SPSS統計分析方法及應用(第四版)（簡體書）

本書是北京市高等教育精品教材。全書以統計分析的應用需求為主線，以通俗易懂的語言對SPSS中主要統計分析方法的核心思想進行系統的介紹，並對其在SPSS中的操作實現步驟進行詳盡說明，同時配合應用案例分析，使讀者能夠較快領會方法的要點，掌握方法的實現操作，明確方法的適用特點。本書克服了SPSS手冊類教材只注重操作說明而忽略原理講解的不足，同時彌補了統計專業教材只注重原理述論而缺乏實現工具的缺憾，是一本特色鮮明、具有廣泛使用價值的精品教材。書中相關章節的示例資料檔案及全書電子課件，可登錄華信教育資源網免費註冊下載使用。

薛薇

工學碩士，經濟學博士，中國人民大學應用統計學科研究中心副主任，中國人民大學統計學院副教授。主要研究領域：數據挖掘和文本挖掘、複雜網絡建模等。關注統計和數據挖掘算法及軟件應用、統計數據庫系統研發等方面。涉足金融、貿易等複雜網絡動態建模，電商數據分析，網絡新媒體輿論傳播、熱點事件主題跟踪和預測建模，社會網絡分析和以數據挖掘為依託的客戶關係管理等領域。代表性教材有《統計分析與SPSS的應用》《R語言數據挖掘》《基於SPSS Modeler的數據挖掘》等。

前言

《SPSS統計分析方法及應用》出版以來，得到了廣大讀者的支持和喜愛。在第4版中，我們將仍然保持前版的寫作風格，努力以深入淺出的方式，有條理地全面介紹統計分析方法的核心原理，並以實際數據為紐帶說明SPSS的操作過程，同時以應用案例為背景剖析統計分析的應用解決方案，書中相關章節的示例數據文件及全書電子課件，可登錄華信教育資源網www.hxedu.com.cn免費註冊下載使用。。

隨著SPSS軟件版本的不斷升級在聽取讀者各方面意見的基礎上，我們對前版進行了修訂。修訂後的《SPSS統計分析方法及應用(第4版)》（以下簡稱《第4版》），對以下方面進行了調整和增補：

第一，以SPSS21.0中文版為主要講解對象。在操作方面，SPSS的最新版本與我們所選用的版本之間無大差異。

第二，為適應軟件新版本的需要，重新更換了前版中的所有操作窗口截圖，並調整了部分應用案例。

第三，對部分章節安排進行了重新調整，使內容更具邏輯性和連貫性。

第四，加強了對統計分析結果實際含義的解釋，使讀者更易理解。

第五，對部分統計方法的原理做了更詳盡的闡述。如對應分析、列聯分析中的統計檢驗，協方差分析的計算過程、指數平滑等。

第六，重新統一和嚴格規範了一些統計稱謂和概念，使全書更加嚴謹。

統計分析需求日益旺盛已是一個不爭事實。大數據背景下，掌握權威統計分析軟件SPSS，是高端管理人才必備的職業技能。真誠希望讀者能夠通過閱讀本書，逐步領會統計分析方法的精髓，掌握SPSS軟件的操作，舉一反三靈活應用於統計分析的實踐中。

本書不妥和錯誤之處，敬請各位讀者指正。

編者於中國人民大學統計學院

第2版​​前言

一、統計應用的特點

在計算機技術迅猛發展的今天，政府和企業的統計應用已逐漸呈現以下特徵：

第一，數據量和數據關係複雜性快速膨脹

數據量和數據關係複雜性快速膨脹是目前統計應用中遇到的主要問題。通常，一般規模的統計分析項目中，數據量可達到百萬條甚至近千萬條。統計應用也不再以統計年鑑和統計報表的紙面方式獲得數據，而要求直接從電子化多媒體化的基礎業務系統、管理信息系統和決策支持系統的數據庫(數據倉庫)中提取數據。利用計算機和網絡進行有效的數據組織和數據管理已經成為統計應用的基本環節和基礎方式。

