SPSS高级统计常用模型培训
第1讲 Poisson回归模型
第2讲 多分类、配对Logistic回归与Probit回归
1.有序多分类Logistic回归模型(累积Logistic模型)
2.无序多分类Logistic回归模型
3. Probit回归模型
第3讲 多重线性回归模型
1.多重线性回归模型
2.回归预测与残差分析
3.逐步回归
4.模型的进一步诊断与修正
5.多重线性回归模型结果解释时应注意的问题
第4讲 二分类Logistic回归模型
1. 二分类Logistic回归模型
2.分类自变量的定义与比较方法
3. 自变量的筛选方法(逐步回归)
4. ROC曲线
5. 拟合优度检验
6. 常用的拟合优度检验
Pearson拟合优度检验、Deviance拟合优度检验、似然比检验、Hosmer—Lemeshow检验
7. 残差分析
第5讲 线性回归的衍生模型
1.非直线趋势的处理——曲线直线化
2.方差不齐的处理——加权最小二乘法
3.共线性的处理——岭回归(ridge regression)
第6讲 对应分析
1.基于均数的对应分析
2.多重对应分析
第7讲 多维尺度分析
1.古典MDS
2.非度量MDS
3.个体差异的MDS模型
4.基于最优尺度变换的MDS模型
第8讲 联合分析
第9讲 判别分析
第10讲 主成分分析与因子分析(factor analysis)
第11讲 对数线性模型
第12讲 信度分析