本书主要介绍常用数据分析的基本内容与方法，包括数学基础、回归分析、聚类分析、判别分析、主成分及因子分析、典型相关分析、时间序列、面板数据、图形绘制等。本书涉及SPSS/Stata/Eviews/R等常用软件，这几款软件各具特点和优势，在具体数据处理应用中推出同一案例数据的不同软件处理过程，以满足不同应用环境及受众的需求。本书突出实用原则，内容和实例以期满足人文社科专业的需要，可供高等院校相关专业本科生、研究生数据分析/定量研究方法类课程以及从事数据统计分析的研究者参考使用。

前言 第1章 相关数理统计基础知识 1.1 变量及分类 1.2 不同变量类型的数据分析方法 1.3 样本统计量 1.4 数据变换 1.5 微积分基础知识 1.6 常用的概率分布 1.7 线性代数基础知识 第2章 线性回归分析 2.1 一元线性回归 2.2 多元线性回归 第3章 回归专题分析 3.1 可线性化的非线性模型回归 3.2 虚拟变量回归 3.3 内生解释变量 3.4 滞后变量模型 第4章 聚类分析 4.1 聚类分析的基本思想及分类 4.2 聚类分析的两个基本概念 4.3 系统聚类 4.4 快速聚类(K-均值法) 4.5 两步聚类法 4.6 聚类分析方法在指标评价体系的应用 4.7 聚类分析方法总结 第5章 判别分析 5.1 判别分析概念及方法原理 5.2 sPsS在判别分析方法应用的菜单说明 5.3 距离判别 5.4 费歇判别 5.5 贝叶斯判别法 5.6 逐步判别法 5.7 应用判别分析需注意的几个问题 第6章 主成分分析 6.1 主成分分析的基本思想及方法 6.2 主成分分析应用案例 6.3 主成分回归 6.4 主成分分析中应注意的问题 第7章 因子分析 7.1 因子分析的基本思想及模型 7.2 因子分析的步骤 7.3 因子分析应用案例 7.4 主成分分析与因子分析的区别 第8章 相关分析 8.1 相���分析相关基础知识 8.2 连续变量的相关分析 8.3 等级变量相关分析 8.4 偏相关分析 8.5 对应分析 8.6 典型相关分析 第9章 方差分析 9.1 方差分析概念及相关术语 9.2 方差分析的基本思想和原理 9.3 单因素方差分析 9.4 双因素方差分析 9.5 方差分析应用案例 第10章 定性因变量回归分析 10.1 二值Logistic回归模型 10.2 多值Logistic回归模型 10.3 尺度回归模型 第11章 R语言介绍及数据可视化应用基础 11.1 R语言软件的下载与安装 11.2 R语言软件数据的基本类型和保存形式 11.3 R语言软件数据的创建 11.4 数据可视化应用基础 第12章 时间序列模型 12.1 时间序列概述 12.2 时间序列的平稳性检验 12.3 协整 12.4 误差修正模型 12.5 格兰杰因果关系检验 12.6 向量自回归模型 12.7 向量误差修正模型 第13章 面板数据模型 13.1 面板数据Pool对象的建立 13.2 面板数据模型的估计 13.3 面板数据的单位根检验与协整检验 13.4 时期面板数据模型的估计 参考文献