第二，數據分析方法日益豐富

在數據處理和數據分析中，以堅實的數學理論為基礎的統計分析方法已獲得廣泛應用。近年來以計算機技術為動力的數據挖掘技術也為數據分析增添了新的方法和思路。機器學習、神經網絡和生物遺傳算法等已成為處理海量數據，探索數據內在規律性，提取數據中未知知識的重要手段。這些數據分析方法的成果不斷地體現在統計分析軟件和數據挖掘軟件體系中，並通過強大的計算機處理能力和網絡分佈處理能力進行模型的高速計算。

第三，統計應用需要具有可操作性的整體解決方案

傳統的統計業務處理流程是報表上報、人工匯總、撰寫分析報告，最終實現為有關管理決策部門提供信息監督和諮詢服務的目標。統計應用的科研長期以來也沿用了這種套路，即由統計業務方提供數據，由統計方法專家進行數據分析、撰寫分析報告和提供諮詢建議。這樣的應用方式存在兩個主要問題：首先，許多企事業單位統計應用起點較低，基礎較薄弱，無法提供完善的報表支持，出現或資料不完整或沒有電子化的數據來源等問題，使得統計分析常常成為無米之炊；其次，不定期的統計報告方式難以滿足統計業務的長期發展需要。目前，越來越多的統計應用要求研究人員提供能夠與統計業務綁定的、可長期運行的、具有可操作性的統計應用整體解決方案。這個整體方案將統計業務處理功能、統計數據、統計分析方法完整地集成起來。因此，如果沒有一個符合企事業單位統計業務自身特點的統計信息系統，統計分析方法的應用將很難實現健康的、落地生根的、滾動式的發展。

總之，如果說數學是統計方法的首要工具，那麼，統計應用軟件已經成為統計應用的首要工具。

二、統計應用軟件的分類

長期以來，統計無論在國內外政府和企業都有著廣泛的應用，但統計應用軟件在企事業信息化建設中的認可度卻相對較低。產生這個矛盾的一個重要原因就是統計應用軟件概念混淆，分類不清。目前，人們在提及統計應用軟件時會涉及統計分析軟件、統計信息系統、統計數據庫系統等方面。規範統計應用軟件分類標準對統計應用軟件發展和統計信息化建設有著深遠的和現實的意義。我們經過對國內外大量資料的分析研究，結合自身統計應用軟件開發應用的經驗，提出了統計應用軟件分類標準，希望能拋磚引玉，引起大家對統計應用軟件的關注和研究。

首先，統計應用軟件是應用軟件的一種分類，是應用軟件從應用領域或應用行業劃分出的一個分支。其次，根據應用性質，統計應用軟件可劃分為統計分析軟件、統計信息系統和統計數據庫系統三大類。

●統計分析軟件是依據統計分析方法開發的支持數據分析的工具型軟件，如SPSS和SAS等。

●統計數據庫系統是基於統計數據庫管理系統而建立的包含統計數據資源的數據庫系統。其中，統計數據庫管理系統是根據統計處理對象(統計數據)的特徵和一般處理功能而研製的數據庫管理系統(DBMS)。

●統計信息系統是採用軟件開發平台，結合統計數據庫系統和統計分析軟件等核心技術開發的服務於統計業務處理和統計數據分析的信息系統。根據統計業務的不同處理層次和服務對象，統計信息系統一般又可分為統計基礎業務系統、統計經營管理系統和統計決策支持系統。統計基礎業務系統主要用於統計數據的採集處理和統計報表的採集處理，包括統計專項調查與普查處理系統等；統計經營管理系統主要用於統計數據和報表的匯總、查詢、傳輸、基本分析和信息發布等；統計決策支持系統主要用於統計數據綜合分析預測和深入的數據挖掘處理等。

