社會(huì)科學(xué)統(tǒng)計(jì)方法

前言

　　大約30年前，我開始著手本書第一版的編寫工作，我的目的是強(qiáng)調(diào)統(tǒng)計(jì)方法的概念及其在社會(huì)科學(xué)中的應(yīng)用，而不是強(qiáng)調(diào)用這些方法背后的數(shù)學(xué)理論和計(jì)算細(xì)節(jié)的風(fēng)格來介紹統(tǒng)計(jì)方法。我把重點(diǎn)放在了怎樣使用方法和如何解釋結(jié)果上，而不是把重點(diǎn)放在它們的理論起源上來編寫本書的?！　”緯牡谒陌嬖趯?shí)例和練習(xí)上，更加強(qiáng)調(diào)概念和應(yīng)用，并重視“實(shí)際數(shù)據(jù)”。我繼續(xù)減少了時(shí)常成為學(xué)生學(xué)習(xí)絆腳石的數(shù)學(xué)理論方面的篇幅，尤其是概率理論方面的篇幅。另一方面，教科書不是菜譜。依賴于一個(gè)過于簡單化的如同做飯以食譜為基礎(chǔ)的方法接近統(tǒng)計(jì)學(xué)，絕非良好的統(tǒng)計(jì)實(shí)踐之路?！　〉谒陌娴淖兓　∽詮牡谝话嬉詠恚?jì)算機(jī)性能的提高加上統(tǒng)計(jì)軟件的不斷改良和可訪問性，已經(jīng)對(duì)社會(huì)科學(xué)分析數(shù)據(jù)的方法產(chǎn)生重大影響。因此，本書不涉及傳統(tǒng)快捷的手工計(jì)算公式和近似法。復(fù)雜方法計(jì)算上的介紹，如回歸，強(qiáng)調(diào)對(duì)軟件輸出的解釋，而不是強(qiáng)調(diào)對(duì)所執(zhí)行的分析公式的解釋。教材中包含許多例子的打印輸出資料，在課文和家庭作業(yè)問題中，都主要采用SPSS樣式，偶爾也使用SAS樣式。這一版中還有一個(gè)附錄，它說明了如何用SPSS和SAS處理各章統(tǒng)計(jì)方法，并且給出鏈接其他軟件信息的一個(gè)網(wǎng)站?！　∶嫦?qū)嶋H而又簡單的實(shí)例以及許多課外練習(xí)對(duì)學(xué)生的學(xué)習(xí)極其重要。這一版增加了許多新練習(xí)并且更新了舊數(shù)據(jù)，其中主要強(qiáng)調(diào)實(shí)際數(shù)據(jù)。每一章的課外習(xí)題集分為兩個(gè)部分，即課文實(shí)踐基礎(chǔ)資料中的簡答練習(xí)，以及在概念和應(yīng)用中處理開放式數(shù)據(jù)分析的習(xí)題、概念理解題及概念和應(yīng)用中的綜合資料練習(xí)。在實(shí)例和練習(xí)中的大型數(shù)據(jù)集包括練習(xí)1.11中介紹又在各章最后練習(xí)中再次出現(xiàn)的數(shù)據(jù)集，可在網(wǎng)站上得到?！　∵@一版修改和增加的內(nèi)容，直接采用更先進(jìn)的方法和手段。主要變化如下：　　更加致力于實(shí)例和統(tǒng)計(jì)軟件的一體化。這包括要求學(xué)生去使用普倫蒂斯霍爾網(wǎng)站的小型應(yīng)用程序來完成一些新練習(xí)，以幫助學(xué)習(xí)抽樣分布、置信區(qū)間以及顯著性檢驗(yàn)的基本概念。　　為使本書更加容易地被低年級(jí)學(xué)生接受，在書的前9章略微降低了技術(shù)水平。為此，簡化或省略了一些符號(hào)?！　〉?章，在描述統(tǒng)計(jì)上，用單獨(dú)一節(jié)討論位置測度，例如百分位數(shù)及相關(guān)的主題如箱圖和異常值。還有一小節(jié)討論二元描述方法。這可使學(xué)生及早接觸到列聯(lián)表和回歸分析方法及其要點(diǎn)，即在實(shí)踐中，感興趣的變量幾乎總是不止一個(gè)。本節(jié)還介紹關(guān)聯(lián)的概念，以及響應(yīng)變量和解釋變量?！　〉?章增加了新的一節(jié)，它介紹有關(guān)頻數(shù)的概念并簡單概述了偶爾在教材中應(yīng)用的3個(gè)基本概率規(guī)則。　　第5～7章對(duì)均值的推斷資料已經(jīng)修改為完全依賴于t分布，而不是對(duì)大樣本使用z檢驗(yàn)和對(duì)小樣本使用t檢驗(yàn)。這使得結(jié)果與軟件輸出一致。我仍舊強(qiáng)調(diào)的是對(duì)t分布的正態(tài)性假定主要是小樣本單側(cè)推斷的需要?！　〉?章，關(guān)于置信區(qū)間，現(xiàn)在在均值之前介紹比例（它只依賴于正態(tài)分布），修改的部分原因緣于對(duì)均值推斷總是使用t分布。如此，學(xué)生利用在第4章最后學(xué)到的關(guān)于正態(tài)分布被看做抽樣分布的知識(shí)（也就是，對(duì)于比例，誤差邊緣用z-分?jǐn)?shù)乘以標(biāo)準(zhǔn)誤，而不是t-分?jǐn)?shù)乘以標(biāo)準(zhǔn)誤），可以學(xué)到置信區(qū)間的基本概念。這次t分布推遲一節(jié)介紹，這樣學(xué)生不會(huì)同時(shí)遇到太多新的問題?！　〉?章，在兩組的比較上，增加新的一節(jié)介紹二元分析的思想，提醒學(xué)生注意響應(yīng)變量和解釋變量之間的區(qū)別，定義獨(dú)立樣本和相依樣本，討論如何用兩個(gè)參數(shù)的差異或兩個(gè)參數(shù)的比來比較兩組，以及顯示用來測度兩個(gè)獨(dú)立估計(jì)之間差異的標(biāo)準(zhǔn)誤的一般公式。