本书面向实际，从实例入手，阐明社会科学统计方法，致力于实例和统计软件的一体化。主要内容包括抽样和测量、描述统计、概率分布、统计推断：估计、统计推断：显著性检验、两组比较、分类变量之间的关联分析、线性回归和相关、多元关系概述、多元回归分析和相关分析、多组比较：方差分析（ANOVA）、组合回归分析和方差分析：定量和分类预测变量、构建多元回归模型、逻辑斯蒂回归：构建分类响应变量、高级统计方法概述。本版增加了许多新练习，强调实际数据的应用。每章后包括配套课后习题及拓展综合练习，便于读者对统计方法的学习和掌握。
目录：
第1章引言
1.1统计方法论介绍
为什么要学习统计
数据
什么是统计学
1.2描述统计和推断统计
总体和样本
参数和统计量
定义总体：实际总体和概念总体
1.3计算机在统计中的作用
统计软件
数据文件
统计软件的使用和误用
1.4本章概要
思考题第1章引言
1.1统计方法论介绍
为什么要学习统计
数据
什么是统计学
1.2描述统计和推断统计
总体和样本
参数和统计量
定义总体：实际总体和概念总体
1.3计算机在统计中的作用
统计软件
数据文件
统计软件的使用和误用
1.4本章概要
思考题
第2章抽样和测量
2.1变量及其测度
变量
定量（数量）变量和分类变量
名义、有序和间隔测度尺度
有序数据的数量
离散型变量和连续型变量
2.2随机化
简单随机抽样
如何去选择一个简单随机样本
用抽样调查收集数据
用实验收集数据
用观察研究收集数据
2.3抽样变异性和潜在偏差
抽样误差
抽样偏差：非概率抽样
响应偏差
无响应偏差：缺失数据
偏差类型总结
2.4其他概率抽样方法*
系统随机抽样（SystematicRandom
Sampling）
分层随机抽样（StratifiedRandom
Sampling）
整群抽样（ClusterSampling）
多阶抽样（MultstageSampling）
2.5本章概要
思考题
第3章描述统计
3.1用表和图描述数据
相对频数（relativefrequency）：
分类数据
频数分布和条形图：分类数据
频数分布：定量数据
直方图（histogram）
茎叶图（stem-and-leafplot）
比较组
总体分布和样本数据分布
分布的形状
3.2数据分布的中心描述
均值（mean）
均值的性质
中位数（median）
中位数性质
中位数与均值的比较
众数（mode）
众数的性质
3.3数据分布的变异性描述
极差（range）
标准差（standarddeviation）
标准差的性质
解释标准差的大小
3.4位置量度
四分位数和其他百分比
测定变异性：四分位数间距
箱图：绘制位置的5个数字概括
图形
异常值（outlier）
离开均值多少个标准差？z分数
3.5二元描述统计
响应变量（responsevariable）和解释
变量（explanatoryvariable）之间
的关联
比较两组是二元分析
二元定量数据
两个以上变量的分析
3.6样本统计和总体参数
3.7本章概要
表、图小结
中心量度的小结
变异性量度的小结
二元描述统计的小结
思考题
第4章概率分布
4.1概率介绍
概率可视为长期（long-run）相对
频数
基本概率规则
4.2离散型和连续型变量的概率分布
离散型变量的概率分布
连续型变量的概率分布
参数描述概率分布
4.3正态概率分布
正态尾部概率表
正态概率和经验法则
求某个尾部概率的z值
z分数是离开均值的标准差数
标准正态分布
4.4抽样分布描述了统计量如何变化
模拟估计过程
用抽样分布表示抽样变异
重复抽样的抽样分布说明
4.5样本均值的抽样分布
的抽样分布的均值和标准误
样本量对抽样分布和估计精度的
影响
样本均值的抽样分布近似正态
4.6小结：总体、样本数据以及抽样
分布
在样本数据分布和抽样分布上
样本量的影响
在统计推断中抽样分布的关键作用
4.7本章概要
思考题
第5章统计推断：估计
