社會統(tǒng)計方法與技術

內(nèi)容概要

　　《社會科學定量分析叢書》是美國薩基出版社專為社會科學界從事定量分析的研究人員編撰的一套專著，其中每一部的作者都是相關領域的專家。這部叢書對世界社會科學界影響頗大，已被翻譯成多國文字。本書從中選擇了9部，定名為《社會統(tǒng)計方法與技術》，由上下篇組成，已饗讀者。　　社會調查數(shù)據(jù)以定序和定量者居多。因此，《社會統(tǒng)計方法與技術》著重介紹了定序和定量數(shù)據(jù)的處理和統(tǒng)計方法。學習并掌握本書的全部內(nèi)容，不僅使讀者能正確熟練地應用很多統(tǒng)計方法，提高我國的社會定量分析水平，而且為進一步學習其他的社會統(tǒng)計技術鋪平了道路。

書籍目錄

上篇一　定類數(shù)據(jù)分析1　介紹1.1　預備知識1.2　定類變量的分析2　卡方檢驗2.1　卡方檢驗的解釋3　相關的量度3.1　介紹3.2 　2×2表格的相關量度3.3 　I×J表格的相關量度法3.4　相關量度的比較4　多元數(shù)據(jù)分析的介紹4.1　定類變量的因果分析5　結論注　釋參考文獻二　定序數(shù)據(jù)分析簡　介1　定序量度1.1　定序變量分析的三個問題2　單個觀測值的二元預測2.1　總體和樣本2.2　已知自變量狀態(tài)的預測2.3　自變量狀態(tài)未知的預測2.4　V8量度2.5　象限量度：專門應用于定序變量2.6　科恩Kappa（Cohens Kappa）：另一種量度2.7　定序變量預測的靈敏度分析：可靠性（信度）評估3　成對觀測值的二元預測3.1　計算合并的定序數(shù)據(jù)3.2　對合并定序表格的預測3.3　合并表格的概率形式3.4　合并定序形式的靈敏度分析3.5　排除所有同分的預測域3.6　排除一個變量的同分的預測域3.7　從預測域去掉一個單元格而非一行或一列3.8　不同預測域的比較3.9　一致和不一致：回顧3.10　再次標準化：肯德爾τc（Kendalls τc）3.1l　肯德爾τ2b（Kendalls τ2b）：合并表格的混合預測方法以及與定量變量預測的類似之處4　定量，定類和定序變量的聯(lián)合預測4.1　定量變量4.2　定類變量和擴展形式5　多元分析5.1　建立三元合并表5.2　模仿二元預測的三元預測5.3　多元5.4　部分6　計算方法和統(tǒng)計推論6.1　計算機軟件6.2　統(tǒng)計推論6.3　小結注　釋參考文獻三　方差分析1　導論2　一維方差分析：所有類別2.1　兩組比較2.2　兩組以上3　二維方差分析，所有類別3.1　不相關的解釋變量3.2　相關的解釋變量3.3　特殊主題4　方差分析，定類樣本4.1　一維分析4.2　兩個解釋變量5　其他模型5.1　混合模型（Mixed Models）5.2　三個解釋變量5.3　拉丁方設計5.4　嵌套設計（Nested Designs）5.5　方差分析與回歸分析6　結論6.1　回顧6.2　其他論題參考文獻四　關聯(lián)的量度1　導論2　離散數(shù)據(jù)的抽樣分布2.1　二項分布和多項分布2.2　列聯(lián)表3　定類數(shù)據(jù)關聯(lián)的量度3.1　以卡方統(tǒng)計值為基礎的量度3.1.1　皮爾遜（PEARSON）均方列聯(lián)系數(shù)3.1.2　皮爾遜（PEARSON）列聯(lián)系數(shù)與斯科達（SAKODA）的修正3.1.3　楚普洛夫（TSCHUPROW）列聯(lián)系數(shù)3.1.4　克萊姆（CRAMER）列聯(lián)系數(shù)3.2　消減預測誤差比例的量度系數(shù)3.2.1　