7.3節(jié)介紹模型的概念?！　〉?2章，在方差分析（ANOVA）上，解釋了F檢驗(yàn)背后的思想且在推出平方和公式之前給出一個(gè)實(shí)例?！　〉?5章提供了一個(gè)技術(shù)含量較少的邏輯斯蒂回歸的解釋和它擴(kuò)展到名義和有序響應(yīng)變量方面的介紹?！　〉?6章包括了新的一節(jié)，即縱向數(shù)據(jù)分析和多水平（分層）模型?！　≡诮y(tǒng)計(jì)課程中教材的使用　　像前三版一樣，這一版可做為本科生開設(shè)一個(gè)學(xué)期或研究生開設(shè)兩個(gè)學(xué)期的統(tǒng)計(jì)入門課程的教材。第1～9章是適用于單學(xué)期的基礎(chǔ)課程。如果教師希望教得更多或希望涉及一些更深的資料，那么可以簡單地省去一些與連續(xù)性無關(guān)的章節(jié)，包括2.4、5.5、6.6～6.7、7.5～7.7和8.5～8.6節(jié)。同樣，第7～9章和12.1～12.2節(jié)是獨(dú)立的，并且教師在授完第1～6章涵蓋基礎(chǔ)的課程后，可以直接講授這些章節(jié)的任何一處。適合于一個(gè)學(xué)期課程的四種可能的選擇如下：　　第1～9章（可能省去以上提到的章節(jié)）：標(biāo)準(zhǔn)典型的教學(xué)內(nèi)容，包括基礎(chǔ)的描述統(tǒng)計(jì)和推斷統(tǒng)計(jì)、兩樣本過程、列聯(lián)表和線性回歸?！　〉?～7、9、11章：重點(diǎn)為回歸?！　〉?～7、9章及12.1～12.2節(jié)：在兩組比較之后，介紹回歸和方差分析。　　第1～8、10章：強(qiáng)調(diào)分類數(shù)據(jù)資料、多元關(guān)系的基本問題?！　〔还茚槍?duì)何種類型的數(shù)據(jù)資料，我堅(jiān)信用模型范例強(qiáng)調(diào)參數(shù)估計(jì)比許多統(tǒng)計(jì)教科書中的人為的假設(shè)檢驗(yàn)方法更有用。為此，基礎(chǔ)的推斷章節(jié)（第5～8章）解釋了置信區(qū)間的優(yōu)勢超過顯著性檢驗(yàn)，并且本書的后半部分（從第9章開始）主要涉及模型構(gòu)建。在7.5節(jié)中，在描述比較均值的兩種方法中介紹模型的概念。建模資料構(gòu)成了第二個(gè)學(xué)期課程的基礎(chǔ)?！　≡诠?jié)、小節(jié)或練習(xí)中出現(xiàn)用星號(hào)（*）標(biāo)記的一些資料。這些資料是選修的，對(duì)入門學(xué)習(xí)者來說不重要。教科書沒有試圖介紹每一種可以用到的方法，因?yàn)樗鼞?yīng)該是一個(gè)教學(xué)工具，不是百科全書般的菜譜。它涵蓋了社會(huì)科學(xué)研究中絕大部分重要的方法，并且它包含了在統(tǒng)計(jì)入門教材中不常討論的主題，如　　比 提供更多的信息的列聯(lián)表方法，如單元?dú)埐睿╟ell residuals）及使用分類排序的分析；　　變量控制，以及涉及因果關(guān)系的問題；　　廣義線性模型方法，包括普通回歸、方差和協(xié)方差分析、標(biāo)準(zhǔn)差與均值比例的非負(fù)響應(yīng)的伽馬回歸、分類響應(yīng)的邏輯斯蒂回歸及列聯(lián)表的對(duì)數(shù)線性關(guān)聯(lián)模型?！　∥蚁嘈艑W(xué)生成功地完成本書的學(xué)習(xí)后，將會(huì)在應(yīng)用統(tǒng)計(jì)方法方面打下一個(gè)堅(jiān)實(shí)的基礎(chǔ)?！　∽g者序　　社會(huì)統(tǒng)計(jì)學(xué)是一門應(yīng)用極為廣泛的學(xué)科，它不但應(yīng)用于金融、保險(xiǎn)、經(jīng)濟(jì)、人文學(xué)科等領(lǐng)域，而且還在醫(yī)學(xué)、商業(yè)管理、動(dòng)物學(xué)、公共衛(wèi)生、教育學(xué)等領(lǐng)域相互滲透。除社會(huì)統(tǒng)計(jì)學(xué)專業(yè)外，它也是許多其他專業(yè)開設(shè)的一門必修課程。　　本書的兩位作者Alan Agresti和Barbara Finlay在大學(xué)多年從事社會(huì)統(tǒng)計(jì)學(xué)方面的教學(xué)與研究工作。第一作者Alan Agresti教授是一位在社會(huì)統(tǒng)計(jì)學(xué)領(lǐng)域享有盛名的統(tǒng)計(jì)學(xué)家，曾獲得由美國統(tǒng)計(jì)協(xié)會(huì)芝加哥分會(huì)頒發(fā)的2003年度杰出統(tǒng)計(jì)學(xué)家稱號(hào)。歷任美國統(tǒng)計(jì)協(xié)會(huì)理事、數(shù)理統(tǒng)計(jì)學(xué)院理事、佛羅里達(dá)大學(xué)研究基金會(huì)教授等職務(wù)。Alan Agresti教授論文著作頗豐，本書是他眾多力作中的又一本代表性作品，該書在世界各地被許多大學(xué)選為教材或教學(xué)參考書?！　”緯鵀榈?版。