買這商品的人也買了...
-
SPSS 統計應用分析, 2/e$1,000$900 -
SPSS 統計分析實務, 2/e$550$468 -
SPSS 與量化研究, 2/e$450$342 -
量化研究與統計分析 SPSS(PASW) 資料分析範例解析, 5/e$690$621 -
$2,835Next Generation Wireless LANs: 802.11n and 802.11ac, 2/e (Hardcover) -
SPSS 與研究方法, 3/e$650$585 -
Linux Shell 程式設計實力養成：180 個實務關鍵技巧徹底詳解$420$328 -
Android 程式設計入門、應用到精通 -第二版 (適用 Android L, 1.X~4.X, Android Wear 穿戴式裝置)$560$442 -
精通 Python｜運用簡單的套件進行現代運算 (Introducing Python: Modern Computing in Simple Packages)$780$616 -
資料採礦之技術及應用 (Excel 實例演練)$689$655 -
R軟體統計應用分析實務$1,200$1,080 -
新思維系列 Visual C# 2015 程式設計$560$442 -
大數據概論$380$361 -
金融資料採礦 : R 及 Excel 實例演練$620$589 -
零售業資料採礦 : R 及 Excel 運用$580$551 -
統計分析與R$650$585 -
統計機器學習 － 在 R 的實踐$480$456 -
$403預測分析建模 : Python 與 R語言實現 -
Python 新手使用 Django 架站的 16堂課 - 活用 Django Web Framework 快速建構動態網站$690$538 -
Python 自動化的樂趣｜搞定重複瑣碎 & 單調無聊的工作 (中文版) (Automate the Boring Stuff with Python: Practical Programming for Total Beginners)$500$425 -
$594零起點 Python 大數據與量化交易 -
演算法技術手冊, 2/e (Algorithms in a Nutshell: A Practical Guide, 2/e)$580$458 -
寫程式前就該懂的演算法 ─ 資料分析與程式設計人員必學的邏輯思考術 (Grokking Algorithms: An illustrated guide for programmers and other curious people)$390$308 -
Deep Learning｜用 Python 進行深度學習的基礎理論實作$580$458 -
看板實戰 : 用一張便利貼訓練出100分高效率工作團隊 (Kanban in Action)$560$476
相關主題
商品描述
<內容簡介>
本書的前兩章屬於導言性質，在「導論」一章中說明「量化研究」與「質化研究」觀點的差異處，使讀者能對此二種研究有初步的了解。接著在「學前說明」一章中，提供有關ISSP的資訊，教導讀者如何取得資料檔及操作說明，此章目的主要是讓學生瞭解SPSS的基本架構安排，並提供基本的「技術支援」，經由SPSS內建諮詢和協助的圖解說明，幫助學生能夠輕鬆而有效率的完成練習。 <本書特色> １.以循序漸進的方式，教導讀者明白SPSS統計基本架構。 <章節目錄> 導 論
導言之後是10個利用實例教導如何使用SPSS進行統計分析的單元。由第1單元「資料輸入」開始，至第2單元「資料陳列與探索」，說明如何檢視個別變數的程序；第3單元「資料選取與運用」討論資料重組的議題；緊接其後的7個單元分別呈現SPSS中不同統計分析類型的實例。本書最後的「結論」則是提供選擇適當統計檢定程序的建議。
本書的目的是介紹SPSS的基本資料型態，提供進行統計分析程序的步驟化說明和SPSS分析結果輸出的解釋。由於使用不同的統計程序必須對其基本的分析邏輯作一討論，因此，本書不適合當「唯一的」的統計教材，應和其他的統計教科書搭配使用，或是配合教授所提供的講義和讀物來使用。
２.針對讀者對前一版的建議，做許多修改，內容更充實完善。
３.介紹SPSS的基本資料型態，提供進行統計分析程序的步驟化說明和SPSS分析結果輸出的解釋。
４.以ISSP之「工作取向」題組的資料可讀性，提供有關社會結構和工作取向的具體思考基礎，使讀者也學習跨國性課程。
第0章 學前說明
第1章 資料輸入
第2章 資料陳列與探索
第3章 資料選取與操作
第4章 假設檢定與t檢定
第5章 交叉表格分析
第6章 複選題集分析
第7章 變異數分析
第8章 相關和迴歸分析
第9章 因素分析
第10章 Logistic迴歸分析
第11章 對數線性分析
結 論
