工業調查資料分析

序　言
不管在哪種研究領域中，「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。
那麼要如何做才能形成「基於根據的主張」呢？
近年來在醫學的領域中，EBM（Evidence-Based Medicine）亦即「基於根據的醫療」是中心話題，成為其根據的就是醫學的實驗數據，然而在工商業的領域中，EBM（Evidence-Based Management）亦即「基於根據的管理」也是中心話題，成為其根據的就是工商業的意見調查數據。
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，在工商業調查中，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。
譬如：
問項A：您的性別是？
此情形時，回答即為名義數據。
問項B：您對以下的問題贊成的程度有多少？
此情形時，回答即為順序數據。
問項C：您的年齡是？
此情形時，回答即為數值數據。
因此，意見調查的統計處理，需要有各種類型的統計手法。本書是對此種意見調查的統計處理使用SPSS分析。本書的口號即為「快」、「簡單」、「馬上可行」。
統計方法經常要面對數值計算，令人視為畏途，然而今日科技如此進步，已開發有各種統計軟體，學生在學習統計方法時當不至於感到霧煞煞。
在學習統計方法處理問題時，首先讓人感到困擾的是：
「此數據要選用何種統計處理方法才好呢？」
「要如何輸入數據，有無明確的輸入步驟呢？」
「輸入後，在進行統計處理時，有無明確的分析步驟呢？」
然而此種煩惱是多餘的，任何人只要能利用本書參照使用就行，非常簡單。
最後讓人感到困擾的是：
「分析結果要如何解讀才好呢？」
此煩惱只要看本書的解說，即可將心中的「陰霾」一掃而光。
本書的特徵有以下4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的統計分析的操作，問題即可迎刃而解。期盼本書能讓您在操作中得到使用的滿足感，並希望對您的分析與研究有所助益。 書中如謬誤之處，尚請賢達不吝指正，不勝感謝。
所謂心動不如馬上行動，不妨動一動滑鼠利用SPSS的操作畫面著手分析看看！

序　言
不管在哪種研究領域中，「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。
那麼要如何做才能形成「基於根據的主張」呢？
近年來在醫學的領域中，EBM（Evidence-Based Medicine）亦即「基於根據的醫療」是中心話題，成為其根據的就是醫學的實驗數據，然而在工商業的領域中，EBM（Evidence-Based Management）亦即「基於根據的管理」也是中心話題，成為其根據的就是工商業的意見調查數據。
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...

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

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...