培养了我独立分析数据的能力。在阅读的过程中，我尝试将书中所学的知识应用到我正在进行的一些小项目上，例如对一些收集到的问卷数据进行初步的探索性分析，或者对某些现象进行简单的相关性检验。这本书所提供的工具和方法，让我能够更加自信地面对数据，并从中提取有价值的信息。我深信，凭借这本书打下的坚实基础，我将能够更有效地学习更高级的统计模型和分析技术。

评分☆☆☆☆☆

初次翻开这本《统计数据分析基础教程（第二版）：基于SPSS 20和Excel 2010的调查数据分析（第二版）》，我怀揣着对统计学知识的好奇和学习的渴望，希望能够系统地掌握数据分析的核心技能。这本书的厚重感和严谨的标题立刻给我一种可靠的印象，仿佛预示着这是一段充实的学习旅程。我在许多学习论坛和博客上都看到过对经典统计学教程的推荐，而这本教材显然是其中一员，它的第二版更新了软件版本，这一点对于我这样一个习惯使用较新版本软件的学习者来说，无疑是极大的福音。我特别关注的是它如何将理论知识与实际操作相结合，毕竟，纸上谈兵终觉浅，绝知此事要躬行。我希望这本书能够提供清晰易懂的步骤，引导我一步步地完成数据的导入、清洗、描述性统计分析，乃至更深入的推断性统计分析。

评分☆☆☆☆☆

在学习过程中，我发现这本书非常注重逻辑性和连贯性。它并非简单地罗列统计学知识点，而是遵循着一条清晰的学习脉络，从最基础的描述性统计，逐步过渡到更复杂的推断性统计，再到回归分析和方差分析等进阶内容。每一个章节都像是前一章节的自然延伸，让我能够循序渐进地构建起完整的统计学知识体系。更重要的是，书中对于Excel在数据分析中的应用也给予了足够的重视，通过Excel对数据进行预处理和初步可视化，为后续在SPSS中的深入分析打下了坚实的基础。我个人认为，将SPSS和Excel结合起来讲解，是非常符合实际工作需求的，因为在很多实际场景中，数据往往需要经过Excel的初步整理才能导入SPSS进行更专业的分析。

评分☆☆☆☆☆

这本书在讲授SPSS软件的实际操作时，对于软件界面和菜单的描述非常准确，甚至细致到每一个选项的作用。这种细致的讲解，大大节省了我自己摸索的时间，让我能够更专注于理解统计分析的逻辑。我尤其看重书中对于数据管理的讲解，包括数据的录入、编码、清洗和转换等，这些都是数据分析过程中不可或缺的环节，但常常被初学者所忽视。这本书对于这些基础但重要内容的强调，让我意识到数据质量的重要性，并掌握了初步的数据处理技巧。总而言之，这本书是一本集理论深度、实践操作和案例分析于一体的优秀教材，对于任何希望掌握统计数据分析技能的学习者来说，都是一个绝佳的选择。

评分☆☆☆☆☆

这本书在讲解一些统计学原理时，并没有回避其数学基础，但同时又避免了过于深奥的数学推导，而是侧重于解释其直观含义和应用场景。这种平衡的处理方式，使得这本书既适合那些希望深入理解统计学原理的学习者，也适合那些更侧重于掌握应用技能的读者。我尤其欣赏书中关于假设检验的讲解，它用清晰的逻辑链条，将零假设、备用假设、检验统计量、P值和决策过程一一阐释清楚，让我对这个核心的统计推断方法有了更深刻的认识。书中的图示和表格有效地辅助了这些概念的理解，使得学习过程更加顺畅。

评分☆☆☆☆☆

不错

评分☆☆☆☆☆

不错，比较适合初学者，作者的语言也很通俗易懂，总之很好的一本书，正在研究中

评分☆☆☆☆☆

非常给力，哈哈哈，下次继续买

评分☆☆☆☆☆

精挑的几本书，看起来不错，春节再细看。不错

评分☆☆☆☆☆

编的很好，物流也不错

评分☆☆☆☆☆

还没看，只是刚买回来，印刷还可以

评分☆☆☆☆☆

hao

评分☆☆☆☆☆

专业的统计数据分析基础教程

评分☆☆☆☆☆

还不错，价格公道，实用好用