Catálogo de cursos avanzados de análisis estadístico de SPSS
Capítulo 65438 Análisis del modelo de varianza +0
1.1 Introducción al modelo
1.1.1 Introducción al modelo
1.1.2 Términos comunes
p>
1.1.3 Condiciones aplicables del modelo de análisis de varianza
1.2 Ejemplo de análisis simple
1.2.1 Expresión del modelo
1.2.2 Resultados del análisis preliminar
1.2.3 Estimaciones de los parámetros del modelo
1.2.4 Comparación por pares
1.2.5 Otras opciones comunes
1.3 ANOVA de dos factores modelo
1.3.1 Ejemplo de análisis
1.3.2 Media marginal y gráfico de contorno
1.3.3 Prueba de desventaja de ajuste
1.4 Fino comparación entre factores a diferentes niveles
1. 4. 1 Términos ex post
1. 4. 2 Términos promedio
1 4 . k cláusulas matriciales
1 . 4 . 4 Condiciones del contrato
1.5 Modelo de análisis de varianza de factores aleatorios
1.6 Otras cuestiones
1.6. 1 Términos de error utilizados en pruebas de efectos personalizados
1.6.2 Cuatro métodos de descomposición de varianza
Capítulo 2 Métodos de análisis de diseño experimental más utilizados
p>
2.1 Plan de diseño experimental que estudia únicamente el efecto principal
2.1.1 Diseño completamente aleatorio
2.1.2 Diseño de grupos de compatibilidad (diseño de bloques aleatorios)
p>
2.1.3 Diseño de márgenes cruzados
2.1.4 Diseño de cuadrado latino
2.2 Plan de diseño experimental considerando la interacción
2.2.1 Diseño factorial
Diseño ortogonal
Diseño unificado.
2.3 Plan de diseño experimental especial para cambios de términos de error
2.3.1 Diseño anidado
2.3.2 Diseño de mediciones repetidas (diseño de mediciones repetidas)
2.3.3 Diseño gráfico
2.4 Análisis de varianza (análisis de varianza)
2.4.1 La necesidad del análisis de covarianza
2.4.2 Paralelismo Prueba de hipótesis
2.4.3 Calcular y probar la media corregida.
Capítulo 3 Análisis de varianza multivariado y análisis de varianza de medidas repetidas
3.1 Análisis de varianza multivariado
3.1.1 Introducción al modelo
Ejemplos de análisis
3.3.3 Cálculo de estadísticas de prueba
3.3.4 Análisis adicional de los ejemplos citados
3.2 Análisis de varianza para datos de mediciones repetidas
3.2.1 Introducción al modelo
Ejemplo de análisis
Capítulo 4 Introducción al modelo lineal mixto
4.1 Introducción al modelo
4.1. 1 Preguntas
4.1.2 Introducción al modelo
4.2 Ejemplo de análisis de datos de agregación jerárquica
4.1.1 Estructura básica del ajuste del modelo lineal mixto.
4.1.2 Añadir variables independientes a efectos fijos
4.1.3 Añadir variables independientes a efectos aleatorios
4.1.4 Introducir más variables explicativas
4.1.5 Otras opciones comunes
4.3 Ejemplos de análisis de datos de mediciones repetidas
4.3.1 Análisis preliminar de datos
4.3.2 Ajuste lineal mixto Estructura básica del modelo
4.3.3 Considere la correlación entre mediciones repetidas.
4.3.4 Cambiar los supuestos sobre la correlación entre mediciones.
4.3.5 Tipos de matrices de correlación disponibles en el modelo
4.4 Resumen de métodos de este capítulo
4.4.1 Aplicación del modelo de efectos mixtos
4.4.2 La relación entre el modelo de efectos mixtos y el modelo lineal general
Parte 2 Modelo de regresión
Capítulo 5 Modelo de regresión lineal múltiple
5.1 Modelo Introducción
5.2 Ejemplo de análisis simple
5.2.1 Análisis preliminar de datos
5.2.2 Prueba de hipótesis del modelo de regresión
Parte 5.2 .3 Prueba de hipótesis de coeficientes de regresión
5.2.4 Coeficientes de regresión parcial estandarizados
5.2.5 Estándares para medir las ventajas y desventajas de los modelos de regresión lineal múltiple
5.3 Predicción de regresión y análisis de diferencias residuales
5.3.1 Predicción de regresión y estimación de intervalos
5.3.2 Análisis residual y prueba de idoneidad del modelo
5.4 Regresión por pasos
Principios básicos para la detección de variables independientes
5.4.2 Métodos de regresión por pasos comúnmente utilizados
Ejemplos de análisis
5.5 Diagnóstico adicional y modificación del modelo
5.5.1 Identificación y procesamiento de puntos de influencia fuerte
5.5.2 Identificación y procesamiento de multilinealidad
5.6 Resumen de métodos en este capítulo
5.6.1 Pasos para el establecimiento del modelo de regresión
5.6.2 Cuestiones a las que se debe prestar atención al interpretar los resultados de modelos de regresión lineal múltiple