古德曼一克魯斯凱（GOODMAN—KRUSKAL）λ系數(shù)3.2.2　古德曼一克魯斯凱（GOODMAN—KRUSKAL）τ系數(shù)3.3　一致性的量度3.3.1　科恩（COHEN）κ系數(shù)與加權κ系數(shù)3.3.2　科爾曼一萊特（COLEMAN-LIGHT）條件一致性量度系數(shù)3.4　針對2 × 2列聯(lián)表的特定量度系數(shù)3.4.1　以交叉乘積比為基礎的量度系數(shù)3.4.2　以相關系數(shù)為基礎的量度系數(shù)4　量度連續(xù)（定距）數(shù)據(jù)的相關4.1　皮爾遜（PEARSON）積矩相關系數(shù)4.2　肯德爾（KENDALL）T系數(shù)4.3　斯皮爾曼（SPEARMAN）秩相關系數(shù)295　量度定序數(shù)據(jù)的關聯(lián)5.1　初步5.2　肯德爾（KENDALL）τb系數(shù)5.3　與肯德爾（KENDALL）τb系數(shù)有關的量度系數(shù)5.3.1　肯德爾一斯圖爾特（KENDALL-STUART）τC系數(shù)5.3.2　古德曼一克魯斯凱（GOODMAN—KRUSKAL）γ系數(shù)5.3.3　薩默斯（SOMERS）d系數(shù)5.3.4　威爾遜（WILSON）e系數(shù)5.3.5　總結5.4　其他量度系數(shù)6　選擇適當?shù)牧慷认禂?shù)7　相關與因果聯(lián)系注釋參考文獻五　多重回歸的應用序導言1　多元回歸模型：復習2　設定錯誤2.1　設定錯誤導致的后果2.2　設定錯誤舉例：生活滿意度2.3　發(fā)現(xiàn)和處理設定錯誤3　量度誤差3.1　量度誤差的后果3.2　量度誤差舉例：生活滿意度3.3　發(fā)現(xiàn)量度誤差3.4　處理量度誤差4　多元共線性4.1　多元共線性的后果4.2　發(fā)現(xiàn)高度多元共線性4.3　多元共線性舉例：生活滿意度4.4　處理多元共線性5　非線性和不可加性5.1　發(fā)現(xiàn)非線性和不可加性5.2　處理非線性5.3　處理不可加性5.4　非線性和不可加性模型的注意事項6　異方差和自相關6.1　出現(xiàn)異方差和自相關的原因6.2　異方差和自相關導致的后果6.3　發(fā)現(xiàn)異方差6.4　異方差舉例：收入和租房6.5　處理異方差和自相關7　結束語注　釋參考文獻下篇一　線性概率模型、對數(shù)概率模型和正態(tài)概率模型叢書編輯引言1　線性概率模型……2　非線性概率模型的設定3　二項應變量正態(tài)概率模型和對數(shù)概率模型的估計4　最小卡方估計和多項模型5　總結和擴展注　釋參考文獻二　回歸的解釋與應用叢書編輯導言l　導論2　基礎回歸理論與社會科學實踐3　回歸估計的統(tǒng)計性質4　回歸系數(shù)的抽樣分布5　選擇一種設定6　變量的重要性7　結論附錄對回歸一致性結果的證明注　釋參考文獻三　時間序列分析：回歸技術1　導論2　時間序列回歸分析：非滯后的情況3　其他備擇的時變過程4　時間序列回歸分析：滯后的情況5　預測6　總結附錄防衛(wèi)支出數(shù)據(jù)（單位：10億美元）注　釋參考文獻四　事件史分析法——用于縱向數(shù)據(jù)的回歸分析法叢書編輯序l　導論2　離散時間事件史數(shù)據(jù)分析法3　連續(xù)時間數(shù)據(jù)的參數(shù)分析法4　比例風險模型和部分似然估計5　多類事件史的數(shù)據(jù)估計分析法6　重復事件分析法7　狀態(tài)變化情況下的事件史分析法8　結論附錄A　最大似然和部分似然附錄B　 GLIM、SAS和BMDP程序實例清單附錄C　計算機程序注　釋參考文獻

