具体描述
本书系统地介绍了心理与社会研究中常用的统计方法，其特点在于每一章的结构都力求从问题出发，以问题引导读者思考，然后展开统计方法的解释，最后使用统计软件SPSS回到问题的解决。作者力求阐述详细、通俗易懂。本书的主要内容包括数据特征的描述、相关分析、概率分布、正态检验、F检验、卡方检验、非参数检验以及回归分析的基本方法等。本书可作为心理学、教育学或社会学专业统计课程的教材或参考书，也可作为心理或社会研究工作者解决统计问题的参考书。
作者简介
目录信息
第一节统计学的作用与统计科学的发展
一、统计学的作用
二、心理统计学的内容
三、统计科学的发展
第二节科学测量和理论概念的具体化
一、科学测量
二、理论命题和操作定义
第三节基本概念和术语
一、变量和常量 (variable and constant)
二、连续变量与离散变量 (continuous variable and discrete variable)
三、自变量与因变量 (independent variable and dependent variable)
四、总体、样本、个体 (population ，sample ，individual)
五、参数和统计量 (parameter and statistic)
六、随机变量 (random variable)
第四节测量水平 (scales of Measurement)
一、比例量尺 (ratio scale)
二、等距量尺 (interval scale)
三、顺序量尺 (ordinal scale)
四、名义量尺 (nominal scale)
五、测量和统计
第五节 SPSS for Windows 系统概述和基本操作
一、 SPSS for windows 系统概述
二、 SPSS 的系统要求及安装
三、 SPSS 系统的启动和退出
心理与社会研究统计方法
四、 SPSS 窗口及其功能
五、 SPSS 系统运行管理方式
第二章描述统计 (Descriptive Statistics)
第一节数据的搜集与特点
一、数据的搜集
二、数据分类和特点
第二节统计表 (Table)
一、统计表的作用和分类
二、制表的要求
第三节统计图 (Graph)
一、统计图的作用
二、统计图的基本结构
三、统计图的种类
第四节频数分布表与频数分布图 (Frequency Distributions)
一、频数分布表
二、频数分布图
三、数据的探索分析 (Exploratory Data Analysis)
第五节集中量数 (Central Tendency)
一、算术平均数 (Arithmetic Mean)
二、其他平均数
三、中数 (Median)
四、众数
五、平均数、中数和众数的关系
第六节差异数 (Dispersion Tendency)
一、全距 (Range)
二、平均差 (Average Deviation)
三、方差和标准差 (Variance and Standard Deviation)
四、四分差 (Quartile)
五、相对差异系数 (Coefficient of variation)
第七节 SPSS 系统中数据文件的建立和整理
一、常量、变量、操作符、表达式和观测量
二、数据文件的初步编辑和整理
第八节 SPSS 中常用统计图形的制作和编辑
一、 SPSS 绘图概述
二、 SPSS 绘图功能
三、常用心理统计图形的制作和编辑
第九节 SPSS 的描述统计 (Descriptives)
一、频数分布过程 (Frequencies)
二、描述统计过程 (Descriptives)
三、均值比较过程 (Means)
四、探索分析过程 (Explore)
第三章 相关分析 (Correlation)
第一节相关的基本概念
一、相关的概念
二、相关的性质
三、相关散点图
第二节直线相关系数 (Pearson Correlation Coefficient)
一、直线相关系数的计算
二、直线相关系数的意义
三、相关系数的合并
四、相关系数的条件
第三节斯皮尔曼等级相关 (Spearman Correlation)
第四节点二列相关 (Point-Biserial Correlation)
