社会科学统计方法

《社会科学统计方法》是2011年电子工业出版社乱创出版的图书，作者是美)阿伦.艾格瑞斯蒂 (Alan Agr南esti)、巴巴拉.芬蕾 (Barbara Finl还搞来仅永缩ay) 。

• 书名 社会科学统计方法
• 作者 (美)阿伦.艾格瑞斯蒂 (Alan Agresti) (美)巴巴拉.芬蕾 (Barbara Finlay) 
• 原版名称 Statistical Methods for the Social Sciences,Fourth Edition
• 译者 朱红兵 何丽娟 
• ISBN 9787121142192

内容简介

　　《社会科学统计方法(第4版)》面向实际，来自从实例入手，阐明社会科学统计方法，致力于实例和统计软件的一体化。主要内容包括抽样和测量、描述统计、概率分布、统计推断:估计、统计推断:显著性检验、两组比较、分类变量员黑境之间的关联分析、线性回归和相关、多元关系概述、多元回归分析和相关分析、多组比较:方差分析(ANOVA)、组合回归分析和方差分析:定量和分类房预测变量、构建多元回归模型、逻辑斯蒂回归:构建分类响应变量、高级统计方法概述。本版增加了许多新练习，强调实际数据的应用。每章后包括配套课后习题及拓展综合晚张包练习，便于读者对统计方法的360百科学习和掌握。

　　《社照球呀查唱妈坏会科学统计方法(第4版)》例题丰富，实用性强，可作为统计专业本科生和研究生渐朝着第卷标风适居教材，也可供从事统计分析和决策的社会各领域各相关专业的读者学习参考。