Capítulo 6 Modelos derivados de regresión lineal
6.1 Procesamiento de tendencias no lineales: linealización de curvas
6.1.1 Introducción al método
6.1.2 Análisis mediante procesos lineales.
6.1.3 Análisis del proceso de ajuste de curvas
6.2 Tratamiento de la varianza desigual: método de mínimos cuadrados ponderados
6.2.1 Introducción al método
6.2.2 Utilizar procesos lineales para el análisis.
6.2.3 Análisis de procesos mediante WLS
6.3***Procesamiento lineal: Regresión de crestas
6.3.1 Introducción al método
Ejemplo de análisis
6.4 Cuantificación de variables categóricas: regresión a escala óptima
6.4.1 Introducción al método
6.4.2 Ejemplo de análisis
6.4 .3 Notas sobre la aplicación del método de escalamiento óptimo
Capítulo 7 Introducción al análisis de ruta
7.1 Método de mínimos cuadrados de dos etapas
7.1.1 Modelo introducción
7.1.2 Utilizar procesos lineales para el análisis.
7.1.3 Utilizar el proceso 2SLS para el análisis.
7.2 Introducción al análisis de ruta
7.2.1 Introducción al modelo
Ejemplos de análisis
Capítulo 8 Modelo de regresión no lineal
8.1 Introducción al modelo
8.1.1 Problemas
8.1.2 Introducción al modelo
8.2 Ejemplo de análisis simple
8.2.1 Software descripción de operación e interfaz
Resultados del análisis básico
8.2.3 Análisis adicional del modelo
8.3 Función de pérdida definida por el usuario: un ejemplo del método de mínimos cuadrados
8.3.1 Ejemplo de análisis
Interpretación de resultados
8.4 Ajuste del modelo de regresión por partes
8.4.1 Ejemplo de análisis
p>Interpretación de resultados
8.4.3 Análisis adicional del modelo
8.5 Otras cuestiones que necesitan atención
8.5.1 Valor inicial del parámetro configuración
Método de ajuste del modelo
Capítulo 9 Modelo de regresión logística binaria
9.1 Introducción al modelo
9.1.1 Introducción al modelo
9.1.2 Algunos conceptos básicos
9.2 Ejemplo de análisis simple
9.3 Definición y método de comparación de variables independientes categóricas
Uso de variables ficticias Necesidad
9.3.2 El modo de codificación de variables ficticias preestablecidas en SPSS
9.3.3 Cuestiones a las que se debe prestar atención al configurar variables ficticias
9.4 Selección de métodos de variables independientes y regresión por pasos
9.4.1 Método de prueba de hipótesis
9.4.2 Método de selección de variable independiente
9.4.3 Ejemplo de análisis
9.5 Efecto de ajuste del modelo y prueba de bondad de ajuste
9.5.1 Índice de juicio del efecto del modelo
Prueba de bondad de ajuste
9.6 Diagnóstico y corrección del modelo
9.6.1 Análisis residual
9.6.2 Identificación de linealidad * * * múltiple y su impacto en los coeficientes de regresión y los métodos de procesamiento
Capítulo 10 Categorías múltiples .
Regresión logística pareada y regresión unitaria probabilística
10.1 Modelo de regresión logística multiclase ordenado
10.1.1 Introducción al modelo
10.1.2 Ejemplo de análisis
10.1.3 Prueba de condición aplicable al modelo
10.2 Modelo de regresión logística multiclase desordenado
10.2.1 Introducción al modelo
10.2.2 Ejemplo de análisis
10.31:1 Regresión logística por pares
10.3.1 Introducción al modelo
10.3.2 Ejemplo de análisis
10.4 Modelo de regresión probabilística
10.4.1 Introducción al modelo
10.4.2 Ejemplo 1: Comparación con el modelo logístico
10.4.3 Ejemplo 2: Cálculo de LD50
El la tercera parte son los métodos de análisis estadístico multivariado
Capítulo 11 Análisis de componentes principales y análisis factorial
Análisis de componentes principales 11.1
11.1.1 Introducción al modelo.
11.1.2 Ejemplo de análisis simple
11.1.3 Explicación adicional del análisis de componentes principales
Análisis factorial de 11.2
11.2 .1 Introducción al modelo
11.2.4 Ejemplo de análisis simple
Vuelva a discutir el análisis factorial en 11.3
11.3.1 Diferentes métodos de análisis factorial
11.3. 2 Matriz de correlación y covarianza
Determinar el número de factores comunes
11.4 Caso integral de análisis factorial
11.5 Comparación de análisis de componentes principales y análisis factorial
Capítulo 12 Análisis de conglomerados
12.1 Introducción al modelo
12.1.1.