第五节二列相关 (Biserial Correlation)
第六节肯德尔等级相关 (Kendall Correlation)
一、肯德尔 w 系数 (Kendall’s w Coefficient of Concordance)
二、肯德尔 U 系数 (Kendall’s U Coefficient)
第七节偏相关 (Partial Correlation)
第八节多重相关 (Multiple Correlation)
第九节 SPSS 中相关系数的统计分析过程
心理与社会研究统计方法
一、皮尔逊积差相关和斯皮尔曼等级相关系数的统计分析过程
二、偏相关分析 (Partial Correlation)
第四章概率与概率分布
(Probability and Probability Distribution)
第一节随机事件和概率
第二节概率定理
一、随机事件的运算
二、概率的加法定理
三、条件概率
四、概率的乘法定理
五、相互独立的随机事件
第三节二项分布 (Binomial Distribution)
一、随机变量与概率分布
二、独立试验序列概型
三、二项分布
四、二项分布的应用
第四节其他离散分布
一、泊松分布 ( Poisson Distribution)
二、超几何分布 (Hypergeometric Distribution)
第五节 SPSS 中二项分布检验的统计分析过程 (Binomial Test)
二项分布检验过程
第五章 正态分布 (Normal Distribution)
第一节频率分布直方图与概率密度曲线
频数分布直方图
第二节正态分布
一、正态分布函数
二、正态分布的特征
三、正态分布的性质
第三节正态曲线下的面积
一、标准正态分布曲线下的面积
二、服从一般正态分布的随机变量的概率求解
三、正态分布曲线下的各种特殊面积
第四节随机变量分布是否正态的检验方法
一、偏态、峰态量数检验法
二、偏度、峰度系数检验法
第五节正态分布理论的应用
一、化等级评定为等距数据
二、测验题目难度的确定
三、化原始分数为标准分数
四、根据正态分布理论解决二项分布的问题
五、确定录取分数线和考生人数
第六节 SPSS 系统中正态分布检验方法
一、偏度和峰度检验法
二、操作命令
第六章 随机抽样与参数估计
(Random Sampling and Parameter Estimation)
随机抽样
总体均值与方差的点估计 (Point estimation of the population mean and variance)
样本平均值的分布
总体平均值的区间估计 (Interval estimation of the population mean)
分布与总体平均值的区间估计
心理与社会研究统计方法
第七章 假设检验 (Hypotlaesis TESting)
第一节统计检验的基本原理和程序
一、提出待检验的假设
二、确定被检验统计量的样本分布
三、选择检验的显著性水平和临界区
四、计算被检验统计量的值并做出结论
第二节单样本检验
一、总体方差已知，关于总体平均值的检验
二、总体方差未知，关于总体平均值的检验
三、比例数的单样本检验
四、总体比例数的统计估值
五、取样随机性的检验 ”
第三节平均值差异的统计检验
一、样本平均值之差的分布
二、两个总体标准差相等时的总体平均值之差的统计检验
三、两个总体标准差不等时的总体平均值之差的统计检验
四、 X 和 F 相互不独立的总体平均值之差的统计检验
五、平均值之间差异的估计
六、关于总体比例之差的统计检验
七、直线相关系数的统计检验
第四节 SPSS 系统的 t 检验 (Fest) 过程
一、 Z 检验 (Z Test)
二、单样本的 T 检验过程
三、独立样本的 T 检验 (Independent Sample T Test)
四、相关样本的 T 检验 (Paired―Sample T rest)
第八章 方差分析 (ANoVA)
第一节分布与方差一致性检验
第二节单因素方差分析
第三节双因素方差分析
第四节 SPSS 系统的方差分析过程
一、方差分析概述
二、 SPSS 提供的方差分析过程简介