為便于讀者更容易理解書中出現(xiàn)的各個(gè)統(tǒng)計(jì)基本概念，掌握各個(gè)概念之間的聯(lián)系，原書作者還對(duì)部分章節(jié)的內(nèi)容及其出現(xiàn)的先后順序進(jìn)行了微調(diào)。關(guān)于這一點(diǎn)，原書作者已在序中作了詳細(xì)的說明。本教材可以在大學(xué)的兩個(gè)學(xué)期中使用，非常適合初學(xué)者作為統(tǒng)計(jì)學(xué)的入門書。正如作者在其序中所述的，本書第1～9章介紹常用社會(huì)統(tǒng)計(jì)學(xué)的方法，可作為本科生的單學(xué)期教材；第10～16章可作為研究生的單學(xué)期教材。顯然后一部分的內(nèi)容也可以作為為本科生開設(shè)的社會(huì)統(tǒng)計(jì)學(xué)提高班的課程?！　”緯鴹l理清晰、邏輯性強(qiáng)、涉及面廣，除保留前三版中原有的統(tǒng)計(jì)方法外，還添加了許多新的內(nèi)容，引進(jìn)了統(tǒng)計(jì)學(xué)中最新的研究成果，并在第16章中進(jìn)行了初步介紹，反映了本學(xué)科發(fā)展的前景。在例題和習(xí)題方面，更加注意引用實(shí)際生活中出現(xiàn)的實(shí)例。使我們很清晰地看到，統(tǒng)計(jì)離我們很近，就在日常的生活中。對(duì)統(tǒng)計(jì)的學(xué)習(xí)，不需要高深的數(shù)學(xué)基礎(chǔ)，但對(duì)統(tǒng)計(jì)方法的使用，需要注意各方面的條件限制。這一點(diǎn)作者憑借其豐富的教學(xué)經(jīng)驗(yàn)，通過其細(xì)膩的寫作手法，以及對(duì)問題的剖析，將各種方法的使用要點(diǎn)淋漓盡致地展現(xiàn)在讀者的面前。作者用其深厚的社會(huì)統(tǒng)計(jì)學(xué)功底，對(duì)一些統(tǒng)計(jì)概念的理解上容易出現(xiàn)偏差的地方，不惜筆墨重點(diǎn)進(jìn)行了詳解。例如，在假設(shè)檢驗(yàn)中，為什么不能接受無效假設(shè)，P為什么不是無效假設(shè)成立的概率等，給我們留下了深刻的影響。本書每章最后都給出了本章重點(diǎn)的概要，使讀者很清楚各章的要點(diǎn)?！　∽g者　　2011年6月于北京

內(nèi)容概要

　　本書面向?qū)嶋H，從實(shí)例入手，闡明社會(huì)科學(xué)統(tǒng)計(jì)方法，致力于實(shí)例和統(tǒng)計(jì)軟件的一體化。主要內(nèi)容包括抽樣和測量、描述統(tǒng)計(jì)、概率分布、統(tǒng)計(jì)推斷：估計(jì)、統(tǒng)計(jì)推斷：顯著性檢驗(yàn)、兩組比較、分類變量之間的關(guān)聯(lián)分析、線性回歸和相關(guān)、多元關(guān)系概述、多元回歸分析和相關(guān)分析、多組比較：方差分析（ANOVA）、組合回歸分析和方差分析：定量和分類預(yù)測變量、構(gòu)建多元回歸模型、邏輯斯蒂回歸：構(gòu)建分類響應(yīng)變量、高級(jí)統(tǒng)計(jì)方法概述。本版增加了許多新練習(xí)，強(qiáng)調(diào)實(shí)際數(shù)據(jù)的應(yīng)用。每章后包括配套課后習(xí)題及拓展綜合練習(xí)，便于讀者對(duì)統(tǒng)計(jì)方法的學(xué)習(xí)和掌握。

作者簡介

作者：(美國)阿倫?艾格瑞斯蒂 (Alan Agresti) (美國)巴巴拉?芬蕾 (Barbara Finlay) 譯者：朱紅兵 何麗娟 合著者：盧紋岱

書籍目錄

第1章　引言　
　1.1　統(tǒng)計(jì)方法論介紹　
　為什么要學(xué)習(xí)統(tǒng)計(jì)　
　數(shù)據(jù)　
　什么是統(tǒng)計(jì)學(xué)　
　1.2　描述統(tǒng)計(jì)和推斷統(tǒng)計(jì)　
　總體和樣本　
　參數(shù)和統(tǒng)計(jì)量　
　定義總體：實(shí)際總體和概念總體　
　1.3　計(jì)算機(jī)在統(tǒng)計(jì)中的作用　
　統(tǒng)計(jì)軟件　
　數(shù)據(jù)文件　
　統(tǒng)計(jì)軟件的使用和誤用　
　1.4　本章概要　
　思考題　
第2章　抽樣和測量　
　2.1　變量及其測度　
　變量　
　定量（數(shù)量）變量和分類變量　
　名義、有序和間隔測度尺度　
　有序數(shù)據(jù)的數(shù)量　
　離散型變量和連續(xù)型變量　
　2.2　隨機(jī)化　
　簡單隨機(jī)抽樣　
　如何去選擇一個(gè)簡單隨機(jī)樣本　
　用抽樣調(diào)查收集數(shù)據(jù)　
　用實(shí)驗(yàn)收集數(shù)據(jù)　
　用觀察研究收集數(shù)據(jù)　
　2.3　抽樣變異性和潛在偏差　
　抽樣誤差　
　抽樣偏差：非概率抽樣　
　響應(yīng)偏差　
　無響應(yīng)偏差：缺失數(shù)據(jù)　
　偏差類型總結(jié)　
　2.4　其他概率抽樣方法*　
　系統(tǒng)隨機(jī)抽樣（Systematic　Random
　Sampling）　
　分層隨機(jī)抽樣（Stratified　Random
　Sampling）　
　整群抽樣（Cluster　Sampling）　
　多階抽樣（Multstage　Sampling）　
　2.5　本章概要　
　思考題　
第3章　描述統(tǒng)計(jì)　