因此，本書將重點討論的SPSS軟件是一種專業的統計分析軟件，用於數據的各種分析，進而最終為企事業的科學決策服務。

三、關於本書

“數據”是科學決策的重要依據。“讓數據說話”是科學決策的正確途徑，掌握數據分析方法和數據分析軟件工具是科學決策的有效手段。本書旨在通過對SPSS統計分析方法、軟件及應用案例的介紹分析，使讀者由淺入深地了解和掌握統計分析方法，快速掌握SPSS軟件的使用，並靈活運用於數據分析和科學決策中。

●以統計分析過程為主線介紹SPSS

目前，關於SPSS軟件的書籍比較多，也受到廣大讀者的普遍青睞。作者參考分析了這些書籍，並在多年教學經驗和實踐的基礎上，總結形成了一套獨特的SPSS軟件教學方式。

由於SPSS軟件是一種專業性較強的統計分析軟件，因此作者以為該軟件的介紹方法應有別於其他非專業性的、大眾化的計算機軟件。對於大眾化軟件，一般可以按照軟件中菜單的順序來依次講解；而對SPSS這樣的專業軟件來說，該種方法則存在許多不利於快速掌握和應用SPSS的問題。

很多已經具備本專業領域知識的讀者學習SPSS軟件過程中遇到的問題是：首先，拿到一批數據後不知道如何用SPSS組織它們，不知道如何利用SPSS對它們進行基本加工和整理；其次，不知道應從何處入手分析，應採用SPSS中的哪些分析方法和功能實現對各類數據的由淺入深的分析，不知道如何理解和合理解釋分析結果等。

因此，作者以為，對SPSS軟件的學習介紹應從實際應用出發，以統計分析的實踐過程為主線，從SPSS基礎和數據管理功能的說明入手，按照針對不同數據類型、分析需求由淺至深、分析方法從易到難的思路展開，而非軟件菜單的逐一介紹。這樣，能使讀者在非常短的時間內掌握SPSS的核心功能和分析方法，並可很快運用於實際工作中。另外，隨著對軟件使用的不斷嫻熟和分析需求的不斷深入，讀者可繼續學習和應用SPSS的一些高級分析方法，進而逐步實現對SPSS功能的全面掌握和應用。

●統計分析方法、SPSS操作及案例分析的有機結合

目前，雖然介紹SPSS軟件的書籍比較多，但將統計分析方法、SPSS操作及應用案例分析有機結合的書籍並不十分多見。有些書籍比較側重對SPSS操作的手冊性介紹，對數據分析方法講解很少，給大量有統計分析需求、但又不很了解統計分析方法的讀者帶來諸多學習上的困難；有些書籍則比較側重統計分析方法的論述，但卻缺乏對SPSS操作實現的必要說明，這樣又會給方法的實際運用帶來障礙。從快速掌握和應用SPSS的角度看，作者以為，較為合理的方法是將上述兩方面有機結合，並配合大量的多領域的分析案例，使讀者一方面可以了解分析方法的核心思想，掌握方法的正確應用範圍，不至於濫用和誤用方法，另一方面也使讀者能夠快速熟悉和掌握SPSS，並在理解分析方法的基礎上給分析結果以正確合理的解釋。

●通俗的統計分析方法講解，詳盡的SPSS操作過程說明

針對讀者群的特點，本書力求以最通俗的方式對統計分析方法的核心思想、適用範圍進行講解，避免大量的數學公式和數學證明,目的是使讀者能夠快速而輕鬆地了解方法的本質，正確運用方法。同時，方法的介紹是緊緊圍繞SPSS的輸出結果展開的，目的是希望讀者真正理解SPSS為什麼要輸出這些統計量及它們對分析結論的重要性，進而會正確、合理和完整地引用分析結果。另外，本書對SPSS的操作過程也給出了較為詳盡的說明，但並非是對菜單功能的簡單羅列，而是將其穿插於分析案例的實現過程中。因此，讀者通過案例的學習，能夠獲得了解方法、掌握SPSS操作步驟、合理解釋分析結果的多方面收穫。

