|
|
不管在哪種的研究領域中，⎾沒有證據的主張⏌是不被重視的。沒有證據時，就變成了⎾終究是使用者個人的意見⏌而已。
藉由適切的方法分析數據，才可導出結論。也就是說⎾根據⏌=⎾數據⏌。⎾基於根據的主張⏌=⎾適切地分析數據得出的結論⏌。試著收集研究領域中的數據，提出⎾有根據的主張⏌吧。
然而與數值數據為中心的實驗有所不同，在工業調查中，取決於問項是名義數據、順序數據、數值數據等，經常要處理許多類型的數據。
本書包含有多變量統計與貝氏統計兩大部分，因此，意見調查的統計處理，需要有各種類型的統計手法。本書是對此兩部分的意見調查的統計處理使用SPSS進行分析。本書的口號即為⎾快⏌、⎾簡單⏌、⎾馬上可行⏌。
本書的特徵有以下四項：
1.只要看數據類型，即可選用適切的統計處理方法。
2.數據的輸入與其步驟，有跡可循。
3.統計處理的方法與其步驟，清晰明確。
4.輸出結果的解讀方法，簡明易懂。
總之，只要對照本書，利用滑鼠，任何人均可簡單進行統計分析的操作，問題即可迎刃而解。因此不妨著手搜集數據分析看看。
作者簡介
陳耀茂
日本（國立）電氣通信大學經營工學博士
東海大學企管系教授
第一篇 多變量統計分析
1. 獨立性檢定的意見處理
2. Mantel-Haenszel檢定
3. 決策樹分析
4. 傾斜權重分析
5. 對應分析
6 多重對應分析
7 名義迴歸分析
8 順序迴歸分析
9 類別迴歸分析
10 多階層分析
11 Logit分析
12 Probit分析
13 Poisson迴歸分析
14 TURF分析
15 因素分析
16 類別主成分分析
17 傾向分數分析
18 語意差異法分析
19 Wilcoxn 等級和檢定
20 Kruskal-Wallis 檢定
21 Friedman檢定
22 聯合分析
23 選擇型聯合分析
24 問卷的信度分析
25 類別典型相關分析
第二篇 貝氏統計推論
26 貝氏統計簡介
27 貝式推論獨立樣本
28 貝式推論成對樣本
29 貝氏推論單樣本常態分配
30 貝式推論單樣本二項分配