章節(jié)摘錄

　　定類變量　　由一組類別組成的，表示一個潛在特性的不同表現(xiàn)的定類尺度。理想狀態(tài)下，就某個屬性而言，分配到某個類別的個體都具有某種同一性。把民主黨派和共和黨派相混合在“獨立黨派人士”分類中，將向我們傳達關于他們政治行為的錯誤信息。另外，分類也必須是互斥的(每個個案只能屬于一個類別)和完整的?！　《愖兞康姆诸惪梢杂烧{查者根據(jù)其需要按任何順序排列。正如我們看到的，對表1各列的重新排序不會丟失任何信息。相反，定序變量的分類具有某種隱含的次序：他們量度的不僅有性質上的而且有分量上的差異。比如社會地位變量的類別為(低，中，高)，那么它就不能再按別的順序來組織，如(中，低，高)，否則就有可能丟失某些信息。定類變量和定序變量都屬于類別變量，它們之間的差異在于定序變量的尺度包含了組間的次序關系，而定類變量則不具有這種性質?！　《愖兞苛勘砜梢粤慷日鎸嵉碾x散現(xiàn)象，比如種族或性別，但是在大多數(shù)情況它們大概表現(xiàn)了某種量度誤差，因為其代表的潛特質或多或少表示某種定量的特質。例如，態(tài)度通常不是簡單地進行正面地或反面的回答，人們總是保持他們不同程度的贊同傾向。因此，態(tài)度可以被認為是一個連續(xù)的集合，從堅定的同意到不確定，再到堅定的反對。在態(tài)度這個問題上，不能因為量度的難度而把這個潛含的豐富信息模糊化?！　√貏e要注意，類別的數(shù)量和性質對于做出正確推理是至關重要的。在社會學和政治學的研究中，一個最大的錯誤就是將回答混合成很少幾個類別?；蛟S是為了方便起見，或許是因為人人如此，對數(shù)據(jù)進行二分(即把人們歸類為成非此即彼)的做法從來都是錯誤的，不管使用了何種統(tǒng)計技術，粗劣的量度數(shù)據(jù)肯定會產(chǎn)生錯誤嚴重的結論?！　∫蜃兞颗c自變量　　大多數(shù)社會科學家認為一個人的黨派認同，通常在其青年期逐漸形成，部分地決定他或她的政治偏好。在這種意義上講，1980年的選舉將由選民的政黨派別決定。一個變量，依賴于另一個變量，或者由另一個變量所引起，或者暫時跟隨另一個變量的變化而變化，我們稱其為“因變量”。順其自然的，這個原因變量被稱為“自變量”。自變量在某一水平上的變化將引起因變量相應的變化，但是反過來，因變量的改變不會對自變量產(chǎn)生影響。　　本書描述的一些方法只有當研究者對因變量有清楚的定義時，才可以適用。雖然其他的方法沒有對因果依賴關系做出假定，但也應該仔細思考變量間存在的因果關系。把一個變量人為指定為因變量或是自變量，在某些場合是適當?shù)模瑳]有任何公式不允許這么做——但是由此產(chǎn)生的結果卻很有可能是錯誤的?！　‘斎唬@些決定只是表現(xiàn)了我們對數(shù)據(jù)的假設，因為不太可能證明一個變量是另一個變量的原因。　　類別的數(shù)目　　既然定類變量通常被編組成二維或多維的表格(分別如表1和表22)，在這種方式下，每個單元格包含了盡可能多的個案。其后果是：包含許多個零的交叉類別表看起來不那么可靠和有足夠的表達力，這是很容易理解的。合并某些類別以提高單元格的頻次盡管能夠解決這個問題，但是毫無疑問也產(chǎn)生了其他一些問題。這有兩個原因：　　第一，該定類變量的變異，部分地依賴于該變量的類別數(shù)目；在其他變量保持不變的情況下，該變量的類別越多，變異越大。這里，“變異”指個案間的量度差異。如果全部樣本都屬于一個類別，那么就不存在離差或變異；另一方面，如果它們或多或少分布在幾個類別中，那么該變量就存在較大的變異。把人們按黨派分成民主黨派，共和黨派，以及獨立黨派，比起更為精確的“堅定的民主黨派”，是一種較為簡單的類別方式，但是存在較少的變異。在回歸分析中，變異的數(shù)量，特別是自變量的變異數(shù)量，部分地影響相關量度值?！　〉诙?，合并或減少類別的數(shù)目會嚴重影響觀察到的相互關系。例如，假定一個研究者有三個變量，各分成五個類別。為了簡化結果的表達，他決定把每個變量都合并成兩個類別。然而，在使用相同的變量，樣本和同樣的統(tǒng)計方法的情況下，從二分數(shù)據(jù)(dichotomized data)得來的統(tǒng)計分析的結果，將不同于從沒有經(jīng)過合并的變量得到的分析結果。具體研究中，往往會在2×2×2的交叉分類表中發(fā)現(xiàn)相關關系，而在5×5×5的交叉分類表中并不存在這種關系?！　≡摻逃栆蚕喈敽唵危罕M可能的保持原有的類別，在沒有充分的理由時，在沒有經(jīng)過證明重新分類不會影響實質性結論時，不要將變量變成二分或者三分變量?！　?hellip;…

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    社會統(tǒng)計方法與技術 PDF格式下載

---