三、 One Way ANOVA 单因素方差分析过程
四、 General Linear Models 多因素方差分析过程
第九章 回归分析 (Regression)
第一节一元直线回归
第二节多元线性回归
一、多元线性回归方程的建立
二、多元线性标准回归方程
三、多元线性回归方程的检验
第三节化曲线为直线的回归问题
一、对数曲线方程
二、其他曲线方程
第四节 sPss 系统的回归分析 (Regression) 过程
一、回归分析模型
二、 SPSS 提供的回归分析功能
三、 Regression 回归分析过程
心理与社会研究统计方法
第十章 卡方分布与卡方检验
(Chi―square Distribution and Chi-square TESt)
第一节总体方差的假设检验与矿分布
第二节矿的计算
第三节矿检验方法的应用 …
一、单因素实验假设的检验
二、关于总体分布形式的假设检验
三、双因素实验假设的检验
第四节 SPSS 系统的卡方检验 (Chi-Square Test) 过程
一、 SPSS 提供的非参数检验功能
二、 Chi Square Test 配合度卡方检验过程
三、独立性卡方检验 ( 双因素的卡方检验 )
第十一章 非参数统计 (Non-parameter Test)
第一节秩和检验法
第二节相关样本的非参数检验
一、添号秩次检验法
二、符号检验法
第三节等级方差分析
一、克一瓦氏单向方差分析 ( 完全随机设计 )
二、弗里德曼双向等级方差分析
第四节非参数相关 ―― 列联相关 (Contingency Correlation)
第五节 SPSS 系统的非参数检验 (Non-parameter test)
一、参数检验与非参数检验
二、 Kolmogorov―Smirnov Test 单样本检验过程
三、 TWO Independent Samples Test 两独立样本检验过程
四、 TWO Related Samples Test 两个相关样本的检验过程
五、非参数相关 ―― 列联相关 (Contingency Correlation)
各章练习题答案
参考文献
附 录
附表 1 PZ0 表 ( 正态曲线面积 (P) 与纵线 (y) 表 )
附表 2 f 分布临界值表
附表 3 积差相关系数 (r) 显著性临界值表
附表 4 总体相关系数 p 的置信区间表
附表 5 Fisher Zr 转换表
附表 6 F 分布临界值表 ( 双侧检验 )
附表 7 F 分布临界值表 ( 单侧检验 )
附表 8 分布临界值表
附表 9 秩和分布表
附表 10 Wilcoxon 添号秩次检验表
附表 11 符号检验表
附表 12 H 检验表
附表 13 弗里德曼双向等级方差分析彩值表
· · · · · · (收起)
读后感
用户评价
读完一半的篇章，我发现这本书的真正价值并不在于罗列堆砌了多少种检验方法，而在于它对“研究者心智”的塑造。现在的很多教材，似乎只把统计学当成一个计算工具箱，教你什么时候该用哪个螺丝刀，什么时候该用哪个扳手。但这本书不同，它更像是在教你如何成为一个合格的“数据侦探”。它花费了大量的篇幅去讨论变量的测量层次——名义的、顺序的、区间的——这看似枯燥，却是后续所有复杂分析的基石。我记得有一次，我在处理一组关于“幸福感等级”的问卷数据时陷入了僵局，究竟该用参数检验还是非参数检验？这本书在介绍各种方法的适用条件时，那种带着批判性的审视，迫使我重新审视我的数据到底在“说什么”。它不是简单地告诉你“用这个”，而是问你：“你确定你测量的是一个‘区间’，而不是一个‘顺序’吗？” 这种层层剥笋的探究精神，极大地提升了我对研究设计本身的敏感度。每一次遇到新的统计模型，作者都会先从一个宏观的研究问题入手，将统计方法“情境化”，而不是孤立地讲解公式，这种叙事手法使得阅读体验不再是面对一堆冰冷的符号，而是参与到一场真实的科学对话中。
