分類數(shù)據(jù)分析的統(tǒng)計方法

前言

　　《分類數(shù)據(jù)分析的統(tǒng)計方法》（第2版）的中文版終于和讀者見面了，我感到非常高興?！　　斗诸悢?shù)據(jù)分析的統(tǒng)計方法》是我和Daniel Powers合著的，也是我的第一本書。第一版于2000年由美國的學(xué)術(shù)出版社（Academic Press）出版，第二版于2008年由英國的翡翠出版社（Emerald Group）出版。很榮幸的是，我們能在2009年英文第2版剛剛出版后不久就見到由社會科學(xué)文獻(xiàn)出版社出版發(fā)行的中文版?！　　斗诸悢?shù)據(jù)分析的統(tǒng)計方法》是為社會科學(xué)——特別是社會學(xué)——做定量研究的學(xué)者和學(xué)生專門寫作的教材和參考書。本書介紹、探討了許多社會科學(xué)定量研究中實際碰到的統(tǒng)計方法問題。這些方法是社會科學(xué)定量研究人員都應(yīng)該掌握的基本功，也是我對自己的所有學(xué)生都要求其學(xué)會的?？上У氖?，一些國內(nèi)的學(xué)者還認(rèn)為本書包括的內(nèi)容“太復(fù)雜”了。他們應(yīng)該知道，社會現(xiàn)象本身要更復(fù)雜得多。再復(fù)雜的統(tǒng)計方法都是建立在我們對更復(fù)雜的社會現(xiàn)象做大量簡化的基礎(chǔ)之上的。雖然統(tǒng)計方法最終不可能讓我們完美地了解社會現(xiàn)象，但不同的統(tǒng)計方法可以更好地適用于不同的社會科學(xué)研究應(yīng)用之中。換句話說，統(tǒng)計方法雖然不能給我們十全十美的答案，但適當(dāng)?shù)慕y(tǒng)計方法相比不適當(dāng)?shù)慕y(tǒng)計方法會給我們更可信、更有學(xué)術(shù)意義的答案。所以，一個社會科學(xué)定量研究做得好的學(xué)者應(yīng)該掌握各種不同的統(tǒng)計方法，才能做到對癥下藥。我希望本書中文版的出版有利于提高國內(nèi)社會科學(xué)定量研究的水平。

內(nèi)容概要

　  本書對分類數(shù)據(jù)分析的方法和模型，及其在社會科學(xué)研究中的應(yīng)用做了全面介紹。它的一個明確目標(biāo)是整合變換方法和潛在變量方法，這是兩類不同但又相互補充的處理分類數(shù)據(jù)分析的傳統(tǒng)方法。這也是第一次在一本單冊書中詳細(xì)地介紹針對離散因變量、交叉分類和跟蹤數(shù)據(jù)的模型與方法。目前還沒有看到類似的著作?！　”緯牡?版增加了應(yīng)用于分類數(shù)據(jù)的多層模型。許多章節(jié)的內(nèi)容經(jīng)過了進(jìn)一步的修訂，并擴(kuò)充了新的應(yīng)用實例。第2版顯著的特點是詳細(xì)討論了針對分層或多層模型的經(jīng)典貝葉斯估計技術(shù)，拓展了離散時間生存分析模型和Cox回歸模型的內(nèi)容，以及針對背離模型假設(shè)的評估和調(diào)適方法。輔助網(wǎng)站的內(nèi)容包含了使用各種統(tǒng)計軟件包重復(fù)書中每一個例子的程序，實踐證明是教師、學(xué)生和研究者學(xué)習(xí)的重要資源?！　”緯榻B了基本的方法和模型，它們構(gòu)成了當(dāng)代社會統(tǒng)計學(xué)的核心。這些模型跨度非同尋常，它們被廣泛應(yīng)用于社會學(xué)、人口學(xué)、心理測量學(xué)、計量經(jīng)濟(jì)學(xué)、政治學(xué)、生物統(tǒng)計學(xué)及其他領(lǐng)域。本書作為學(xué)生學(xué)習(xí)高級社會統(tǒng)計課程的教材和應(yīng)用研究者的參考書是非常有用的。

作者簡介

　　丹尼爾·A.鮑威斯（Daniel A.Powers）美國得克薩斯大學(xué)奧斯汀分校社會學(xué)系副教授、人口研究中心研究員。其研究領(lǐng)域包括：應(yīng)用統(tǒng)計學(xué)和研究方法、社會人口學(xué)、社會分層、生育和死亡研究，最近的研究主要是嬰兒死亡的種族差異和非線性模型的分解技術(shù)。主要著作有《分類數(shù)據(jù)