目录

　　第1章 引怀名言 1

　　1.1 统计方法论介绍 1

　　为什么要学习统计 1

　　数据 2

　　什么是统计学 3

　　1.2 描述统计和推断统计 先展委苏建许名刘倍于苦3

　　总体和样本 4

　　参数和统甚林计量 5

　　定义总体:实蛋沿举院维离际总体和概念总体 5

　　1.3 计算机在统计中的作用 5

　　统计软件 5

　　数据文件 6

　　统计软件的使用和误用 6

　　1.4 本章概要 7

　　思考题 7

　早把叫她　第2章 抽样和测量 11

　　2.1 变量及其测度 11

　　变量 11

　　定量(数量)变量和分类变量 12

　　名义、有序和间隔测度尺度 12

　　有序数据的数量 13

　　离散型变量表都游华主和连续型变量 13

　　2.2 随机化 14

　　无简单随机抽样 15

　　如何去选择一个简单随机样本 15

　　术感右德吗究用抽样调查收集数据 16

新含两　　用实验收集数据 17

　　用观察研究收集数据 17

　　2.3 抽样变异性和潜在偏差 18

　　抽样误帮项操功看钟口里白山破差 18

　　抽样偏差:非曲司活步云执用境件煤概率抽样 18

　　响应偏差 19

　　无响应偏差:缺失数据 20

　　偏差类型总结 20

　况书那兵是我收觉　2.4 其他概率抽样方法* 各错施表亮沙阻机操吃21

　　系统随机抽样(Systematic Random Sampling) 21

　　分层随机抽样(Stratified Random Sampling) 22

　　整群抽样(Cluster Sampling) 22

　　多阶抽样(Multstage Sampling) 23

　　2.5 本章概要 24

　　思考题 24

　　第3章 描述统计 31

　　3.1 用表和图描述数据 31

　　相对频数(relative frequency):分类数据 31

　　频数分布和条形图:分类数据 32

　　频数分布:定量数据 33

　　直方图(histogram) 34

　　茎叶图(stem-and-leaf plot) 35

　　比较组 35

　　总体分布和样本数据分布 36

　　分布的形状 37

　　3.2 数据分布的中心描述 37

　　均值(mean) 38

　　均值的性质 39

　　中位数(median) 40

　　中位数性质 41

　　中位数与均值的比较 42

　　众数(mode) 43

　　众数的性质 43

　　3.3 数据分布的变异性描述 44

　　极差(range) 44

　　标准差(standard deviation) 45

　　标准差的性质 46

　　解释标准差的大小 46

　　3.4 位置量度 49

　　四分位数和其他百分比 49

　　测定变异性:四分位数间距 50

　　箱图:绘制位置的5个数字概括图形 51

　　异常值(outlier) 52

　　离开均值多少个标准差?z分数 53

　　3.5 二元描述统计 53

　　响应变量(response variable)和解释变量(explanatory variable)之间的关联 53

　　比较两组是二元分析 54

　　二元定量数据 54

　　两个以上变量的分析 55

　　3.6 样本统计和总体参数 55

　　3.7 本章概要 56

　　表、图小结 56

　　中心量度的小结 56

　　变异性量度的小结 57

　　二元描述统计的小结 57

　　思考题 58

　　第4章 概率分布 72

　　4.1 概率介绍 72

　　概率可视为长期(long-run)相对频数 72

　　基本概率规则 73

　　4.2 离散型和连续型变量的概率分布 74

　　离散型变量的概率分布 74

　　连续型变量的概率分布 75

　　参数描述概率分布 75

　　4.3 正态概率分布 76

　　正态尾部概率表 78

　　正态概率和经验法则 78

　　求某个尾部概率的z值 79

　　z分数是离开均值的标准差数 80

　　标准正态分布 82

　　4.4 抽样分布描述了统计量如何变化 83

　　模拟估计过程 83

　　用抽样分布表示抽样变异 85

　　重复抽样的抽样分布说明 87

　　4.5 样本均值的抽样分布 87

　　的抽样分布的均值和标准误 87

　　样本量对抽样分布和估计精度的影响 89

　　样本均值的抽样分布近似正态 90

　　4.6 小结:总体、样本数据以及抽样分布 92

　　在样本数据分布和抽样分布上样本量的影响 95

　　在统计推断中抽样分布的关键作用 95

　　4.7 本章概要 96

　　思考题 96

　　第5章 统计推断:估计 106

　　5.1 点估计和区间估计 106

　　参数的点估计 106

　　无偏和有效点估计 107

　　均值、标准差和比例的估计量 108

　　极大似然估计方法* 108

　　置信区间等于点估计±误差边际(margin of error) 108

　　5.2 比例的置信区间 109

　　样本比例和其标准误 109

　　大样本比例的置信区间 110

　　控制置信水平 112

　　大样本量给出狭窄的区间 113

　　错误概率=1-置信水平 113

　　置信水平是长期正确的比例 113

　　方法的有效性需要大样本量 114

　　5.3 均值的置信区间 115

　　估计误差边际的标准误 115

　　t分布 115

　　t分布的性质 115

　　均值置信区间里的t分数 117

　　置信水平和样本量的作用 118

　　关于正态总体假定违反的稳健性 119

　　标准正态是df =无限时的t分布 119

　　对使用软件的忠告 120