　3.1　用表和圖描述數(shù)據(jù)　
　相對(duì)頻數(shù)（relative　frequency）：
　分類數(shù)據(jù)　
　頻數(shù)分布和條形圖：分類數(shù)據(jù)　
　頻數(shù)分布：定量數(shù)據(jù)　
　直方圖（histogram）　
　莖葉圖（stem-and-leaf　plot）　
　比較組　
　總體分布和樣本數(shù)據(jù)分布　
　分布的形狀　
　3.2　數(shù)據(jù)分布的中心描述　
　均值（mean）　
　均值的性質(zhì)　
　中位數(shù)（median）　
　中位數(shù)性質(zhì)　
　中位數(shù)與均值的比較　
　眾數(shù)（mode）　
　眾數(shù)的性質(zhì)　
　3.3　數(shù)據(jù)分布的變異性描述　
　極差（range）　
　標(biāo)準(zhǔn)差（standard　deviation）　
　標(biāo)準(zhǔn)差的性質(zhì)　
　解釋標(biāo)準(zhǔn)差的大小　
　3.4　位置量度　
　四分位數(shù)和其他百分比　
　測定變異性：四分位數(shù)間距　
　箱圖：繪制位置的5個(gè)數(shù)字概括
　圖形　
　異常值（outlier）　
　離開均值多少個(gè)標(biāo)準(zhǔn)差？z分?jǐn)?shù)　
　3.5　二元描述統(tǒng)計(jì)　
　響應(yīng)變量（response　variable）和解釋
　變量（explanatory　variable）之間
　的關(guān)聯(lián)　
　比較兩組是二元分析　
　二元定量數(shù)據(jù)　
　兩個(gè)以上變量的分析　
　3.6　樣本統(tǒng)計(jì)和總體參數(shù)　
　3.7　本章概要　
　表、圖小結(jié)　
　中心量度的小結(jié)　
　變異性量度的小結(jié)　
　二元描述統(tǒng)計(jì)的小結(jié)　
　思考題　
第4章　概率分布　
　4.1　概率介紹　
　概率可視為長期（long-run）相對(duì)
　頻數(shù)　
　基本概率規(guī)則　
　4.2　離散型和連續(xù)型變量的概率分布　
　離散型變量的概率分布　
　連續(xù)型變量的概率分布　
　參數(shù)描述概率分布　
　4.3　正態(tài)概率分布　
　正態(tài)尾部概率表　
　正態(tài)概率和經(jīng)驗(yàn)法則　
　求某個(gè)尾部概率的z值　
　z分?jǐn)?shù)是離開均值的標(biāo)準(zhǔn)差數(shù)　
　標(biāo)準(zhǔn)正態(tài)分布　
　4.4　抽樣分布描述了統(tǒng)計(jì)量如何變化　
　模擬估計(jì)過程　
　用抽樣分布表示抽樣變異　
　重復(fù)抽樣的抽樣分布說明　
　4.5　樣本均值的抽樣分布　
　的抽樣分布的均值和標(biāo)準(zhǔn)誤　
　樣本量對(duì)抽樣分布和估計(jì)精度的
　影響　
　樣本均值的抽樣分布近似正態(tài)　
　4.6　小結(jié)：總體、樣本數(shù)據(jù)以及抽樣
　　分布　
　在樣本數(shù)據(jù)分布和抽樣分布上
　樣本量的影響　
　在統(tǒng)計(jì)推斷中抽樣分布的關(guān)鍵作用　
　4.7　本章概要　
　思考題　
第5章　統(tǒng)計(jì)推斷：估計(jì)　
　5.1　點(diǎn)估計(jì)和區(qū)間估計(jì)　
　參數(shù)的點(diǎn)估計(jì)　
　無偏和有效點(diǎn)估計(jì)　
　均值、標(biāo)準(zhǔn)差和比例的估計(jì)量　
　極大似然估計(jì)方法*　
　置信區(qū)間等于點(diǎn)估計(jì)±誤差邊際
?。╩argin　of　error）　
　5.2　比例的置信區(qū)間　
　樣本比例和其標(biāo)準(zhǔn)誤　
　大樣本比例的置信區(qū)間　
　控制置信水平　
　大樣本量給出狹窄的區(qū)間　
　錯(cuò)誤概率=1-置信水平　
　置信水平是長期正確的比例　
　方法的有效性需要大樣本量　
　5.3　均值的置信區(qū)間　
　估計(jì)誤差邊際的標(biāo)準(zhǔn)誤　
　t分布　
　t分布的性質(zhì)　
　均值置信區(qū)間里的t分?jǐn)?shù)　
　置信水平和樣本量的作用　
　關(guān)于正態(tài)總體假定違反的穩(wěn)健性　
　標(biāo)準(zhǔn)正態(tài)是df　=無限時(shí)的t分布　
　對(duì)使用軟件的忠告　
　5.4　樣本量的選擇　
　估計(jì)比例的樣本量　
　估計(jì)比例時(shí)的樣本量公式　
　估計(jì)均值時(shí)的樣本量　
　在確定樣本量中其他要考慮的
　因素　
　只有一個(gè)小樣本該怎么辦　
　5.5　中位數(shù)和其他參數(shù)的置信區(qū)間　
　樣本中位數(shù)對(duì)正態(tài)數(shù)據(jù)的
　低效率　
　大樣本時(shí)中位數(shù)的置信區(qū)間　
　自舉法（bootstrap）　
　5.6　本章概要　
　思考題　
第6章　統(tǒng)計(jì)推斷：顯著性檢驗(yàn)　
　6.1　顯著性檢驗(yàn)的五個(gè)部分　
　假定　
　假設(shè)　
　檢驗(yàn)統(tǒng)計(jì)量　
　P值　
　結(jié)論　