書籍目錄

第1章　緒論　1.1　為什么需要分類數(shù)據(jù)分析？　1.2　分類數(shù)據(jù)的兩種哲學(xué)觀點　1.3　一個發(fā)展史的注腳　1.4　本書特點第2章　線性回歸模型回顧　2.1　回歸模型　2.2　再談線性回歸模型　2.3　分類變量和連續(xù)型因變量之間的區(qū)別第3章　二分類數(shù)據(jù)模型　3.1　二分類數(shù)據(jù)介紹　3.2　變換的方法　3.3　Logit模型和Probit模型的論證　3.4　解釋估計值　3.5　其他的概率模型　3.6　小結(jié)第4章　列聯(lián)表的對數(shù)線性模型　4.1　列聯(lián)表　4.2　關(guān)聯(lián)的測量　4.3　估計與擬合優(yōu)度　4.4　二維表模型　4.5　次序變量模型　4.6　多維表的模型第5章　二分類數(shù)據(jù)多層模型　5.1　導(dǎo)言　5.2　聚類二分類數(shù)據(jù)模型　5.3　追蹤二分類數(shù)據(jù)模型　5.4　模型估計方法　5.5　項目響應(yīng)模型　5.6　小結(jié)第6章　關(guān)于事件發(fā)生的統(tǒng)計模型　6.1　導(dǎo)言　6.2　分析轉(zhuǎn)換數(shù)據(jù)的框架　6.3　離散時間方法　6.4　連續(xù)時間模型　6.5　半?yún)?shù)比率模型　6.6　小結(jié)第7章　次序因變量模型　7.1　導(dǎo)言　7.2　賦值方法　7.3　分組數(shù)據(jù)的Logit模型……第8章　名義因變量模型附錄A  回歸的矩陣方法附錄B  最大似然估計參考文獻(xiàn)主題索引譯后記

章節(jié)摘錄

　　1.1.4 測量類型　　當(dāng)某個變量被用作因變量時，測量類型在確定恰當(dāng)?shù)姆治龇椒ǚ矫嫫鹬P(guān)鍵的作用?？紤]到三個方面的差別，我們針對四種測量類型提出了一個分類模式（typology）。我們首先區(qū)分定量和定性測量之間的差別。二者之間的差別在于：定量測量嚴(yán)格地用數(shù)值來標(biāo)示變量的實質(zhì)含義；而定性測量的數(shù)值不具有實質(zhì)含義，有時只是作為區(qū)分某些相互排斥的、具有唯一性的特征（或?qū)傩裕┑姆诸悺６ㄐ宰兞繉儆诜诸愖兞?。　　在定量變量這一類別中，進(jìn)一步區(qū)分連續(xù)變量和離散變量往往非常有用。連續(xù)變量也被稱為定距變量（interval variables），可以取任意實數(shù)值。例如，收入和社會經(jīng)濟(jì)地位等變量在其可能的取值范圍內(nèi)通常被作為連續(xù)變量處理。離散變量只能取整數(shù)值（integer values）且往往表示事件計數(shù)（event counts）。例如，每個家庭的孩子數(shù)、某一青少年的違法行為次數(shù)、某一路口每年的交通事故數(shù)等都是離散變量的例子。根據(jù)前面的定義，離散（但定量的）變量也屬于分類變量?！　《ㄐ詼y量可以進(jìn)一步區(qū)分出次序（ordinal）測量和名義（nominal）測量兩種。次序測量產(chǎn)生有次序關(guān)系的定性變量（ordered qualitative variables）或次序變量（ordinal variables）。對某個包含次序關(guān)系的定性變量，通常的做法是采用數(shù)值來標(biāo)示排序信息（ordering information）。但是，與次序變量各類別相對應(yīng)的數(shù)值只反映某一特定屬性上的排序，因而相鄰數(shù)值之間的距離并不相同。對槍支管制的態(tài)度（堅決支持、支持、中立、反對和堅決反對）、職業(yè)技能水平（高級、中級、低級和無技能）和受教育水平的分類（小學(xué)、中學(xué)、大學(xué)和研究生）等都是次序變量的例子?！　∶x測量產(chǎn)生無次序關(guān)系的定性變量（unordered qualitative variables），往往被稱作名義變量（nominal variables）。名義變量的類別之間并沒有內(nèi)在的次序，也沒有數(shù)值距離。種族和民族（白人、黑人、西班牙裔和其他）、性別（男性和女性）以及婚姻狀況（未婚、已婚、離婚和喪偶）等都是無次序關(guān)系的定性變量的例子。但是，值得注意的是，次序變量和名義變量之間的區(qū)別并不總是那么清晰，其中的區(qū)別在許多情況下取決于所研究的問題。同一個變量對某些研究者而言可能是次序變量，而對其他研究者而言則可能是名義變量。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    分類數(shù)據(jù)分析的統(tǒng)計方法 PDF格式下載

---