　　5.4 样本量的选择 120

　　估计比例的样本量 121

　　估计比例时的样本量公式 123

　　估计均值时的样本量 123

　　在确定样本量中其他要考虑的因素 124

　　只有一个小样本该怎么办 125

　　5.5 中位数和其他参数的置信区间 126

　　样本中位数对正态数据的低效率 126

　　大样本时中位数的置信区间 126

　　自举法(bootstrap) 128

　　5.6 本章概要 129

　　思考题 130

　　第6章 统计推断:显著性检验 140

　　6.1 显著性检验的五个部分 140

　　假定 141

　　假设 141

　　检验统计量 141

　　P值 142

　　结论 143

　　6.2 关于一个均值的显著性检验 143

　　关于一个均值的显著性检验的五个部分 143

　　双侧检验与置信区间之间的对应关系 147

　　单侧显著性检验 147

　　单侧H隐含单侧H0 149

　　单侧检验与双侧检验的选择 149

　　水平:使用P值做决策 150

　　违反正态假定的稳健性 151

　　6.3 一个比例的显著性检验 152

　　对一个比例显著性检验的五个部分 152

　　从不"接受H0" 154

　　样本量对P值的影响 154

　　6.4 在检验中的决策和错误类型 155

　　对决策的第一类型和第二类型错误 155

　　拒绝域 155

　　水平是第一类型错误的概率 156

　　当P(第一类型错误)下降时，P(第二类型错误)上升 156

　　置信区间和检验决策之间的等价关系 157

　　对报告的P值做一个决策 158

　　6.5 显著性检验的局限性 158

　　统计显著与实际显著 158

　　显著性检验并不比置信区间有用 159

　　对显著性检验和P值的曲解 159

　　6.6 计算P(第二类型错误)* 161

　　检验使用的 越小P(第二类型错误)越大 163

　　检验的功效(势)(power) 163

　　6.7 关于一个比例的小样本检验--二项分布* 164

　　二项分布 164

　　二项分布的比例 165

　　二项式检验 167

　　6.8 本章概要 168

　　思考题 170

　　第7章 两组比较 180

　　7.1 比较两组的预备知识 180

　　有响应变量和解释变量时的

　　双变量(二元)分析 180

　　相依样本和独立样本 181

　　估计的差异及其标准误 181

　　参数的比率 183

　　7.2 分类数据:比较两组比例 183

　　关于比例差异的置信区间 185

　　解释一个置信区间比较比例 185

　　关于2-1的显著性检验 186

　　列联表和条件概率 187

　　7.3 定量数据:比较两个均值 187

　　2-1的置信区间 187

　　解释一个置信区间比较均值 188

　　关于2-1的显著性检验 188

　　在置信区间和检验之间的对应关系 189

　　7.4 比较相依样本的均值 189

　　适用于匹配样本的配对差异得分 189

　　使用配对差异推断比较均值 191

　　独立样本与相依样本 193

　　7.5 比较均值的其他方法* 193

　　在假定等方差时比较均值 193

　　完全随机设计与随机区组设计 195

　　根据软件给出的报表进行推断 195

　　效应量 196

　　适用于均值的一个模型 196

　　7.6 比较比例的其他方法* 197

　　比较相依比例 197

　　比较相依比例的麦克尼马尔检验 198

　　相依比例差异的置信区间 199

　　比较比例的费歇精确检验 199

　　比较两个比例的小样本估计 200

　　7.7 比较两组的非参数统计量* 200

　　威尔科克森-曼-惠特尼检验 201

　　效应量:对一个组更好响应的比例 201

　　处理有序变量为定量变量 202

　　7.8 本章概要 203

　　思考题 205

　　第8章 分类变量之间的关联分析 217

　　8.1 列联表 217

　　百分比比较 218

　　构建列联表的原则 219

　　独立和相依 219

　　8.2 独立性的卡方检验 220

　　对应于独立的期望频数 220

　　卡方检验统计量 221

　　卡方分布 221

　　需要的样本量 223

　　用软件进行卡方检验 223

　　自由度的解释 224

　　卡方检验和类别处理 224

　　8.3 残差:检测关联模式 224

　　残差分析 225

　　卡方和2×2(四格)表的比例差异 226

　　2×2表的标准化残差 227

　　大于2×2的表需要用卡方 227

　　8.4 列联表中关联的量度 228

　　关联的量度 228

　　比例差异 228

　　卡方不是对关联的测量 229

　　优势比(比数比) 229

　　优势比的性质 230

　　r×c列联表的优势比* 231

　　概述r×c表关联的量度 232

　　8.5 两个有序变量之间的关联* 233

　　一致和不一致 233

　　(gamma) 235

　　是两个有序比例的差异 236

　　有序量度的公共特性 236

　　8.6 对有序关联的推断 236

　　关联量度的置信区间 236

　　使用 的独立性检验 237

　　有序检验与皮尔逊卡方检验 238

　　对其他有序量度的相似推断方法 238

　　混合的有序--名义列联表 239

　　8.7 本章概要 239

　　思考题 240

　　第9章 线性回归和相关 250

　　9.1 线性关系 250

　　线性函数(linear function) 251

　　解释y的截距和斜率 252

　　模型是对实际的简单近似 253