本書適合於從事統計分析和決策的社會各領域各相關專業的讀者，尤其適合於從事社會科學研究、經濟管理、商業決策、人文教育、金融保險等行業的中高層管理人員。同時，也可作為高等院校財經類專業研究生和本科生掌握SPSS統計分析方法和軟件使用的教材。書中附配套案例數據光盤供讀者學習和練習。

此外，本書編寫過程中，康婷婷、周元元、王曉靜、黃玉婷、祈俊勝、段遙等同學為案例數據的收集整理和計算分析做了大量工作，陳歡歌、付強、謝雲等同仁對教材框架和內容提供了諸多寶貴建議和素材。在此一併表示衷心的感謝！

由於水平所限，書中的問題與錯誤，請讀者批評指正。

 

第1章SPSS統計分析軟件概述
1．1 SPSS使用基礎
1．1．1 SPSS的基本窗口
1．1．2 SPSS軟件的退出
1．2 SPSS的基本運行方式
1．2．1窗口菜單方式
1． 2．2程序運行方式
1．2．3混合運行方式
1．3利用SPSS進行數據分析的基本步驟
1．3．1數據分析的一般步驟
1．3．2利用SPSS進行數據分析的一般步驟

第2章SPSS數據文件的建立和管理
2．1 SPSS數據文件
2．1．1 SPSS數據文件的特點
2．1．2 SPSS數據的基本組織方式
2．2 SPSS數據的結構和定義方法
2．2．1變量名
2．2．2變量類型、寬度、列寬度
2．2．3變量名標籤
2．2．4變量值標籤
2．2．5缺失值
2．2．6計量尺度
2．2．7結構定義的基本操作
2．3 SPSS結構定義的應用案例
2．4 SPSS數據的錄入與編輯
2．4．1 SPSS數據的錄入
2．4．2 SPSS數據的編輯
2．5 SPSS數據的保存
2．5 ．1 SPSS支持的數據格式
2．5．2保存SPSS數據的基本操作
2．6讀取其他格式的數據文件
2．6．1直接讀入其他格式的數據文件
2．6．2使用文本嚮導讀入文本文件
2．6．3使用數據庫嚮導讀入數據
2．7 SPSS數據文件合併
2．7．1縱向合併數據文件
2．7．2橫向合併數據文件

第3章SPSS數據的預處理
3．1數據的排序
3．1．1數據排序的目的
3．1．2數據排序的基本操作
3．1．3數據排序的應用舉例
3．2變量計算
3．2．1變量計算的目的
3．2．2 SPSS算術表達式
3．2．3 SPSS條件表達式
3．2． 4 SPSS函數
3．2．5變量計算的基本操作
3．2．6變量計算的應用舉例
3．3數據選取
3．3．1數據選取的目的
3．3．2數據選取
3．3．3數據選取的基本操作
3．3．4數據抽樣的應用舉例
3．4計數
3．4．1計數目的
3．4．2計數區間
3．4．3計數的基本操作
3．4．4計數的應用舉例
3．5分類匯總
3．5．1分類匯總的目的
3．5．2分類匯總的基本操作
3．5．3分類匯總的應用舉例
3．6數據分組
3．6．1數據分組的目的
3．6．2 SPSS的單變量值分組
3．6．3 SPSS的組距分組
3．6．4 SPSS的分位數分組
3．7數據預處理的其他功能
3．7．1數據轉置
3．7．2加權處理
3．7．3數據拆分