5.1点估计和区间估计
参数的点估计
无偏和有效点估计
均值、标准差和比例的估计量
极大似然估计方法*
置信区间等于点估计±误差边际
（marginoferror）
5.2比例的置信区间
样本比例和其标准误
大样本比例的置信区间
控制置信水平
大样本量给出狭窄的区间
错误概率=1-置信水平
置信水平是长期正确的比例
方法的有效性需要大样本量
5.3均值的置信区间
估计误差边际的标准误
t分布
t分布的性质
均值置信区间里的t分数
置信水平和样本量的作用
关于正态总体假定违反的稳健性
标准正态是df=无限时的t分布
对使用软件的忠告
5.4样本量的选择
估计比例的样本量
估计比例时的样本量公式
估计均值时的样本量
在确定样本量中其他要考虑的
因素
只有一个小样本该怎么办
5.5中位数和其他参数的置信区间
样本中位数对正态数据的
低效率
大样本时中位数的置信区间
自举法（bootstrap）
5.6本章概要
思考题
第6章统计推断：显著性检验
6.1显著性检验的五个部分
假定
假设
检验统计量
P值
结论
6.2关于一个均值的显著性检验
关于一个均值的显著性检验的
五个部分
双侧检验与置信区间之间的对应
关系
单侧显著性检验
单侧H隐含单侧H0
单侧检验与双侧检验的选择
水平：使用P值做决策
违反正态假定的稳健性
6.3一个比例的显著性检验
对一个比例显著性检验的五个
部分
从不“接受H0”
样本量对P值的影响
6.4在检验中的决策和错误类型
对决策的第一类型和第二类型
错误
拒绝域
水平是第一类型错误的概率
当P（第一类型错误）下降时，
P（第二类型错误）上升
置信区间和检验决策之间的等价
关系
对报告的P值做一个决策
6.5显著性检验的局限性
统计显著与实际显著
显著性检验并不比置信区间有用
对显著性检验和P值的曲解
6.6计算P（第二类型错误）*
检验使用的越小P（第二类型
错误）越大
检验的功效（势）（power）
6.7关于一个比例的小样本检验——
二项分布*
二项分布
二项分布的比例
二项式检验
6.8本章概要
思考题
第7章两组比较
7.1比较两组的预备知识
有响应变量和解释变量时的
双变量（二元）分析
相依样本和独立样本
估计的差异及其标准误
参数的比率
7.2分类数据：比较两组比例
关于比例差异的置信区间
解释一个置信区间比较比例
关于2-1的显著性检验
列联表和条件概率
7.3定量数据：比较两个均值
2-1的置信区间
解释一个置信区间比较均值
关于2-1的显著性检验
在置信区间和检验之间的对应
关系
7.4比较相依样本的均值
适用于匹配样本的配对差异得分
使用配对差异推断比较均值
独立样本与相依样本
7.5比较均值的其他方法*
在假定等方差时比较均值
完全随机设计与随机区组设计
根据软件给出的报表进行推断
效应量
适用于均值的一个模型
7.6比较比例的其他方法*
比较相依比例
比较相依比例的麦克尼马尔检验
相依比例差异的置信区间
比较比例的费歇精确检验
比较两个比例的小样本估计
7.7比较两组的非参数统计量*
威尔科克森-曼-惠特尼检验
效应量：对一个组更好响应的
比例
处理有序变量为定量变量
7.8本章概要
思考题
第8章分类变量之间的关联分析
8.1列联表
百分比比较
构建列联表的原则
独立和相依
8.2独立性的卡方检验
对应于独立的期望频数
卡方检验统计量
卡方分布
需要的样本量
用软件进行卡方检验
自由度的解释
卡方检验和类别处理
8.3残差：检测关联模式
残差分析
卡方和2×2（四格）表的比例
差异
2×2表的标准化残差
大于2×2的表需要用卡方
8.4列联表中关联的量度
关联的量度
比例差异
卡方不是对关联的测量
优势比（比数比）
优势比的性质
r×c列联表的优势比*
概述r×c表关联的量度
8.5两个有序变量之间的关联*
一致和不一致
（gamma）
是两个有序比例的差异
有序量度的公共特性
8.6对有序关联的推断
关联量度的置信区间
