具体描述
Thoroughly updated and revised, the Third Edition of Statistics in Criminology and Criminal Justice: Analysis and Interpretation provides criminal justice students with a firm knowledge base in the theory and application of statistical analyses. Students will be introduced to methods of identifying and classifying data, followed by explanations and demonstrations of statistical procedures. They will learn what statistical techniques are appropriate for particular data, why procedures give the results they do, and how to interpret the output of statistical analyses.
《犯罪学与刑事司法中的统计学》图书简介 本书聚焦于为犯罪学、刑事司法以及相关社会科学领域的研究人员、从业者和学生提供一套全面、深入且实用的统计学工具箱。 统计学在理解犯罪现象的复杂性、评估干预措施的有效性以及指导政策制定方面扮演着不可或缺的核心角色。本书旨在弥合理论统计学知识与实际刑事司法数据分析之间的鸿沟，确保读者不仅能理解核心的统计原理，更能熟练运用这些原理解决现实世界中的关键问题。 本书的结构经过精心设计，从基础概念的扎实奠定，逐步过渡到复杂的高级分析技术，完全以犯罪学和刑事司法的具体案例和数据集为驱动。 --- 第一部分：犯罪数据基础与描述性统计 本部分为后续所有高级分析奠定坚实的基础。我们首先探讨犯罪数据的独特性质、来源与挑战，包括官方统计数据（如UCR、NCVS）、行政记录以及新兴的大数据源。 第一章：犯罪数据的生态系统与伦理考量 深入剖析了用于犯罪研究的主要数据源的优势、局限性及偏差来源（如“暗数”问题）。重点讨论了处理敏感个人信息（如受害者和罪犯数据）时必须遵守的伦理标准、知情同意程序以及数据匿名化技术。本章强调了数据质量在保障研究有效性中的决定性作用。 第二章：描述性统计：刻画犯罪图景 详细介绍了集中趋势（均值、中位数、众数）和离散程度（方差、标准差、四分位数）的计算与解释。着重于犯罪率、犯罪严重程度、定罪率等关键指标的可视化表示，包括直方图、箱线图和时序图。书中通过分析特定时期内青少年犯罪率的变化趋势为例，展示如何利用描述性统计快速识别模式。 第三章：抽样理论与推断基础 解释了从特定司法管辖区或特定罪犯群体中进行科学抽样的必要性。涵盖简单随机抽样、分层抽样和整群抽样的原理与应用，并详细阐述了抽样误差的概念。在此基础上，引入概率论的基础知识，为后续的假设检验做铺垫，确保读者理解如何从样本数据推断出对总体人口的结论。 --- 第二部分：推断性统计与假设检验 本部分是本书的核心，致力于教授如何利用统计学工具对犯罪学中的因果关系和差异进行严谨的检验。 第四章：参数估计与置信区间 阐述了点估计和区间估计的区别，重点教授如何计算和解释犯罪率、平均监禁时间或特定干预项目成功率的置信区间。通过分析不同地区逮捕率的差异，演示置信区间如何帮助政策制定者量化估计的不确定性。 第五章：基本假设检验：t检验与方差分析（ANOVA） 系统讲解了零假设与备择假设的构建。详细介绍了单样本t检验（例如，检验某社区的犯罪率是否显著高于国家平均水平）、独立样本t检验（比较接受或未接受特定矫正计划的罪犯的再犯率差异）以及配对样本t检验。方差分析（ANOVA）则应用于分析三个或更多处理组（如不同类型的社区警务策略）对犯罪结果影响的差异。 