SPSS学习资料

坚持在未来绽放

SPSS学习资料
word
第一章 基础        1
第一节 总体率的95%可信区间估计        1
第二节 判断数据正态分布的方法        6
第三节 数据正态转换的方法        16
第二章t检验        24
第二节 单样本t检验        24
第二节 独立样本t检验        36
第三节 配对样本的t检验        46
第三章 卡方检验Fisher精确检验        66
第一节 卡方检验(2x2) (简洁版）        66
第二节 卡方检验和Fisher精确检验(2x2)(详细版)        72
第三节 卡方检验(2xC)（简洁版）        83
第四节 卡方检验(2xC)（详细版）        88
第五节 Fisher精确检验（2×C）        108
第六节 卡方检验(R×C列联表)        137
第七节  配对卡方检验 (简洁版）        149
第八节  配对卡方检验 (详细版)        154
第九节  OR值计算        161
第十节 RR值计算        170
第十一节 分层卡方检验        182
第十二节  Cochran-Armitage趋势检验        188
第十三节  Mantel-Haenszel卡方检验        201
第十四节 卡方拟合优度检验        214
第四章 方差分析        232
第一节 单因素方差分析（简洁版）        232
第二节 单因素方差分析（详细版）        238
第三节 双因素方差分析        290
第四节 三因素方差分析        345
第五节 单因素重复测量的方差分析        398
第六节 两因素重复测量的方差分析（简洁版）        441
第七节 两因素重复测量的方差分析（详细版）        453
第八节 三因素重复测量方差分析        498
第九节 协方差分析（简洁版）        538
第十节 协方差分析（详细版）        548
第十一节 单因素多元方差分析        570
第十二节 两因素多元方差分析        605
第五章 Logistic回归        647
第一节 二分类Logistic回归（简洁版）        647
第二节 二分类Logistic回归（详细版）        654
第三节 有序多分类Logistic回归（简洁版）        670
第四节 有序多分类Logistic回归（详细版）        676
第五节 无序多分类Logistic回归        698
第六节 1:m匹配病例对照Logistic回归        704
第六章 生存资料        709
第一节 KM法生存分析（简洁版）        709
第二节 KM法生存分析（详细版）        714
第三节 生存资料的Cox回归分析        727
第七章 线性回归        734
第一节 简单线性回归        734
第二节 多重线性回归        778
第三节 做多重线性回归，方差不齐怎么办？加权最小二乘法        816
第四节 多重线性回归中，自变量多重共线性怎么办？岭回归        826
第八章 相关分析        834
第一节 Pearson相关分析        834
第二节 Spearman相关分析        857
第三节 Kendall's tau-b相关系数        869
第九章 非正态分布数据——非参数检验        872
第一节 Mann-Whitney U检验(两独立样本)（简洁版） 小飞看了9月23日医咖会微信推送的“降糖药物利拉鲁肽，还能治疗心衰吗？”的研究（FIGHT研究）后[1]，不明白研究方法II中的Wilcoxon秩和检验到底是什么，于是来找小咖讨论。        872
第二节 Mann-Whitney U检验(两独立样本)（详细版）        879
第三节 Wilcoxon符号秩检验(配对样本) (简洁版)        893
第四节 Wilcoxon符号秩检验(配对样本) (详细版)        897
第五节 Kruskal-Wallis H检验(多个独立样本) (简洁版)        904
第六节 Kruskal-Wallis H检验(多个独立样本) (详细版)        911
第七节 Friedman检验(多个相关样本)        920
第八节 Cochran's Q检验(多个相关样本)        929
第十章 诊断实验        941
第一节 多项测量指标的ROC曲线分析        941
第二节 组内相关系数（ICC）        948
第三节 Kappa值计算        953
第四节 加权Kappa        961
第五节 Kendall's W检验        972
第十一章        977
第一节设置哑变量        977
第二节 1:1倾向性评分匹配(PSM)        986
第三节 1:n倾向性评分匹配(PSM)        994
第四节 病例与对照的1:1匹配        1001
第五节 分层回归(hierarchical multiple regression)        1010
第六节 广义估计方程（GEE）        1026
第七节 信度分析(克朗巴哈系数)        1038
第八节 主成分分析        1046
第九节 对数线性模型 想分析两个分类变量(如性别和血型)之间是否相关，大家都能想到用卡方检验。但是如果要同时研究4、5个分类变量间的关系时，卡方检验就显得不够用了，它不可能对多个分类变量间的关系给出一个系统而综合的评价，也不可能在控制其他因素作用的同时，对变量的效应做出估计，此时可以采用对数线性模型来研究多个变量之间的关系[1]。        1068
第十节随机抽样        1083
第十一节 多阶段抽样        1090
第十二节 轻松实现随机分组        1107

ximenyan

谢谢了！

ximenyan

有心人，辛苦了

秋山

感谢感谢

Sober_yg

谢谢分享