　6.2　關(guān)于一個(gè)均值的顯著性檢驗(yàn)　
　關(guān)于一個(gè)均值的顯著性檢驗(yàn)的
　五個(gè)部分　
　雙側(cè)檢驗(yàn)與置信區(qū)間之間的對(duì)應(yīng)
　關(guān)系　
　單側(cè)顯著性檢驗(yàn)　
　單側(cè)H隱含單側(cè)H0　
　單側(cè)檢驗(yàn)與雙側(cè)檢驗(yàn)的選擇　
　水平：使用P值做決策　
　違反正態(tài)假定的穩(wěn)健性　
　6.3　一個(gè)比例的顯著性檢驗(yàn)　
　對(duì)一個(gè)比例顯著性檢驗(yàn)的五個(gè)
　部分　
　從不“接受H0”　
　樣本量對(duì)P值的影響　
　6.4　在檢驗(yàn)中的決策和錯(cuò)誤類型　
　對(duì)決策的第一類型和第二類型
　錯(cuò)誤　
　拒絕域　
　水平是第一類型錯(cuò)誤的概率　
　當(dāng)P（第一類型錯(cuò)誤）下降時(shí)，
　P（第二類型錯(cuò)誤）上升　
　置信區(qū)間和檢驗(yàn)決策之間的等價(jià)
　關(guān)系　
　對(duì)報(bào)告的P值做一個(gè)決策　
　6.5　顯著性檢驗(yàn)的局限性　
　統(tǒng)計(jì)顯著與實(shí)際顯著　
　顯著性檢驗(yàn)并不比置信區(qū)間有用　
　對(duì)顯著性檢驗(yàn)和P值的曲解　
　6.6　計(jì)算P（第二類型錯(cuò)誤）*　
　檢驗(yàn)使用的　越小P（第二類型
　錯(cuò)誤）越大　
　檢驗(yàn)的功效（勢）（power）　
　6.7　關(guān)于一個(gè)比例的小樣本檢驗(yàn)——
　　二項(xiàng)分布*　
　二項(xiàng)分布　
　二項(xiàng)分布的比例　
　二項(xiàng)式檢驗(yàn)　
　6.8　本章概要　
　思考題　
第7章　兩組比較　
　7.1　比較兩組的預(yù)備知識(shí)　
　有響應(yīng)變量和解釋變量時(shí)的
　雙變量（二元）分析　
　相依樣本和獨(dú)立樣本　
　估計(jì)的差異及其標(biāo)準(zhǔn)誤　
　參數(shù)的比率　
　7.2　分類數(shù)據(jù)：比較兩組比例　
　關(guān)于比例差異的置信區(qū)間　
　解釋一個(gè)置信區(qū)間比較比例　
　關(guān)于2-1的顯著性檢驗(yàn)　
　列聯(lián)表和條件概率　
　7.3　定量數(shù)據(jù)：比較兩個(gè)均值　
　2-1的置信區(qū)間　
　解釋一個(gè)置信區(qū)間比較均值　
　關(guān)于2-1的顯著性檢驗(yàn)　
　在置信區(qū)間和檢驗(yàn)之間的對(duì)應(yīng)
　關(guān)系　
　7.4　比較相依樣本的均值　
　適用于匹配樣本的配對(duì)差異得分　
　使用配對(duì)差異推斷比較均值　
　獨(dú)立樣本與相依樣本　
　7.5　比較均值的其他方法*　
　在假定等方差時(shí)比較均值　
　完全隨機(jī)設(shè)計(jì)與隨機(jī)區(qū)組設(shè)計(jì)　
　根據(jù)軟件給出的報(bào)表進(jìn)行推斷　
　效應(yīng)量　
　適用于均值的一個(gè)模型　
　7.6　比較比例的其他方法*　
　比較相依比例　
　比較相依比例的麥克尼馬爾檢驗(yàn)　
　相依比例差異的置信區(qū)間　
　比較比例的費(fèi)歇精確檢驗(yàn)　
　比較兩個(gè)比例的小樣本估計(jì)　
　7.7　比較兩組的非參數(shù)統(tǒng)計(jì)量*　
　威爾科克森-曼-惠特尼檢驗(yàn)　
　效應(yīng)量：對(duì)一個(gè)組更好響應(yīng)的
　比例　
　處理有序變量為定量變量　
　7.8　本章概要　
　思考題　
第8章　分類變量之間的關(guān)聯(lián)分析　
　8.1　列聯(lián)表　
　百分比比較　
　構(gòu)建列聯(lián)表的原則　
　獨(dú)立和相依　
　8.2　獨(dú)立性的卡方檢驗(yàn)　
　對(duì)應(yīng)于獨(dú)立的期望頻數(shù)　
　卡方檢驗(yàn)統(tǒng)計(jì)量　
　卡方分布　
　需要的樣本量　
　用軟件進(jìn)行卡方檢驗(yàn)　
　自由度的解釋　
　卡方檢驗(yàn)和類別處理　
　8.3　殘差：檢測關(guān)聯(lián)模式　
　殘差分析　
　卡方和2×2（四格）表的比例
　差異　
　2×2表的標(biāo)準(zhǔn)化殘差　
　大于2×2的表需要用卡方　
　8.4　列聯(lián)表中關(guān)聯(lián)的量度　
　關(guān)聯(lián)的量度　
　比例差異　
　卡方不是對(duì)關(guān)聯(lián)的測量　
　優(yōu)勢比（比數(shù)比）　
　優(yōu)勢比的性質(zhì)　
　r×c列聯(lián)表的優(yōu)勢比*　
　概述r×c表關(guān)聯(lián)的量度　
　8.5　兩個(gè)有序變量之間的關(guān)聯(lián)*　
　一致和不一致　
?。╣amma）　
　是兩個(gè)有序比例的差異　
　有序量度的公共特性　
　8.6　對(duì)有序關(guān)聯(lián)的推斷　
　關(guān)聯(lián)量度的置信區(qū)間　
　使用　的獨(dú)立性檢驗(yàn)　
　有序檢驗(yàn)與皮爾遜卡方檢驗(yàn)　
　對(duì)其他有序量度的相似推斷方法　
