第1章 通用方法

• 1.1 频数
• 1.2 分类汇总
• 1.3 描述
• 1.4 交叉(卡方)
• 1.5 相关
• 1.6 线性回归
• 1.7 方差
• 1.8 方差齐检验
• 1.9 t 检验
• 1.10 单样本t 检验
• 1.11 配对t 检验
• 1.12 正态性检验
• 1.13 非参数检验

第2章 问卷研究

• 2.1 信度
• 2.2 效度
• 2.3 多选题
• 2.4 单选-多选
• 2.5 多选-单选
• 2.6 多选-多选
• 2.7 项目分析
• 2.8 问卷权重
• 2.9 多重响应
• 2.10 验证性因子分析
• 2.11 对应分析
• 2.12 路径分析
• 2.13 结构方程模型SEM
• 2.14 调节作用
• 2.15 中介作用
• 2.16 调节中介作用
• 2.17 KANO模型
• 2.18 NPS净推荐值分析
• 2.19 价格敏感度PSM分析
• 2.20 组内评分者信度rwg

第3章 可视化

• 3.1 散点图
• 3.2 直方图
• 3.3 箱线图
• 3.4 词云
• 3.5 误差线图
• 3.6 P-P/Q-Q图
• 3.7 ROC曲线
• 3.8 象限图
• 3.9 帕累托图
• 3.10 簇状图
• 3.11 组合图
• 3.12 气泡图
• 3.13 核密度图
• 3.14 小提琴图

第4章 数据处理

• 4.1 标题处理
• 4.2 数据标签
• 4.3 数据编码
• 4.4 生成变量
• 4.5 无效样本
• 4.6 异常值

第5章 进阶方法

• 5.1 聚类
• 5.2 因子
• 5.3 主成分
• 5.4 分层回归
• 5.5 逐步回归
• 5.6 二元Logit
• 5.7 多分类Logit
• 5.8 有序Logit
• 5.9 事后多重比较
• 5.10 偏相关
• 5.11 典型相关
• 5.12 双因素方差
• 5.13 三因素方差
• 5.14 多因素方差
• 5.15 协方差
• 5.16 判别分析
• 5.17 岭回归
• 5.18 分层聚类
• 5.19 曲线回归
• 5.20 PLS回归
• 5.21 Lasso回归
• 5.22 RFM模型
• 5.23 非线性回归

第6章 实验/医学研究

• 6.1 卡方检验
• 6.2 Kappa
• 6.3 配对卡方
• 6.4 二元Probit
• 6.5 Poisson回归
• 6.6 Cox回归
• 6.7 ICC组内相关系数
• 6.8 单样本Wilcoxon
• 6.9 配对样本Wilcoxon
• 6.10 多样本Friedman
• 6.11 游程检验
• 6.12 Kendall协调系数
• 6.13 Cochran's Q 检验
• 6.14 概要t 检验
• 6.15 均值z 检验
• 6.16 比率 z 检验
• 6.17 Ridit分析
• 6.18 正交实验
• 6.19 极差分析
• 6.20 卡方拟合优度
• 6.21 Poisson检验
• 6.22 重复测量方差分析
• 6.23 OR值和RR值
• 6.24 Kaplan Meier
• 6.25 广义估计方程GEE
• 6.26 条件LOGIT回归
• 6.27 负二项回归
• 6.28 剂量反应
• 6.29 Bland-Altman
• 6.30 多层线性模型HLM
• 6.31 分层卡方
• 6.32 Deming回归

第7章 综合评价

• 7.1 AHP层次分析
• 7.2 熵值法
• 7.3 模糊综合评价
• 7.4 灰色关联
• 7.5 TOPSIS
• 7.6 秩和比RSR
• 7.7 CRITIC权重
• 7.8 独立性权重
• 7.9 信息量权重
• 7.10 耦合协调度模型
• 7.11 熵权TOPSIS分析
• 7.12 灰色预测模型
• 7.13 指数平滑
• 7.14 数据包络分析DEA
• 7.15 dematel分析
• 7.16 VIKOR分析
• 7.17 解释结构模型ISM
• 7.18 综合指数
• 7.19 障碍度
• 7.20 马尔可夫预测

第8章 计量经济研究

• 8.1 Robust回归
• 8.2 OLS回归
• 8.3 两阶段最小二乘回归
• 8.4 分位数回归
• 8.5 ADF检验
• 8.6 ARIMA预测
• 8.7 偏(自)相关图
• 8.8 面板模型
• 8.9 倾向得分匹配PSM分析
• 8.10 分组回归
• 8.11 GMM估计
• 8.12 双重差分DID
• 8.13 Tobit模型
• 8.14 Heckman两阶段模型
• 8.15 RDD断点回归
• 8.16 时序图
• 8.17 VAR模型
• 8.18 格兰杰检验
• 8.19 协整检验
• 8.20 误差修正ECM模型

第9章 机器学习

• 9.1 决策树
• 9.2 随机森林
• 9.3 神经网络