第4章SPSS基本統計分析
4．1頻數分析
4．1．1頻數分析的目的和基本任務
4．1．2頻數分析的基本操作
4．1．3 SPSS頻數分析的擴展功能
4．1．4頻數分析的應用舉例
4．2計算基本描述統計量
4．2．1基本描述統計量
4．2．2計算基本描述統計量的基本操作
4．2．3計算基本描述統計量的應用舉例
4．3交叉分組下的頻數分析
4．3．1交叉分組下頻數分析的目的和基本任務
4．3．2交叉列聯表的主要內容
4．3．3交叉列聯表行列變量間關係的分析
4．3．4交叉分組下的頻數分析基本操作
4．3．5交叉分組下的頻數分析應用舉例
4．3．6 SPSS中列聯表分析的其他方法
4．4多選項分析
4．4．1多選項分析的目的
4．4．2多選項分析的基本操作
4．4．3多選項分析的應用舉例
4．5比率分析
4．5．1比率分析的目的和主要指標
4．5．2比率分析的基本步驟
4．5．3比率分析的應用舉例

第5章SPSS的參數檢驗
5．1參數檢驗概述
5．1．1推斷統計與參數檢驗
5．1．2假設檢驗的基本思想
5．1．3假設檢驗的基本步驟
5．2單樣本t檢驗
5． 2．1單樣本t檢驗的目的
5．2．2單樣本t檢驗的基本步驟
5．2．3單樣本t檢驗的基本操作
5．2．4單樣本t檢驗的應用舉例
5．3兩獨立樣本t檢驗
5．3．1兩獨立樣本t檢驗的目的
5．3．2兩獨立樣本t檢驗的基本步驟
5．3．3兩獨立樣本t檢驗的基本操作
5．3．4兩獨立樣本t檢驗的應用舉例
5．4兩配對樣本t檢驗
5．4．1兩配對樣本t檢驗的目的
5．4．2兩配對樣本t檢驗的基本步驟
5．4．3兩配對樣本t檢驗的基本操作
5．4．4兩配對樣本t檢驗的應用舉例

第6章SPSS的方差分析
6．1方差分析概述
6．2單因素方差分析
6．2．1單因素方差分析的基本思想
6．2．2單因素方差分析的數學模型
6．2．3單因素方差分析的基本步驟
6．2．4單因素方差分析的基本操作
6．2．5單因素方差的應用舉例
6．2．6單因素方差分析的進一步分析
6．2 ．7單因素方差應用舉例的進一步分析
6．3多因素方差分析
6．3．1多因素方差分析的基本思想
6．3．2多因素方差分析的數學模型
6．3．3多因素方差分析的基本步驟
6．3．4多因素方差分析的基本操作
6．3．5多因素方差分析的應用舉例
6．3．6多因素方差分析的進一步分析
6．3．7多因素方差分析應用舉例的進一步分析
6．4協方差分析
6．4．1協方差分析的基本思路
6．4．2協方差分析的數學模型
6．4．3協方差分析的基本操作
6．4．4協方差分析的應用舉例

第7章SPSS的非參數檢驗
7．1單樣本的非參數檢驗
7．1．1總體分佈的卡方檢驗
7．1．2二項分佈檢驗
7．1．3單樣本KS檢驗
7．1．4變量值隨機性檢驗
7．2兩獨立樣本的非參數檢驗
7．2．1兩獨立樣本的曼惠特尼U檢驗（MannWhitney U）
7．2．2兩獨立樣本的KS檢驗
7．2．3兩獨立樣本的遊程檢驗（WaldWolfwitz Runs）
7．2．4極端反應檢驗（Moses Extreme Reactions）
7．2．5兩獨立樣本非參數檢驗的基本操作
7．2．6兩獨立樣本非參數檢驗的應用舉例
7．3多獨立樣本的非參數檢驗
7．3．1中位數檢驗
7．3．2多獨立樣本的KruskalWallis檢驗
7．3．3多獨立樣本的JonckheereTerpstra檢驗
7．3．4多獨立樣本非參數檢驗的基本操作
7．3．5多獨立樣本非參數檢驗的應用舉例
7．4兩配對樣本的非參數檢驗
7．4．1兩配對樣本的McNemar檢驗
7．4．2兩配對樣本的符號檢驗
7．4． 3兩配對樣本Wilcoxon符號秩檢驗
7．4．4兩配對樣本非參數檢驗的基本操作
7．4．5兩配對樣本非參數檢驗的應用舉例
7．5多配對樣本的非參數檢驗
7．5． 1多配對樣本的Friedman檢驗
7．5．2多配對樣本的Cochran Q檢驗
7．5．3多配對樣本的Kendall協同係數檢驗
7．5．4多配對樣本非參數檢驗的基本操作
7．5． 5多配對樣本非參數檢驗的應用舉例

