《SPSS定量论文专题班》课程大纲

第一讲 SPSS概述与数据管理

目的：了解SPSS系统的构成及数据分析的基础操作，掌握数据管理界面的一般操作，使学员可以独立完成SPSS建库、数据录入、新变量计算、变量筛选等操作，熟悉数据库合并、拼接等。

1.实例演示

2.SPSS特点

3.SPSS界面介绍

4.数据管理

4.1数据录入

4.2数据导入

4.3长宽数据的结构变换

4.4数据的选择、合并与拆分、检查异常值

4.5新变量的生成

第二讲描述性统计分析

目的：掌握数据类型及均值、中位数、方差、标准差等常用统计指标的SPSS实现方式，并掌握频数表的绘制及一般性的统计描述。

1. 频数表与统计描述

1.1 制作频数表

1.2 用Descriptives进行区间数据的统计描述

1.3 用Explore进行区间数据的统计描述

2.统计指标与SPSS实现

    2.1 均值(Mean)和均值标准误差(S.E.)

  2.2 中位数（Median）

  2.3 众数（Mode）

  2.4 全距（Range）

    2.5 方差(Variance)和标准差(Standard Deviation)

    2.6 四分位数(Quartiles)、十分位数(Deciles)和百分位数(Percentiles)

    2.7频数（Frequency）

    2.8峰度（Kurtosis）

    2.9偏度（Skewness）

3.相关及交叉列联表分析

3.1卡方统计量检验

3.2列联系数(Contingency coefficient)

3.3ψ系数(Phi and Cramer‘s V)

4.名义数据的统计描述

4.1单个定类变量的描述统计

4.2交叉表：多指标描述分析

5.基本统计分析的报表制作

第三讲SPSS统计绘图

目的：掌握常用统计图（线图、条图、饼图、散点、直方图等）的绘制方法，熟悉其他统计图的绘制方法，熟悉统计图的一般编辑方法。能够独立判断遇到的统计问题应当采用何种统计图形，并用SPSS独立完成各种常用统计图的绘制。能根据目的对统计图进行一定的编辑。

(1)条图(Bar Charts)     (2)3D条图    (3)线图

(4)面积图(Area Charts)  (5)饼图      (6)箱图(Box Plots)

(7)人口金字塔          (8)散点图     (9)直方图     (10)P-P概率图

第四讲基本数据分析与探索

目的：让学员了解基本统计原理，并熟悉因子分析等常规方法的应用。

1.连续数据的统计推断

1.1假设检验(假设检验的原理、均值的显著性检验等。)

1.2方差分析(均值过程、T检验与方差分析、卡方分析、相关分析等)

2.定类数据的统计推断

2.1四格表数据的卡方检验

   2.2   R×C无序列联表的卡方检验

   2.3   Fisher’精确检验

3. 定序数据的统计推断

(1)Wilcoxon秩和检验：两独立样本

(2)趋势卡方检验

(3)Kruskal-Wallis检验：多独立样本

(4)Spearman秩相关

(5)Jonckheere-Terpstra检验

4.主成分分析与因子分析

4.1主成分分析

4.1.1用主成分分析法减少变量个数

4.1.2主成分分析法解决自变量的多重共线性

4.2因子分析

第五讲线性回归分析

目的：让学员熟悉线性回归分析的基本原理与应用。

1.简单线性回归

(1)一元线性回归

(2)加权的一元线性回归

2. 分多元线性回归回归方程的检验与评价

(1)自变量的检验

(2)多重共线性

(3)残差分析与回归诊断

(4)交互作用

(5)虚拟变量/哑变量

(6)相关系数

第六讲 二分类数据回归

目的：让学员熟悉分析二分类数据logistic回归的原理、应用、软件操作及结果解读。

1.二分因变量Logistic方程

2.回归系数解释

3.回归模型的假设检验

4.残差分析

5.SPSS操作实例

第七讲 多分类数据回归及定序回归

目的：让学员熟悉分析多分类数据logit回归及定序logit的原理、应用、软件操作及结果解读。

1.      多分类logistic/probit回归分析

（1）多分类因变量

（2）多分类logit模型

（3）SPSS操作实例

2.定序变量logit/probit回归分析

（1）定序变量

（2）定序(累积) Logit 模型

（3）SPSS操作实例

第八讲 研究论文与商务报告写作

目的：通过定量研究论文及商务报告的范式，让学员熟悉并掌握论文或报告的一般结构及注意要点等，如八股结构、数据分析结果的呈现格式等。

《Stata定量论文专题班》课程大纲

Class1
线性回归知识点回顾(Linear Regression)

Reading: Powers and Xie 2
Wooldridge2-4, 6-7, 8-9
Rave-Heskethand Brian Everitt 3&4

Class2
二分类Logit / Probit模型(Binary Logit / Probit Models)

Reading: Powers and Xie 3
Wooldridge 17.1
Rave-Hesketh and Brian Everitt 6& 7

Class3
多分类Logit / Probit模型及条件Logit模型(Multinomial Logit / Probit Models,Conditional Logit Models)

Reading:Powers and Xie 6 & 7
Rave-Hesketh and Brian Everitt6 & 7

Class4
定序Logit / Probit模型(Ordered Logit / Probit Models)

Reading:Powers and Xie 6 & 7
Wooldridge 17.3
Rave-Heskethand Brian Everitt 6 & 7

Class5
计数回归（泊松回归,负二项回归及零膨胀模型）( Poisson regression,NegativeBinary regression, Zero Inflated Poisson regression）

Reading:Powers and Xie 4
王存同:《零膨胀模型在社会科学中的应用》,《社会学研究》2010第5期

Class6
删截数据回归(Censored and Truncated Regression Models, including Tobit models, Heckman models)

Reading: Wooldridge17.2-17.5

Class7
社会事件史分析(Event History Analysis)

Reading:Powers and Xie 5
Rave-Heskethand Brian Everitt 12

Class8
面板数据回归(Models for Panel and Other Types of Clustered Data)

Reading:Wooldridge 13-14
Rave-Hesketh and Brian Everitt 12

Class9
分层模型(Multilevel linear / logit models)

Raudenbush S.W. & Bryk A.S. 2001, Hierarchical Linear Models: Applications and Data Analysis Methods(2nd ed.). California: Sage Publication (已有中文译本)

Class10
实证论文写作

Reading:彭玉生：《“洋八股”与社会科学规范》,《社会学研究》2010年第2期