这本厚重的砖头拿到手里，首先映入眼帘的是那封面设计，简约到近乎朴实，仿佛在低语着：“别被花哨迷惑，内容才是王道。”我带着一丝敬畏和好奇翻开了第一页，心里盘算着，这究竟是会成为我书架上蒙尘的摆设，还是能真正帮我拨开那些复杂数据迷雾的利器。最初的几章读下来，我感觉自己像是在攀登一座数据陡坡，那些公式和符号如同密集的灌木丛，让人一时摸不着头脑。然而，作者的叙述方式却出乎意料地具有韧性，他并没有急着把我推入高深的理论深渊，而是耐心地铺陈基础，用生活化的例子来佐证那些抽象的概念。比如，在解释方差分析的逻辑时，他竟然搬出了邻里之间谁家的西红柿长得更好的“社会实验”，这瞬间拉近了理论与现实的距离。我尤其欣赏它对假设检验中“犯错的成本”的深入探讨，不仅仅是机械地告诉你P值小于0.05意味着什么，而是让你真切地感受到，在社会科学的研究中，对“偶然性”的错误判断可能导致何种严重的社会误判。那种深思熟虑的语境搭建，让我这个初学者也能在字里行间感受到统计学的严谨与魅力，而非仅仅是数学的冷酷。这本书的节奏感把握得很好，缓慢的引入和扎实的步骤，让人感觉每前进一步都是脚踏实地的收获，而不是被快速的跳跃抛在后面。
如果非要用一个比喻来形容这本书的风格，那它不是烹饪大师的食谱，而是建筑师的设计蓝图。它没有提供可以直接拿来套用的现成模型，而是提供了一套严谨的、可以应对各种复杂地基问题的结构力学原理。在处理更高级的主题，例如混合效应模型（Hierarchical Linear Modeling）时，它没有直接跳到复杂的矩阵运算，而是先用一个关于学生成绩嵌套在不同班级和学校的真实情境来构建模型层次的必要性。读者可以清晰地看到，为什么传统的独立观察假设会被打破，以及LME模型是如何优雅地解决这个嵌套结构带来的自相关问题。这种由表及里、层层递进的讲解方式，极大地降低了复杂模型入门的门槛。它让你感觉，这些复杂的统计工具并非是神秘的巫术，而是解决特定研究难题的必然工具。读完之后，我感觉自己不再是拿着锤子到处找钉子的人，而是对建筑材料的性能有了更深的理解，知道在不同的载荷条件下，应该选择哪种结构支撑才是最稳固、最科学的。这本书给予我的，是一种能够独立构建和评估研究框架的“内功心法”。
这本书的阅读过程，对我来说，更像是一次系统性的思维重塑。我过去总习惯于在分析阶段才去考虑统计方法，但这本书的结构似乎有意地打乱了这种“线性思维”。它在很早的章节就强调了“因果推断的哲学基础”，这让我对“相关性不等于因果性”这句话有了全新的、更深刻的理解。它探讨了混淆变量、中介变量、调节变量在概念上的细微差别，并且通过详细的流程图展示了它们在路径分析模型中的相互作用。我发现，很多我过去实验中遇到的“解释不清”的问题，根源就在于我对这些变量关系的结构理解不够清晰。特别是它对“倾向得分匹配（PSM）”这种准实验方法的介绍，不是简单地介绍如何运行软件，而是深入剖析了PSM试图模拟随机对照实验的内在逻辑，这种对方法论“为什么有效”的追问，远比“如何操作有效”更具长期价值。它迫使我放下对“一键出结果”的依赖，转而关注研究设计的精妙与严谨，这对于任何想要进行严肃社会科学探索的人来说，都是醍醐灌顶的体验。
这本书的排版和图表设计，说实话，一开始让我有点失望，它没有采用那种色彩斑斓、图文并茂的“网红”风格，更像是一本学术期刊的文摘合集，灰白相间，字体也比较紧凑。但随着阅读的深入，我开始体会到这种“朴素”背后的高效性。在讲解多元回归模型中多重共线性问题的处理时，它采用了一组非常经典的、来源于社会学田野调查的案例数据，图表虽然简单，但所有的关键信息点，比如方差膨胀因子（VIF）的计算逻辑和解释，都清晰地标记在旁。最让我印象深刻的是，它没有回避统计学中那些“灰色地带”——比如样本量过小、数据分布严重偏态时，我们应该如何进行审慎的汇报和解读。很多其他书籍会倾向于提供一个“完美”的解决方案，但这本书却坦诚地展示了现实研究中的妥协和权衡。它教会我的不是如何追求完美的分析，而是如何在不完美的数据中，尽可能地保持研究的诚信和透明。这种对研究伦理的潜移默化渗透，比任何章节的道德说教都来得有力。
和张的《现代心理与教育统计学》内容结构差不多，但是语言好懂多了
和张的《现代心理与教育统计学》内容结构差不多，但是语言好懂多了
和张的《现代心理与教育统计学》内容结构差不多，但是语言好懂多了
和张的《现代心理与教育统计学》内容结构差不多，但是语言好懂多了
和张的《现代心理与教育统计学》内容结构差不多，但是语言好懂多了
