第一章 SPSS概述
1.1 SPSS简介
-
SPSS的发展历史
-
SPSS的主要功能与特点
-
SPSS的应用领域
1.2 SPSS的安装与启动
-
系统要求
-
安装步骤
-
启动与退出
1.3 SPSS的主要窗口
-
数据编辑窗口（Data Editor）
-
变量视图（Variable View）
-
数据视图（Data View）
-
结果输出窗口（Output Viewer）
-
语法编辑器（Syntax Editor）
1.4 SPSS的基本操作
-
菜单栏与工具栏
-
对话框的使用
-
快捷键与右键菜单
第二章 数据文件的建立与管理
2.1 数据的输入
-
直接输入数据
-
定义变量（名称、类型、宽度、小数、标签、值标签、缺失值等）
-
插入与删除变量/个案
2.2 外部数据的导入
-
导入Excel文件
-
导入文本文件（TXT、CSV）
-
导入数据库文件
-
导入其他统计软件数据（SAS、Stata等）
2.3 数据文件的保存与导出
-
保存为SPSS格式（.sav）
-
导出为Excel、CSV、TXT等格式
2.4 数据文件的合并与拆分
-
添加个案（纵向合并）
-
添加变量（横向合并）
-
数据文件的拆分（Split File）
第三章 数据预处理
3.1 数据的整理
-
排序（Sort Cases）
-
选择个案（Select Cases）
-
加权个案（Weight Cases）
3.2 变量的转换
-
计算新变量（Compute）
-
变量重编码（Recode into Same/Different Variables）
-
变量自动重编码（Automatic Recode）
-
虚拟变量编码（Create Dummy Variables）
3.3 缺失值处理
-
缺失值的定义与识别
-
缺失值的删除（Listwise/ pairwise）
-
缺失值的替换（Replace Missing Values）
3.4 异常值的识别与处理
第四章 描述性统计分析
4.1 频数分析（Frequencies）
-
频数分布表
-
统计量（均值、中位数、众数、标准差、方差等）
-
图表（条形图、饼图、直方图）
4.2 描述统计（Descriptives）
-
常用统计量（均值、标准差、最大值、最小值等）
-
Z得分标准化
4.3 探索性分析（Explore）
-
分组的描述统计
-
箱线图（Boxplot）
-
正态性检验（K-S检验、Shapiro-Wilk检验）
4.4 交叉表分析（Crosstabs）
-
二维列联表
-
卡方检验
-
列联系数、Phi系数、Cramer's V
第五章 统计图表
5.1 条形图（Bar Chart）
-
简单条形图
-
聚类条形图
-
堆叠条形图
5.2 折线图（Line Chart）
-
简单折线图
-
多线折线图
5.3 饼图（Pie Chart）
5.4 直方图（Histogram）
5.5 箱线图（Boxplot）
5.6 散点图（Scatter Plot）
-
简单散点图
-
分组散点图
-
散点图矩阵
5.7 图表编辑与美化
第六章 均值比较与T检验
6.1 单样本T检验（One-Sample T Test）
-
原理与适用条件
-
SPSS操作与结果解读
6.2 独立样本T检验（Independent-Samples T Test）
-
方差齐性检验（Levene检验）
-
结果解读
6.3 配对样本T检验（Paired-Samples T Test）
-
原理与应用场景
-
SPSS操作与结果解读
第七章 方差分析（ANOVA）
7.1 单因素方差分析（One-Way ANOVA）
-
原理与假设
-
事后多重比较（LSD、Tukey、Bonferroni等）
-
均值图
7.2 双因素方差分析（Two-Way ANOVA）
-
主效应与交互效应
-
简单效应分析
7.3 重复测量方差分析（Repeated Measures ANOVA）
7.4 协方差分析（ANCOVA）
第八章 相关分析
8.1 皮尔逊相关系数（Pearson Correlation）
-
原理与适用条件
-
散点图与相关性
8.2 斯皮尔曼秩相关系数（Spearman's Rho）
-
适用条件（定序数据/非正态分布）
8.3 肯德尔相关系数（Kendall's Tau-b）
8.4 偏相关分析（Partial Correlation）
第九章 回归分析
9.1 线性回归（Linear Regression）
-
简单线性回归
-
多元线性回归
-
逐步回归（Stepwise、Forward、Backward）
-
回归诊断（残差分析、多重共线性检验）
9.2 曲线估计（Curve Estimation）
-
对数、指数、幂、二次、三次等模型
9.3 非线性回归（Nonlinear Regression）
9.4 逻辑回归（Logistic Regression）
-
二元逻辑回归（Binary Logistic）
-
多元逻辑回归（Multinomial Logistic）
第十章 非参数检验
10.1 卡方检验（Chi-Square Test）
10.2 二项分布检验（Binomial Test）
10.3 游程检验（Runs Test）
10.4 单样本K-S检验（One-Sample Kolmogorov-Smirnov Test）
10.5 两个独立样本检验
-
Mann-Whitney U检验
-
Kolmogorov-Smirnov Z检验
10.6 多个独立样本检验
-
Kruskal-Wallis H检验
10.7 两个相关样本检验
-
Wilcoxon符号秩检验
10.8 多个相关样本检验
-
Friedman检验
第十一章 聚类分析
11.1 层次聚类（Hierarchical Cluster）
-
距离测量方法
-
聚类方法（最近邻、最远邻、组间平均法等）
-
树状图（Dendrogram）
11.2 K-均值聚类（K-Means Cluster）
-
确定聚类数
-
迭代与收敛
11.3 两步聚类（Two-Step Cluster）
-
适用于大样本
-
自动确定聚类数
第十二章 因子分析与主成分分析
12.1 因子分析（Factor Analysis）
-
适用性检验（KMO检验、Bartlett球形检验）
-
公因子提取（主成分法、主轴因子法等）
-
因子旋转（正交旋转、斜交旋转）
-
因子得分计算
12.2 主成分分析（PCA）
-
原理与SPSS操作
-
解释总方差
第十三章 信度与效度分析
13.1 信度分析（Reliability Analysis）
-
克隆巴赫系数（Cronbach's Alpha）
-
折半信度（Split-half Reliability）
13.2 效度分析
-
内容效度
-
结构效度（结合因子分析）
第十四章 时间序列分析
14.1 数据预处理
-
定义日期变量
-
缺失值处理
14.2 指数平滑法（Exponential Smoothing）
-
简单指数平滑
-
Holt线性趋势模型
-
Winters季节性模型
14.3 ARIMA模型
-
自相关函数（ACF）与偏自相关函数（PACF）
-
模型识别与估计
-
预测
第十五章 输出结果的管理与编辑
15.1 结果输出窗口的操作
-
结果的展开与折叠
-
结果的删除与移动
15.2 结果图表的编辑
-
双击编辑图表
-
图表外观修改（颜色、字体、标签等）
15.3 结果的导出
-
导出为Word、Excel、PDF、HTML等格式
15.4 日志与语法
-
粘贴为语法（Paste）
-
保存与运行语法文件（.sps）