　　9.2 最小平方预测方程 254

　　散点图描绘数据 254

　　预测方程 255

　　异常值对预测方程的影响 256

　　预测误差被称为残差 258

　　预测方程有最小平方性质 258

　　9.3 线性回归模型 259

　　线性回归函数 260

　　描述回归直线的变异 260

　　均方误(差):估计条件变异 261

　　条件变异往往小于边缘变异 262

　　9.4 量度线性关联:相关 263

　　斜率和关联强度 263

　　相关 264

　　相关的性质 265

　　相关暗示向均值回归 265

　　r2:预测误差减少的比例 267

　　r2的性质 269

　　平方和描述条件变异和边缘变异 269

　　9.5 对斜率和相关系数的推断 269

　　对统计推断的假定 270

　　独立性检验 270

　　斜率的置信区间 273

　　读懂计算机打印输出结果 274

　　对相关的推断* 275

　　缺失值(missing data) 276

　　9.6 模型的假定及违背 276

　　哪一个假定是重要的 276

　　外推是危险的 277

　　有影响的观测值 277

　　影响相关的因素 278

　　有误差项的回归模型* 279

　　模型和现实 280

　　9.7 本章概要 281

　　思考题 282

　　第10章 多元关系概述 298

　　10.1 关联关系和因果关系 298

　　10.2 对其他变量的控制 300

　　社会学研究中的统计控制 301

　　统计控制的关联类型 301

　　警惕隐变量的存在 303

　　10.3 多变量关系的类型 304

　　伪关联(spurious association) 304

　　链关系(chain relationship) 305

　　多个因果关系 306

　　抑制变量(suppressor variable) 306

　　统计的交互作用 307

　　多变量关系小结 308

　　混杂作用使得效应难以评估 309

　　10.4 统计控制中的推断问题 309

　　分表分析中小样本的影响 309

　　控制变量的类别影响 309

　　对照比较和合并的测度 310

　　10.5 本章概要 310

　　思考题 311

　　第11章 多元回归分析和相关分析 319

　　11.1 多元回归模型 319

　　多元回归函数 319

　　回归系数的解释 322

　　预测方程和残差 323

　　11.2 多元回归分析计算机输出实例 323

　　描述双变量关系的散点图 324

　　对偏相关绘制偏相关图 325

　　计算机输出结果样例 326

　　11.3 复相关和R2 328

　　复相关 328

　　R2:多元决定系数 329

　　R和R2的性质 330

　　多个解释变量的多重共线性 331

　　11.4 多元回归系数的统计推断 332

　　检验解释变量的整体影响 332

　　F分布 333

　　回归系数的统计推断 334

　　方差分析表中的变差和均方差* 336

　　F统计量是均方误差之比 337

　　F统计量与t统计量之间的关系 337

　　11.5 预测变量间的交互作用 337

　　交叉乘积项 338

　　检验交互作用项 339

　　中心化解释变量* 340

　　扩展与限制* 341

　　11.6 回归模型的比较 341

　　全模型和简化模型 341

　　用残差平方和SSE或决定系数

　　R2值进行模型比较 342

　　11.7 偏相关* 343

　　对偏相关系数的解释 344

　　对偏相关系数平方的解释 344

　　高阶偏相关系数 346

　　偏相关系数的统计推断 346

　　11.8 标准化回归系数 347

　　标准化回归系数的方法 347

　　标准化回归系数的性质 348

　　预测方程的标准化形式* 349

　　谨慎比较标准化回归系数 349

　　11.9 本章概要 350

　　思考题 352

　　第12章 多组比较:方差分析(ANOVA) 368

　　12.1 多个均值的比较:方差分析F检验 368

　　对均值比较的F检验的假定 368

　　组间变异和组内变异 370

　　F检验统计量是两个方差估计之比 371

　　F检验统计量的公式是 371

　　组内方差估计* 372

　　组间方差估计 373

　　方差分析表中的平方和* 373

　　F检验与多个t检验 374

　　12.2 均值的多重比较 374

　　置信区间比较均值 374

　　大量置信区间的错误率 375

　　均值多重比较Bonferroni法 375

　　均值多重比较Tukey法 377

　　12.3 用回归模型进行方差分析 377

　　回归中的虚拟变量 377

　　回归中用方差分析检验比较均值 379

　　为什么使用回归分析来做方差分析呢 379

　　12.4 双因素方差分析 380

　　双因素方差分析中的主效应假设 380

　　主效应的F检验 381

　　双因素方差分析的交互效应 382

　　H0:没有交互效应的F检验 384

　　12.5 双因素方差分析和回归分析 384

　　假定没有交互效应的回归模型 384

　　有交互效应的回归模型 386

　　偏平方和 387

　　双因素方差分析的多重比较 387

　　析因方差分析 388

　　12.6 重复测量的方差分析* 389

　　有重复测量的单因素方差分析 389

　　球形假定和复合对称性 390

　　相依样本的置信区间比较 391

　　固定效应和随机效应 391

　　12.7 一个因素是重复测量的双因素方差分析* 392

　　在两个固定效应之一上进行重复测量 393