使用的独立性检验
有序检验与皮尔逊卡方检验
对其他有序量度的相似推断方法
混合的有序——名义列联表
8.7本章概要
思考题
第9章线性回归和相关
9.1线性关系
线性函数（linearfunction）
解释y的截距和斜率
模型是对实际的简单近似
9.2最小平方预测方程
散点图描绘数据
预测方程
异常值对预测方程的影响
预测误差被称为残差
预测方程有最小平方性质
9.3线性回归模型
线性回归函数
描述回归直线的变异
均方误（差）：估计条件变异
条件变异往往小于边缘变异
9.4量度线性关联：相关
斜率和关联强度
相关
相关的性质
相关暗示向均值回归
r2：预测误差减少的比例
r2的性质
平方和描述条件变异和边缘变异
9.5对斜率和相关系数的推断
对统计推断的假定
独立性检验
斜率的置信区间
读懂计算机打印输出结果
对相关的推断*
缺失值（missingdata）
9.6模型的假定及违背
哪一个假定是重要的
外推是危险的
有影响的观测值
影响相关的因素
有误差项的回归模型*
模型和现实
9.7本章概要
思考题
第10章多元关系概述
10.1关联关系和因果关系
10.2对其他变量的控制
社会学研究中的统计控制
统计控制的关联类型
警惕隐变量的存在
10.3多变量关系的类型
伪关联（spuriousassociation）
链关系（chainrelationship）
多个因果关系
抑制变量（suppressorvariable）
统计的交互作用
多变量关系小结
混杂作用使得效应难以评估
10.4统计控制中的推断问题
分表分析中小样本的影响
控制变量的类别影响
对照比较和合并的测度
10.5本章概要
思考题
第11章多元回归分析和相关分析
11.1多元回归模型
多元回归函数
回归系数的解释
预测方程和残差
11.2多元回归分析计算机输出实例
描述双变量关系的散点图
对偏相关绘制偏相关图
计算机输出结果样例
11.3复相关和R2
复相关
R2：多元决定系数
R和R2的性质
多个解释变量的多重共线性
11.4多元回归系数的统计推断
检验解释变量的整体影响
F分布
回归系数的统计推断
方差分析表中的变差和均方差*
F统计量是均方误差之比
F统计量与t统计量之间的关系
11.5预测变量间的交互作用
交叉乘积项
检验交互作用项
中心化解释变量*
扩展与限制*
11.6回归模型的比较
全模型和简化模型
用残差平方和SSE或决定系数
R2值进行模型比较
11.7偏相关*
对偏相关系数的解释
对偏相关系数平方的解释
高阶偏相关系数
偏相关系数的统计推断
11.8标准化回归系数
标准化回归系数的方法
标准化回归系数的性质
预测方程的标准化形式*
谨慎比较标准化回归系数
11.9本章概要
思考题
第12章多组比较：方差分析
（ANOVA）
12.1多个均值的比较：方差分析
F检验
对均值比较的F检验的假定
组间变异和组内变异
F检验统计量是两个方差估计
之比
F检验统计量的公式是
组内方差估计*
组间方差估计
方差分析表中的平方和*
F检验与多个t检验
12.2均值的多重比较
置信区间比较均值
大量置信区间的错误率
均值多重比较Bonferroni法
均值多重比较Tukey法
12.3用回归模型进行方差分析
回归中的虚拟变量
回归中用方差分析检验比较
均值
为什么使用回归分析来做方差
分析呢
12.4双因素方差分析
双因素方差分析中的主效应
假设
主效应的F检验
双因素方差分析的交互效应
H0：没有交互效应的F检验
12.5双因素方差分析和回归分析
假定没有交互效应的回归模型
有交互效应的回归模型
偏平方和
双因素方差分析的多重比较
析因方差分析
12.6重复测量的方差分析*
有重复测量的单因素方差分析
球形假定和复合对称性
相依样本的置信区间比较
固定效应和随机效应
12.7一个因素是重复测量的双因素
方差分析*
在两个固定效应之一上进行
重复测量
在上面分析的基础上构造置信
区间