　混合的有序——名義列聯(lián)表　
　8.7　本章概要　
　思考題　
第9章　線性回歸和相關(guān)　
　9.1　線性關(guān)系　
　線性函數(shù)（linear　function）　
　解釋y的截距和斜率　
　模型是對(duì)實(shí)際的簡單近似　
　9.2　最小平方預(yù)測方程　
　散點(diǎn)圖描繪數(shù)據(jù)　
　預(yù)測方程　
　異常值對(duì)預(yù)測方程的影響　
　預(yù)測誤差被稱為殘差　
　預(yù)測方程有最小平方性質(zhì)　
　9.3　線性回歸模型　
　線性回歸函數(shù)　
　描述回歸直線的變異　
　均方誤（差）：估計(jì)條件變異　
　條件變異往往小于邊緣變異　
　9.4　量度線性關(guān)聯(lián)：相關(guān)　
　斜率和關(guān)聯(lián)強(qiáng)度　
　相關(guān)　
　相關(guān)的性質(zhì)　
　相關(guān)暗示向均值回歸　
　r2：預(yù)測誤差減少的比例　
　r2的性質(zhì)　
　平方和描述條件變異和邊緣變異　
　9.5　對(duì)斜率和相關(guān)系數(shù)的推斷　
　對(duì)統(tǒng)計(jì)推斷的假定　
　獨(dú)立性檢驗(yàn)　
　斜率的置信區(qū)間　
　讀懂計(jì)算機(jī)打印輸出結(jié)果　
　對(duì)相關(guān)的推斷*　
　缺失值（missing　data）　
　9.6　模型的假定及違背　
　哪一個(gè)假定是重要的　
　外推是危險(xiǎn)的　
　有影響的觀測值　
　影響相關(guān)的因素　
　有誤差項(xiàng)的回歸模型*　
　模型和現(xiàn)實(shí)　
　9.7　本章概要　
　思考題　
第10章　多元關(guān)系概述　
　10.1　關(guān)聯(lián)關(guān)系和因果關(guān)系　
　10.2　對(duì)其他變量的控制　
　社會(huì)學(xué)研究中的統(tǒng)計(jì)控制　
　統(tǒng)計(jì)控制的關(guān)聯(lián)類型　
　警惕隱變量的存在　
　10.3　多變量關(guān)系的類型　
　偽關(guān)聯(lián)（spurious　association）　
　鏈關(guān)系（chain　relationship）　
　多個(gè)因果關(guān)系　
　抑制變量（suppressor　variable）　
　統(tǒng)計(jì)的交互作用　
　多變量關(guān)系小結(jié)　
　混雜作用使得效應(yīng)難以評(píng)估　
　10.4　統(tǒng)計(jì)控制中的推斷問題　
　分表分析中小樣本的影響　
　控制變量的類別影響　
　對(duì)照比較和合并的測度　
　10.5　本章概要　
　思考題　
第11章　多元回歸分析和相關(guān)分析　
　11.1　多元回歸模型　
　多元回歸函數(shù)　
　回歸系數(shù)的解釋　
　預(yù)測方程和殘差　
　11.2　多元回歸分析計(jì)算機(jī)輸出實(shí)例　
　描述雙變量關(guān)系的散點(diǎn)圖　
　對(duì)偏相關(guān)繪制偏相關(guān)圖　
　計(jì)算機(jī)輸出結(jié)果樣例　
　11.3　復(fù)相關(guān)和R2　
　復(fù)相關(guān)　
　R2：多元決定系數(shù)　
　R和R2的性質(zhì)　
　多個(gè)解釋變量的多重共線性　
　11.4　多元回歸系數(shù)的統(tǒng)計(jì)推斷　
　檢驗(yàn)解釋變量的整體影響　
　F分布　
　回歸系數(shù)的統(tǒng)計(jì)推斷　
　方差分析表中的變差和均方差*　
　F統(tǒng)計(jì)量是均方誤差之比　
　F統(tǒng)計(jì)量與t統(tǒng)計(jì)量之間的關(guān)系　
　11.5　預(yù)測變量間的交互作用　
　交叉乘積項(xiàng)　
　檢驗(yàn)交互作用項(xiàng)　
　中心化解釋變量*　
　擴(kuò)展與限制*　
　11.6　回歸模型的比較　
　全模型和簡化模型　
　用殘差平方和SSE或決定系數(shù)
　R2值進(jìn)行模型比較　
　11.7　偏相關(guān)*　
　對(duì)偏相關(guān)系數(shù)的解釋　
　對(duì)偏相關(guān)系數(shù)平方的解釋　
　高階偏相關(guān)系數(shù)　
　偏相關(guān)系數(shù)的統(tǒng)計(jì)推斷　
　11.8　標(biāo)準(zhǔn)化回歸系數(shù)　
　標(biāo)準(zhǔn)化回歸系數(shù)的方法　
　標(biāo)準(zhǔn)化回歸系數(shù)的性質(zhì)　
　預(yù)測方程的標(biāo)準(zhǔn)化形式*　
　謹(jǐn)慎比較標(biāo)準(zhǔn)化回歸系數(shù)　
　11.9　本章概要　
　思考題　
第12章　多組比較：方差分析
　（ANOVA）　
　12.1　多個(gè)均值的比較：方差分析
　　F檢驗(yàn)　
　對(duì)均值比較的F檢驗(yàn)的假定　
　組間變異和組內(nèi)變異　
　F檢驗(yàn)統(tǒng)計(jì)量是兩個(gè)方差估計(jì)
　之比　
　F檢驗(yàn)統(tǒng)計(jì)量的公式是　
　組內(nèi)方差估計(jì)*　
　組間方差估計(jì)　
　方差分析表中的平方和*　