12.1.2 Introducción al análisis de conglomerados
p>
12.1.3 Sistema de métodos de análisis de conglomerados
12.2 Método de agrupamiento jerárquico
12.2.1 Principio del método
12.2.2 Ejemplo de análisis
12.2.3 Más discusión sobre el método de agrupamiento jerárquico
Método de agrupamiento 12.3K-k-medias
12.3.1 Principio del método
12.3. 2 Ejemplo de análisis
12.4 Introducción al método de agrupamiento en dos pasos
12.4.1 Principio del método
12.4.2 Ejemplo de análisis
12.5 Descripción general de los métodos de este capítulo
Capítulo 13 Análisis discriminante
13.1 Introducción al modelo
Principios básicos del análisis discriminante típico 13.1.
13.1.2 Análisis discriminante de las condiciones aplicables y métodos de manejo cuando se violan las condiciones.
Evaluación del efecto discriminante en 13.1.3
13.1.4 Pasos generales del análisis discriminante
13.2 Ejemplo de análisis simple
13.2. 1 Operación del software y descripción de la interfaz
13.2.2 Resultados del análisis básico
13.2.3 Visualización gráfica de los resultados del reconocimiento
13.2.4 Verificación del efecto de diferenciación
13.2.5 Método para juzgar las condiciones aplicables
13.3 Análisis discriminante bayesiano
13.3.1 Principio del método
13.3.2 Implementación de software
p>Más discusión sobre el análisis discriminante 13.4
Análisis discriminante por pasos de 13.4.1
Similitudes y diferencias entre el análisis discriminante y el análisis factorial
13.4.3 Dos equivalencias de métodos discriminantes y regresión múltiple
Capítulo 14 Análisis de correlación canónica
14.1 Introducción al método
Ideas básicas del análisis de correlación canónica 14.1.1
Descripción matemática del análisis de correlación típico de 14.2.1
14.2 Ejemplo de análisis
14.2.1 Coeficiente de correlación entre dos conjuntos de variables
14.2.2 Coeficiente de correlación canónica y prueba de significancia
11.2.3 Coeficiente de variable canónica
14.2.4 Análisis de estructura canónica
14.2.5 Análisis de redundancia canónica
14.3 Descripción general de los métodos de este capítulo
Aplicación del análisis de correlación canónica en 14.3.1
14.3.2 Análisis de correlación canónica y análisis factorial
Capítulo 15 Análisis de correspondencia
15.1 Introducción al modelo
15.1.1.
15.1.2 Introducción al modelo
15.1.3 Funciones correspondientes de SPSS
15.2 Ejemplo de análisis simple
1 Análisis preliminar de datos
15.2.2 Análisis formal
15.2.3 Ejemplos de citas Análisis adicional
15.3 Análisis de correspondencia basado en el valor promedio
15.3.1 Principio del método
15.3.2 Ejemplo de análisis
15.4 Múltiple Análisis de correspondencia
15.4.1 Principio del método
15.4.2 Ejemplo de análisis
15.5 Correspondencia con otras cuestiones del análisis
15.5.1 Correspondencia Interpretación correcta de los resultados del análisis
15.5.2 Procesamiento de categorías raras y similares
15.5.3 Procesamiento de categorías ordenadas
15.6 Descripción general de los métodos en este capítulo
p>
15.6.1 La relación entre el análisis de correspondencia y otros métodos de análisis
15.6.2 Ventajas y desventajas del análisis de correspondencia
Capítulo 16 Análisis de escalamiento multidimensional
16.1 Modelo MDS clásico
16.1.1 Principio del método
16.1.2 Ejemplo de análisis
16.1.3 Cálculo método de distancia
16.2 Modelos MDS no métricos
16.2.1 Configuración de la escala de medición de datos
16.2.2 Principio del método
16.2.3 Ejemplo de análisis
16.3 Modelo MDS considerando diferencias individuales
16.3.1 Principio del método
16.3.2 Ejemplo de análisis
16.3.3 Interpretación del significado del mapa de posición espacial
Modelo MDS basado en transformación de escala óptima.
