数据挖掘是人工智能和机器学习中最活跃的地带。SPSSModeler充分利用计算机系统的运算处理能力和图形展现能力，将数据挖掘方法、应用与工具有机地融为一体，成为内容全面、功能强大、操作友好的数据挖掘软件产品，是大数据分析的理想工具。本书以数据挖掘的实践过程为主线，系统介绍了决策树、人工神经网络、支持向量机、Logist

本书一共分为14章,第1章到第5章为基础章节,这一部分内容偏重Stata的基础操作与常用命令的讲解。第6章到第10章为进阶章节,这一部分内容侧重于Stata的函数、矩阵、循环语句以及编程等方面的学习和操作讲解。第11章到第14章为应用章节,这一部分的内容侧重于数据分析的综合案例操作以及分析结果报告。

本书分为两部分。第一部分是运用抽样方法的实际例子，对扎根理论性抽样、目标导向性抽样、理论或立意抽样展开方法论的论证。第二部分聚焦质性研究中的实在论抽样方法，其中第四章阐述了一种实在论策略的抽样基础，此部分考量的是影响研究的内外部因果作用力和生成机制。接下来的三章阐述实在论抽样策略的三个关键因素。第五章考虑立意工作和假设

本书通过详细的图文步骤介绍了使用SPSS进行统计分析的方法和技巧。其中，第1～5章主要介绍SPSS的基础操作、数据处理、绘图等内容；第6～13章则围绕SPSS中的常用统计与检验方法展开，介绍了如何使用SPSS进行描述性统计、假设检验、相关性检验、方差分析、非参数检验，以及使用SPSS实现逻辑回归、决策树、神经网络、聚类

"本书共11章，阐述统计学是处理包括文本、图像和声音等各种数据类型的科学，具体包括绪论，描述统计学（统计数据搜集和整理、统计图展示、时间数列、统计指数与统计评价指数），传统推断统计学（参数估计和假设检验、相关与回归分析），大数据统计挖掘简介和Python统计分析实验五大部分内容。 教材注重创新性、实用性和

本书主要围绕统计中心工作，以统计建模的方式对经济社会发展中的重点问题和统计数据进行深入地分析与研究，通过统计分析、预测预判建立统计模型。结合统计工作，体现与时俱进和创新精神，注重对数据的探索研究，提高统计模型的实用性、针对性和有效性。

本书为统计学入门级教材，系统涵盖描述统计、推断统计及常用应用方法三大模块，内容共分9章。全书通过例题数据与Excel（2019版）全流程操作演示，帮助读者快速掌握数据预处理、可视化分析、参数估计、假设检验、回归分析及时间序列预测等技能。本书具有以下特色：（1）全部使用Excel实现计算与分析。每种方法均以文本框的形式给

增长曲线模型是一种用于分析和描述具有短、中期时间序列的随时间重复测量或纵向数据中响应变量变化轨迹的统计工具。特别适用于研究个体或群体如何随着时间的推移、变化或发展，在生理学、心理学、教育学、医学和生物学等各个领域有着广泛的应用。本书内容包括增长曲线模型、多元线性与增长曲线混合模型、嵌套可加增长曲线模型、正交可加增长曲线

本书分为4个部分，共23章，通过案例和视频，全面介绍了使用SPSS进行统计分析和建立统计模型的方法和技巧。第一部分介绍了SPSS的基本功能以及数据预处理的方法。第二部分是描述性数据分析，包括频率分析、数据基本特征分析、探索分析和数据可视化、列联表分析和多选项分析。第三部分是推断性数据分析，包括参数检验、方差分析、相关分

本书稿围绕经典的统计分析和机器学习方法，并与R语言结合，从基本的统计描述分析方法出发，讲解了数据可视化、参数估计与假设检验、线性回归、时间序列分析、逻辑回归、决策树、降维分析等方法。每一章重点介绍一种经典方法或统计模型，对其基本定义、模型形式、统计方法的推导与解读等都给出了细致的讲解。此外，为了将理论与实践紧密结合，每