　F檢驗(yàn)與多個(gè)t檢驗(yàn)　
　12.2　均值的多重比較　
　置信區(qū)間比較均值　
　大量置信區(qū)間的錯(cuò)誤率　
　均值多重比較Bonferroni法　
　均值多重比較Tukey法　
　12.3　用回歸模型進(jìn)行方差分析　
　回歸中的虛擬變量　
　回歸中用方差分析檢驗(yàn)比較
　均值　
　為什么使用回歸分析來做方差
　分析呢　
　12.4　雙因素方差分析　
　雙因素方差分析中的主效應(yīng)
　假設(shè)　
　主效應(yīng)的F檢驗(yàn)　
　雙因素方差分析的交互效應(yīng)　
　H0：沒有交互效應(yīng)的F檢驗(yàn)　
　12.5　雙因素方差分析和回歸分析　
　假定沒有交互效應(yīng)的回歸模型　
　有交互效應(yīng)的回歸模型　
　偏平方和　
　雙因素方差分析的多重比較　
　析因方差分析　
　12.6　重復(fù)測量的方差分析*　
　有重復(fù)測量的單因素方差分析　
　球形假定和復(fù)合對(duì)稱性　
　相依樣本的置信區(qū)間比較　
　固定效應(yīng)和隨機(jī)效應(yīng)　
　12.7　一個(gè)因素是重復(fù)測量的雙因素
　　方差分析*　
　在兩個(gè)固定效應(yīng)之一上進(jìn)行
　重復(fù)測量　
　在上面分析的基礎(chǔ)上構(gòu)造置信
　區(qū)間　
　治療方法的Bonferroni多重比較　
　更復(fù)雜的重復(fù)測量分析　
　兩次以上的重復(fù)測量　
　12.8　違背方差分析假定的影響　
　F檢驗(yàn)的穩(wěn)健性　
　Kruskal-Wallis檢驗(yàn)：非參數(shù)
　檢驗(yàn)方法　
　12.9　本章概要　
　思考題　
第13章　組合回歸分析和方差分析:
　定量和分類預(yù)測變量　
　13.1　均值比較和回歸直線比較　
　比較回歸直線　
　控制x，比較y的均值　
　13.2　有定量和分類預(yù)測變量的回歸　
　定量和虛擬解釋變量　
　對(duì)參數(shù)的解釋：沒有交互效應(yīng)
　的模型　
　13.3　定量預(yù)測變量和分類預(yù)測變量
　之間允許交互作用　
　對(duì)不同模型的R或R2的比較　
　多個(gè)分類和定量預(yù)測變量的回歸
　分析　
　13.4　用定量和分類預(yù)測變量進(jìn)行回歸
　　的統(tǒng)計(jì)推斷　
　沒有交互效應(yīng)的檢驗(yàn)　
　控制x，檢驗(yàn)分類變量的效應(yīng)　
　用方差分析結(jié)果進(jìn)行比較　
　控制分類變量，檢驗(yàn)x的效應(yīng)　
　13.5　修正均值*　
　控制協(xié)變量，修正響應(yīng)變量的
　均值　
　比較修正均值　
　圖示解釋說明修正均值　
　修正均值的多重比較　
　謹(jǐn)慎使用假設(shè)的修正均值　
　13.6　本章概要　
　思考題　
第14章　構(gòu)建多元回歸模型　
　14.1　模型選擇過程　
　為模型選擇解釋變量　
　向后剔除過程　
　向前選擇和逐步回歸過程　
　自動(dòng)選擇過程的局限性和弊端　
　探索研究與解釋性（理論驅(qū)動(dòng)）
　研究　
　選擇模型的指標(biāo)：調(diào)整R2、預(yù)測
　的殘差平方和Cp　
　14.2　回歸診斷　
　檢驗(yàn)殘差　
　繪制殘差與解釋變量圖　
　時(shí)間序列數(shù)據(jù)　
　檢測有影響的觀測值：杠桿值　
　檢測有影響的觀測值：DFFIT和
　DFBETA　
　14.3　多重共線性的影響　
　多重共線性擴(kuò)大了標(biāo)準(zhǔn)誤　
　VIF和其他多重共線性指標(biāo)　
　存在多重共線性的補(bǔ)救措施　
　14.4　廣義線性模型　
　非正態(tài)分布的響應(yīng)變量　
　廣義線性模型的連接函數(shù)　
　響應(yīng)變量為正態(tài)分布的廣義
　線性模型　
　響應(yīng)變量服從γ分布的廣義
　線性模型　
　14.5　非線性關(guān)系：多項(xiàng)式回歸　
　二次回歸模型　
　二次回歸模型的說明與擬合　
　非線性效應(yīng)的描述和推斷　
　謹(jǐn)慎使用多項(xiàng)式模型　
　非參數(shù)回歸*　
　14.6　指數(shù)回歸和對(duì)數(shù)轉(zhuǎn)換*　
　對(duì)指數(shù)回歸模型的解釋　
　轉(zhuǎn)換預(yù)測變量以獲取線性　
　14.7　本章概要　
　思考題　
第15章　邏輯斯蒂回歸：構(gòu)建分類
　響應(yīng)變量模型　
　15.1　邏輯斯蒂回歸　
　線性概率模型　
　二分響應(yīng)變量的邏輯斯蒂回歸
　模型　
　概率的邏輯斯蒂回歸方程　
　對(duì)邏輯斯蒂回歸模型的解釋　
　使用幾率和優(yōu)勢比解釋　
　15.2　多元邏輯斯蒂回歸　
　幾率的效應(yīng)　
　概率的效應(yīng)　
　15.3　邏輯斯蒂回歸模型的統(tǒng)計(jì)推斷　
　Wald檢驗(yàn)和似然比獨(dú)立性檢驗(yàn)　
　多元邏輯斯蒂回歸的推斷　
　
　用似然比檢驗(yàn)比較邏輯斯蒂回歸
　模型　
　15.4　定序響應(yīng)變量的邏輯斯蒂回歸模型　
　累積概率和累積概率的logit　
　定序響應(yīng)變量的累積logit模型　
　對(duì)定序響應(yīng)變量效應(yīng)的推斷　