治疗方法的Bonferroni多重比较
更复杂的重复测量分析
两次以上的重复测量
12.8违背方差分析假定的影响
F检验的稳健性
Kruskal-Wallis检验：非参数
检验方法
12.9本章概要
思考题
第13章组合回归分析和方差分析:
定量和分类预测变量
13.1均值比较和回归直线比较
比较回归直线
控制x，比较y的均值
13.2有定量和分类预测变量的回归
定量和虚拟解释变量
对参数的解释：没有交互效应
的模型
13.3定量预测变量和分类预测变量
之间允许交互作用
对不同模型的R或R2的比较
多个分类和定量预测变量的回归
分析
13.4用定量和分类预测变量进行回归
的统计推断
没有交互效应的检验
控制x，检验分类变量的效应
用方差分析结果进行比较
控制分类变量，检验x的效应
13.5修正均值*
控制协变量，修正响应变量的
均值
比较修正均值
图示解释说明修正均值
修正均值的多重比较
谨慎使用假设的修正均值
13.6本章概要
思考题
第14章构建多元回归模型
14.1模型选择过程
为模型选择解释变量
向后剔除过程
向前选择和逐步回归过程
自动选择过程的局限性和弊端
探索研究与解释性（理论驱动）
研究
选择模型的指标：调整R2、预测
的残差平方和Cp
14.2回归诊断
检验残差
绘制残差与解释变量图
时间序列数据
检测有影响的观测值：杠杆值
检测有影响的观测值：DFFIT和
DFBETA
14.3多重共线性的影响
多重共线性扩大了标准误
VIF和其他多重共线性指标
存在多重共线性的补救措施
14.4广义线性模型
非正态分布的响应变量
广义线性模型的连接函数
响应变量为正态分布的广义
线性模型
响应变量服从γ分布的广义
线性模型
14.5非线性关系：多项式回归
二次回归模型
二次回归模型的说明与拟合
非线性效应的描述和推断
谨慎使用多项式模型
非参数回归*
14.6指数回归和对数转换*
对指数回归模型的解释
转换预测变量以获取线性
14.7本章概要
思考题
第15章逻辑斯蒂回归：构建分类
响应变量模型
15.1逻辑斯蒂回归
线性概率模型
二分响应变量的逻辑斯蒂回归
模型
概率的逻辑斯蒂回归方程
对逻辑斯蒂回归模型的解释
使用几率和优势比解释
15.2多元逻辑斯蒂回归
几率的效应
概率的效应
15.3逻辑斯蒂回归模型的统计推断
Wald检验和似然比独立性检验
多元逻辑斯蒂回归的推断
用似然比检验比较逻辑斯蒂回归
模型
15.4定序响应变量的逻辑斯蒂回归模型
累积概率和累积概率的logit
定序响应变量的累积logit模型
对定序响应变量效应的推断
响应变量类别选择的恒定性
多元模型的扩展
逻辑斯蒂回归模型中的定序
预测变量
15.5名义响应变量的逻辑斯蒂模型*
基准类别的Logit
15.6分类变量的对数线性模型*
三个变量的分层对数线性模型
对数线性模型优势比的解释
15.7对列联表构建的模型进行拟合
优度检验*
卡方拟合优度统计量
标准化残差
对数线性模型的拟合优度
通过比较G2值来比较模型
逻辑斯蒂模型和对数线性模型
之间的联系
逻辑斯蒂模型和对数线性模型
之间的区别
15.8本章概要
思考题
第16章高级统计方法概述
16.1纵向数据分析*
MANOVA：多因变量方差分析
带有随机效应的混合效应模型
使用随机效应的一维重复测量
方差分析
16.2多层（分层）模型*
为两个层上的观测值构建模型
16.3事件历史模型*
截尾数据和时变协变量
事件的发生率
比例风险模型
16.4路径分析*
路径图
路径系数
直接效应和间接效应
路径分解
对因果模型的一个告诫
16.5因子分析*
因子分析模型
拟合因子分析模型
分类响应变量的潜在分类模型
起源和争议
16.6结构方程模型*
计量模型
结构方程模型
协方差结构模型中的特例
拟合协方差结构模型
检验模型拟合
16.7马尔可夫链*
转移概率
思考题
附录ASPSS和SAS统计分析
附录B奇数练习答案
附录C统计检验临界值表
参考文献
|