第8章SPSS的相關分析和線性回歸分析
8．1相關分析和回歸分析概述
8．2相關分析
8．2．1散點圖
8．2．2相關係數
8．2．3相關分析應用舉例
8．3偏相關分析
8．3．1偏相關分析和偏相關係數
8．3．2偏相關分析的基本操作
8．3．3偏相關分析的應用舉例
8 ．4回歸分析
8．4．1回歸分析概述
8．4．2線性回歸模型
8．4．3回歸參數的普通小二乘估計
8．4．4回歸方程的統計檢驗
8．4．5多元回歸分析中的其他問題
8．4．6線性回歸分析的基本操作
8．4．7線性回歸分析的其他操作
8．4．8線性回歸分析的應用舉例
8．5曲線估計
8．5．1曲線估計概述
8．5．2曲線估計的基本操作
8．5．3曲線估計的應用舉例

第9章SPSS的Logistic回歸分析
9．1 Logistic回歸分析概述
9．2二項Logistic回歸分析
9．2．1二項Logistic回歸方程
9．2．2二項Logistic回歸方程係數的含義
9．2．3二項Logistic回歸方程的檢驗
9．2．4二項Logistic回歸分析中的虛擬自變量
9．3二項Logistic回歸分析的應用
9．3．1二項Logistic回歸分析的基本操作
9．3．2二項Logistic回歸分析的其他操作
9．3．3二項Logistic回歸應用示例
9．4多項Logistic回歸分析
9．4．1多項Logistic回歸分析概述
9．4．2多項Logistic回歸分析的基本操作和應用
9．4．3多項Logistic回歸分析的其他操作和應用
9．5多項有序回歸分析
9．5．1多項有序回歸分析概述
9．5．2多項有序回歸分析的基本操作和應用

第10章SPSS的聚類分析
10．1聚類分析的一般問題
10．1．1聚類分析的意義
10．1．2聚類分析中“親疏程度”的度量方法
10．1．3聚類分析幾點說明
10．2層次聚類
10．2．1層次聚類的兩種類型和兩種方式
10．2．2個體與小類、小類與小類間“親疏程度”的度量方法
10．2． 3層次聚類的基本操作
10．2．4層次聚類的應用舉例
10．3 KMeans聚類
10．3．1 KMeans聚類分析的核心步驟
10．3．2 KMeans聚類分析的基本操作
10．3．3 KMeans聚類分析的應用舉例

第11章SPSS的因子分析
11．1因子分析概述
11．1．1因子分析的意義
11．1．2因子分析的數學模型和相關概念
11．2因子分析的基本內容
11．2．1因子分析的基本步驟
11．2．2因子分析的前提條件
11．2．3因子提取和因子載荷矩陣的求解
11．2．4因子的命名
11．2．5計算因子得分
11 ．3因子分析的基本操作及案例
11．3．1因子分析的基本操作
11．3．2因子分析的應用舉例

第12章SPSS的對應分析
12．1對應分析概述
12．1．1對應分析的提出
12．1．2對應分析的基本思想
12．2對應分析的基本步驟
12．3對應分析的基本操作及案例
12．3．1對應分析的基本操作
12．3．2對應分析的應用舉例

第13章SPSS的判別分析
13．1判別分析概述
13．2距離判別法
13．2．1距離判別的基本思路
13．2．2判別函數的計算
13．3 Fisher判別法
13．3．1 Fisher判別的基本思路
13．3．2 Fisher判別的計算
13．4貝葉斯判別法
13．4．1貝葉斯判別的基本思路
13．4．2貝葉斯判別的計算
13．5判別分析的基本操作及案例
13．5．1判別分析的基本操作
13．5．2判別分析的準備工作：均值檢驗和協差陣齊性檢驗
13．5．3解讀判別結果