16.4.1 Introducción a los métodos
16.4.2 Ejemplos de análisis
16.5 Descripción general de los métodos de este capítulo
Parte 4 Otras estadísticas métodos de análisis
Capítulo 17 Modelo lineal logarítmico y regresión de Poisson
17.1 Introducción al modelo lineal logarítmico
17.1.1.
17.1. 2 Introducción al modelo
17.1.3 Funciones correspondientes de SPSS
17.2 Ejemplo de análisis de modelo lineal logarítmico general
Análisis preliminar de datos
17.2 .2 Análisis formal
17.2.3 Análisis adicional citando ejemplos
17.3 Modelo log-lineal con clara relación causal
17.4 Selección de modelo log-lineal
17.4.1 Estrategia de selección de modelo
17.4.2 Ejemplo de análisis
17.5 Relación entre el modelo lineal logarítmico y otros modelos
17.5.1 La relación entre el modelo lineal logarítmico y el modelo de análisis de varianza
17.5.2 La relación entre el modelo lineal logarítmico y la regresión logística
17.6 Modelo de regresión de Poisson
17.6. Introducción al modelo
17.6.2 Ejemplo de análisis
Capítulo 18 Análisis de confiabilidad
18.1 Introducción a la teoría de la confiabilidad
18.1.1 Medición de la puntuación real teoría
La confiabilidad y la validez son 18.1.2
18.1.3 Confiabilidad interna y confiabilidad externa
Sentencia 18.1.4 Estándar de confiabilidad
18.2 Ejemplo de análisis simple
18. 2. Coeficiente de confiabilidad 1α
18.2.2 Análisis en profundidad de varios temas
18.2.3 Investigación de la hipótesis de teoría de la fracción verdadera
18.3 Otros coeficientes de confiabilidad utilizados comúnmente
18.3.1 Fiabilidad test-retest
18.3.2 Fiabilidad media
18 3 . 3 Coeficiente de Gutman
18.3.4 Coeficiente de confiabilidad del modelo paralelo
18.3.5 Coeficiente de confiabilidad del modelo estrictamente paralelo
18.3.6 Calificación de confiabilidad<. /p>
18.3.7 Resumen de coeficientes de confiabilidad
18.4 Teoría avanzada de confiabilidad
18.4.1 Limitaciones de la puntuación real de la teoría de la medición
18.4.2 Introducción a la teoría de la generalización
18.4.3 Funciones de análisis correspondientes en SPSS
Capítulo 19 Análisis de supervivencia
19.1 Introducción al análisis de supervivencia
19.1 .1 Una breve historia del análisis de supervivencia
19.1.2 Conceptos básicos en el análisis de supervivencia
19.1.3 Los fundamentos del análisis de supervivencia Pasos básicos
19.1.4 SPSS y análisis de supervivencia
19.2 Estimación y prueba de la función de supervivencia
19.2.1 Método básico de estimación de la función de supervivencia
19 2 .
19.2.3 Método de la tabla de vida
19 2 4 Comparación entre el método de Kaplan-Meier y el método de la tabla de vida
p>19.3 Modelo de regresión de Cox
19.3.1 Introducción al modelo de Cox
19.3.2 Ejemplo de análisis
19.3.3 Verificación gráfica de peligro proporcional
19.4 Modelo de Cox con el tiempo -Variables dependientes
19.4.1 Depende del tipo de covariables.
19.4.2 Validación de riesgos proporcionales mediante modelos dependientes del tiempo
19.4.3 Utilizar modelos dependientes del tiempo para evaluar el impacto de los factores de procesamiento.
19.4.4 Utilizar modelos dependientes del tiempo para evaluar el impacto de factores de medición repetidos.
19.5 Algunos temas avanzados sobre el modelo de Cox
19.5.1 Variables de rango en el análisis de supervivencia
19.5.2 La regresión logística se adapta al proceso de regresión de Cox.
19.5.3 Modelo de Cox de riesgos competitivos
Capítulo 20 Introducción al análisis del valor perdido
20.1 Introducción a la teoría del valor perdido
20.1 .1 Mecanismo de datos faltantes
20.1.2 Cómo lidiar con valores faltantes en SPSS
20.2 Análisis básico de situaciones faltantes
20.2.1 Generación de datos faltantes datos de valor
20.2.2 Análisis de patrones faltantes
20.2.3 Descripción estadística de la información faltante
20.3 Tecnología de llenado de valores faltantes
20.3 .1 Salida de la lista
20.3.2 Llenado mediante algoritmo de regresión.
20.3.3 Relleno con algoritmo EM.
Introducción a la tecnología de llenado múltiple
Pensamiento y práctica
Referencia
Apéndice...