第六章：卡方检验与分类数据分析 鉴于刑事司法数据中存在大量的分类变量（如性别、种族、罪名类型），本章专注于卡方检验。内容包括拟合优度检验（检验观察到的犯罪类型分布是否符合理论预期）和独立性检验（检验种族与重罪定罪之间是否存在关联）。此外，还引入了麦克尼马尔检验，用于分析配对的分类数据，如在两次干预前后的态度变化。 --- 第三部分：关联性与预测模型：回归分析的深度应用 回归分析是现代犯罪学研究的基石。本部分将分析变量之间的关系强度、方向以及构建可靠的预测模型。 第七章：简单线性回归：量化关系 清晰解释了回归系数（斜率和截距）的含义，并着重讨论了R方（决定系数）在解释模型拟合优度中的作用。通过一个贯穿全书的案例——分析收入水平与财产犯罪严重程度之间的关系，细致演示如何解读回归输出表。 第八章：多元线性回归：控制混淆变量 在刑事司法中，很少有单一因素影响犯罪结果。本章教授如何构建多元回归模型，以控制（或隔离）多个潜在混淆变量的影响。例如，在评估某项教育干预对减少累犯倾向的影响时，如何将年龄、既往犯罪史等因素纳入模型进行控制，以获得更纯粹的干预效果估计。 第九章：逻辑回归：预测二元结果 鉴于许多刑事司法结果是二元的（如：是否再犯、是否被判刑、是否同意认罪），本章深入探讨逻辑回归。重点讲解如何解释优势比（Odds Ratios）及其在风险评估工具构建中的应用，例如预测个体未来五年内再次被捕的概率。 第十-十一章：时间序列分析与面板数据建模 现代犯罪研究越来越依赖追踪个体或地区随时间变化的长期数据。第十章介绍了时间序列模型，用于分析犯罪率的季节性、周期性变化，并学习如何处理自相关问题。第十一章则专注于面板数据分析（固定效应与随机效应模型），用于评估随时间推移的政策效果，并有效控制不随时间变化的个体异质性（如固有的犯罪倾向）。 --- 第四部分：高级专题与模型评估 本部分涵盖了更专业化的统计技术，这些技术对于高级研究和复杂政策评估至关重要。 第十二章：生存分析：审视时间到事件 生存分析（或称事件史分析）是研究“时间到特定事件发生”的首选方法。本书详细介绍了Kaplan-Meier生存曲线的绘制和解释，以及Cox比例风险模型。应用案例包括：分析不同假释条件对罪犯“成功度过假释期”的时间影响，或分析特定法律干预对受害者报告犯罪行为时间的影响。 第十三章：多层次模型（HLM）：嵌套数据的处理 刑事司法数据通常具有嵌套结构：个体嵌套在社区内，社区嵌套在城市内，城市嵌套在州内。多层次模型（或称混合效应模型）是处理此类分层数据的标准方法。本章教授如何识别和量化不同层次变异的贡献度，例如，区分是社区层面的贫困率（高层级）还是个体教育水平（低层级）对犯罪行为的影响更大。 第十四章：中介与调节效应分析 本书探讨了复杂的变量关系：中介（一个变量如何“通过”另一个变量影响结果）和调节（一个变量如何改变两个变量之间的关系强度）。例如，探究“经济压力”是否通过“药物滥用”这一中介变量来影响暴力犯罪的风险；或者“社区社会资本”是否调节了“警力部署”对犯罪率的影响。 第十五章：统计软件应用与结果的透明化 本章提供了在主流统计软件（如R, Stata, 或 SPSS）中实现上述所有分析的实际操作指导。强调了结果报告的透明性、统计显著性的审慎解读（避免过度依赖p值），以及进行稳健性检验的重要性。本书倡导可重复性研究，鼓励读者使用代码记录分析流程，确保研究成果的可靠性和可追溯性。 --- 《犯罪学与刑事司法中的统计学》 不仅仅是一本教科书，它是一份实战指南。通过结合扎实的统计理论与丰富的、源自真实世界执法、矫正和受害者研究的案例，本书旨在培养下一代能够运用严谨的量化证据来推动犯罪学理论发展和刑事司法改革的专业人才。读者在完成本书学习后，将具备自信地设计研究、清理数据、选择恰当模型并清晰解释复杂统计结果的能力。
作者简介
目录信息
读后感
评分
评分
评分
评分
评分
用户评价
评分
评分
评分
评分
评分
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 qciss.net All Rights Reserved. 小哈图书下载中心 版权所有