第14章SPSS的信度分析
14．1信度分析概述
14．1．1信度分析的提出
14．1．2信度分析的基本原理
14．2信度分析的基本操作及案例
14．2．1信度分析的基本操作
14．2．2信度分析的應用舉例

第15章SPSS的一般對數線性分析模型
15．1一般對數線性分析模型概述
15． 1．1模型的提出
15．1．2基本概念和基本思路
15．2飽和模型和非飽和層次對數線性模型
15．2．1飽和模型和參數估計
15．2．2飽和模型檢驗
15．2 ．3非飽和層次模型
15．2．4建立飽和模型和非飽和層次對數線性模型的基本操作
15．2．5飽和模型和非飽和層次對數線性模型的應用舉例
15．3一般對數線性模型
15．3．1一般對數線性模型的概述
15．3．2建立一般對數線性模型的基本操作
15．3．3一般對數線性模型的應用舉例
15．4 Logit對數線性模型
15． 4．1 Logit對數線性模型的概述
15．4．2 Logit對數線性模型的應用舉例

第16章SPSS的時間序列分析
16．1時間序列分析概述
16．1．1時間序列的相關概念
16．1．2時間序列分析的一般步驟
16．1．3 SPSS時間序列分析的特點
16．2數據準備
16．3時間序列的圖形化觀察及檢驗
16．3．1時間序列的圖形化觀察及檢驗目的
16．3．2時間序列的圖形化觀察工具
16．3．3時間序列的檢驗方法
16．3．4時間序列的圖形化觀察的基本操作和應用舉例
16 ．4時間序列的預處理
16．4．1時間序列預處理的目的和主要方法
16．4．2時間序列預處理的基本操作
16．5時間序列的簡單回歸分析法和趨勢外推法
16． 5．1簡單回歸分析法和趨勢外推法概述
16．5．2簡單回歸分析法和趨勢外推法應用舉例
16．6指數平滑法
16．6．1指數平滑法的基本思想
16．6． 2指數平滑法的模型
16．6．3指數平滑法的基本操作
16．6．4指數平滑法的應用舉例
16．7 ARIMA模型分析
16．7．1 ARIMA分析的基本思想和模型
16．7． 2 ARIMA分析的基本操作
16．7．3 ARIMA分析的應用舉例
16．8季節調整法
16．8．1季節調整法的基本思想和模型
16．8．2季節調整法的基本操作
16．8． 3季節調整法的應用舉例

10.1.1聚類分析的意義
聚類分析是統計學中研究“物以類聚”問題的多元統計分析方法。聚類分析在統計分析的應用領域已經得到了極為廣泛的應用。
“物以類聚”問題在經濟社會研究中十分常見。例如，市場營銷中的市場細分和客戶細分問題。大型商廈收集到客戶人口特徵、消費行為和喜好方面的數據，並希望對這些客戶進行特徵分析。可從客戶分類人手，根據客戶的年齡、職業、收入、消費金額、消費頻率、喜好等方面進行單變量或多變量的客戶分組。這種分組是極為常見的客戶細分方式，但存在的不足是客戶群劃分帶有明顯的主觀色彩，需要有豐富的行業經驗才能得到比較合理和理想的客戶細分，否則得到的分組可能無法充分反映和展現客戶的特點，主要表現在，同一客戶細分段中的客戶在某些特徵方面並不相似，而不同客戶細分段中的客戶在某些特徵方面卻又很相似。因此，這種客戶細分並沒有真正起到劃分客戶群的作用。為解決該問題，希望從數據自身出發，充分利用數據進行客戶的客觀分組，使諸多特徵有相似性的客戶被分在同一組，而不相似的客戶被區分到另一些組中。這時便可採用聚類分析方法。
……