　響應(yīng)變量類別選擇的恒定性　
　多元模型的擴(kuò)展　
　邏輯斯蒂回歸模型中的定序
　預(yù)測變量　
　15.5　名義響應(yīng)變量的邏輯斯蒂模型*　
　基準(zhǔn)類別的Logit　
　15.6　分類變量的對(duì)數(shù)線性模型*　
　三個(gè)變量的分層對(duì)數(shù)線性模型　
　對(duì)數(shù)線性模型優(yōu)勢比的解釋　
　15.7　對(duì)列聯(lián)表構(gòu)建的模型進(jìn)行擬合
　優(yōu)度檢驗(yàn)*　
　卡方擬合優(yōu)度統(tǒng)計(jì)量　
　標(biāo)準(zhǔn)化殘差　
　對(duì)數(shù)線性模型的擬合優(yōu)度　
　通過比較G2值來比較模型　
　邏輯斯蒂模型和對(duì)數(shù)線性模型
　之間的聯(lián)系　
　邏輯斯蒂模型和對(duì)數(shù)線性模型
　之間的區(qū)別　
　15.8　本章概要　
　思考題　
第16章　高級(jí)統(tǒng)計(jì)方法概述　
　16.1　縱向數(shù)據(jù)分析*　
　MANOVA：多因變量方差分析　
　帶有隨機(jī)效應(yīng)的混合效應(yīng)模型　
　使用隨機(jī)效應(yīng)的一維重復(fù)測量
　方差分析　
　16.2　多層（分層）模型*　
　為兩個(gè)層上的觀測值構(gòu)建模型　
　16.3　事件歷史模型*　
　截尾數(shù)據(jù)和時(shí)變協(xié)變量　
　事件的發(fā)生率　
　比例風(fēng)險(xiǎn)模型　
　16.4　路徑分析*　
　路徑圖　
　路徑系數(shù)　
　直接效應(yīng)和間接效應(yīng)　
　路徑分解　
　對(duì)因果模型的一個(gè)告誡　
　16.5　因子分析*　
　因子分析模型　
　擬合因子分析模型　
　分類響應(yīng)變量的潛在分類模型　
　起源和爭議　
　16.6　結(jié)構(gòu)方程模型*　
　計(jì)量模型　
　結(jié)構(gòu)方程模型　
　協(xié)方差結(jié)構(gòu)模型中的特例　
　擬合協(xié)方差結(jié)構(gòu)模型　
　檢驗(yàn)?zāi)Ｐ蛿M合　
　16.7　馬爾可夫鏈*　
　轉(zhuǎn)移概率　
　思考題　
　附錄A　SPSS和SAS統(tǒng)計(jì)分析　
　附錄B　奇數(shù)練習(xí)答案　
　附錄C　統(tǒng)計(jì)檢驗(yàn)臨界值表　
參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁：插圖：從實(shí)際角度來看，其他要考慮的因素同樣影響樣本量。一個(gè)需要考慮的因素是預(yù)定的分析的復(fù)雜性。越復(fù)雜的分析，如很多變量同時(shí)分析等，需要越大的樣本。用均值來分析一個(gè)單變量，相對(duì)小的樣本或許就能滿足需要。計(jì)劃使用復(fù)雜的多元方法做多組比較，無論如何，需要一個(gè)較大的樣本。例如，例5.7表明在只用42個(gè)人的樣本我們也許就能很好地估計(jì)平均受教育程度。但是如果我們還想要比較幾個(gè)部落和種族組的均值以及研究均值如何受到其他變量如性別、雙親的收入和受教育程度以及社區(qū)規(guī)模等的影響，則需要一個(gè)較大的樣本。另一個(gè)要考慮的因素與時(shí)間、經(jīng)費(fèi)和其他資源有關(guān)。樣本越大需要消耗的時(shí)間、經(jīng)費(fèi)越多。與有效樣本相比它們可能需要更多的資源。例如，樣本量公式可能建議1000個(gè)樣品提供希望的精度。或許你只可以負(fù)擔(dān)得起收集400個(gè)樣品的費(fèi)用。你應(yīng)該用較小的樣本同時(shí)犧牲精度和／或犧牲置信度繼續(xù)前進(jìn)呢，還是在你找到更多的資源前應(yīng)該放棄呢？你可能需要回答問題，如“它對(duì)研究所有的組真的是至關(guān)重要的嗎，還是我可以通過集中幾個(gè)組來減少樣本呢？”總之，沒有簡單的公式總是可以給出一個(gè)近似的樣本量。當(dāng)樣本量是一個(gè)重要事情時(shí)，其選擇取決于資源和分析計(jì)劃。這需要認(rèn)真判斷。最后忠告：如果糟糕地進(jìn)行研究，或者如果從來沒有獲得樣本真實(shí)百分比的數(shù)據(jù)，或者一些被試對(duì)象說謊，或者如果觀察值被數(shù)據(jù)的收集者或被統(tǒng)計(jì)分析人員錯(cuò)誤地記錄，則在指定的誤差邊際內(nèi)準(zhǔn)確的實(shí)際概率可能遠(yuǎn)遠(yuǎn)小于預(yù)期。當(dāng)某人聲稱獲得某個(gè)精度和置信度，要持懷疑態(tài)度，除非你知道這項(xiàng)研究充分地澄清了此類問題。

編輯推薦

　　《社會(huì)科學(xué)統(tǒng)計(jì)方法（第4版）》例題豐富，實(shí)用性強(qiáng)，可作為統(tǒng)計(jì)專業(yè)本科生和研究生教材，也可供從事統(tǒng)計(jì)分析和決策的社會(huì)各領(lǐng)域各相關(guān)專業(yè)的讀者學(xué)習(xí)參考。

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    社會(huì)科學(xué)統(tǒng)計(jì)方法 PDF格式下載

---