　　在上面分析的基础上构造置信区间 395

　　治疗方法的Bonferroni多重比较 396

　　更复杂的重复测量分析 397

　　两次以上的重复测量 397

　　12.8 违背方差分析假定的影响 397

　　F检验的稳健性 397

　　Kruskal-Wallis检验:非参数检验方法 398

　　12.9 本章概要 398

　　思考题 399

　　第13章 组合回归分析和方差分析:定量和分类预测变量 412

　　13.1 均值比较和回归直线比较 412

　　比较回归直线 413

　　控制x，比较y的均值 413

　　13.2 有定量和分类预测变量的回归 415

　　定量和虚拟解释变量 415

　　对参数的解释:没有交互效应的模型 416

　　13.3 定量预测变量和分类预测变量之间允许交互作用 418

　　对不同模型的R或R2的比较 419

　　多个分类和定量预测变量的回归分析 420

　　13.4 用定量和分类预测变量进行回归的统计推断 420

　　没有交互效应的检验 421

　　控制x，检验分类变量的效应 422

　　用方差分析结果进行比较 423

　　控制分类变量，检验x的效应 423

　　13.5 修正均值* 424

　　控制协变量，修正响应变量的均值 424

　　比较修正均值 426

　　图示解释说明修正均值 427

　　修正均值的多重比较 428

　　谨慎使用假设的修正均值 430

　　13.6 本章概要 431

　　思考题 431

　　第14章 构建多元回归模型 438

　　14.1 模型选择过程 438

　　为模型选择解释变量 438

　　向后剔除过程 439

　　向前选择和逐步回归过程 440

　　自动选择过程的局限性和弊端 442

　　探索研究与解释性(理论驱动)研究 442

　　选择模型的指标:调整R2、预测的残差平方和Cp 443

　　14.2 回归诊断 445

　　检验残差 445

　　绘制残差与解释变量图 447

　　时间序列数据 448

　　检测有影响的观测值:杠杆值 449

　　检测有影响的观测值:DFFIT和DFBETA 449

　　14.3 多重共线性的影响 452

　　多重共线性扩大了标准误 452

　　VIF和其他多重共线性指标 453

　　存在多重共线性的补救措施 454

　　14.4 广义线性模型 454

　　非正态分布的响应变量 455

　　广义线性模型的连接函数 455

　　响应变量为正态分布的广义线性模型 456

　　响应变量服从γ分布的广义线性模型 457

　　14.5 非线性关系:多项式回归 458

　　二次回归模型 459

　　二次回归模型的说明与拟合 461

　　非线性效应的描述和推断 462

　　谨慎使用多项式模型 462

　　非参数回归* 463

　　14.6 指数回归和对数转换* 464

　　对指数回归模型的解释 467

　　转换预测变量以获取线性 468

　　14.7 本章概要 469

　　思考题 469

　　第15章 逻辑斯蒂回归:构建分类响应变量模型 479

　　15.1 逻辑斯蒂回归 479

　　线性概率模型 479

　　二分响应变量的逻辑斯蒂回归模型 480

　　概率的逻辑斯蒂回归方程 482

　　对逻辑斯蒂回归模型的解释 482

　　使用几率和优势比解释 483

　　15.2 多元逻辑斯蒂回归 484

　　几率的效应 486

　　概率的效应 487

　　15.3 逻辑斯蒂回归模型的统计推断 488

　　Wald检验和似然比独立性检验 488

　　多元逻辑斯蒂回归的推断 489

　　用似然比检验比较逻辑斯蒂回归模型 490

　　15.4 定序响应变量的逻辑斯蒂回归模型 491

　　累积概率和累积概率的logit 491

　　定序响应变量的累积logit模型 492

　　对定序响应变量效应的推断 494

　　响应变量类别选择的恒定性 494

　　多元模型的扩展 495

　　逻辑斯蒂回归模型中的定序预测变量 495

　　15.5 名义响应变量的逻辑斯蒂模型* 495

　　基准类别的Logit 496

　　15.6 分类变量的对数线性模型* 498

　　三个变量的分层对数线性模型 498

　　对数线性模型优势比的解释 500

　　15.7 对列联表构建的模型进行拟合优度检验* 502

　　卡方拟合优度统计量 502

　　标准化残差 503

　　对数线性模型的拟合优度 504

　　通过比较G2值来比较模型 504

　　逻辑斯蒂模型和对数线性模型之间的联系 505

　　逻辑斯蒂模型和对数线性模型之间的区别 505

　　15.8 本章概要 506

　　思考题 506

　　第16章 高级统计方法概述 515

　　16.1 纵向数据分析* 515

　　MANOVA:多因变量方差分析 515

　　带有随机效应的混合效应模型 516

　　使用随机效应的一维重复测量方差分析 516

　　16.2 多层(分层)模型* 518

　　为两个层上的观测值构建模型 519

　　16.3 事件历史模型* 520

　　截尾数据和时变协变量 520

　　事件的发生率 521

　　比例风险模型 521

　　16.4 路径分析* 523

　　路径图 523

　　路径系数 524

　　直接效应和间接效应 525

　　路径分解 525

　　对因果模型的一个告诫 527

　　16.5 因子分析* 527

　　因子分析模型 528

　　拟合因子分析模型 528

　　分类响应变量的潜在分类模型 531

　　起源和争议 531

　　16.6 结构方程模型* 532

　　计量模型 532

　　结构方程模型 533

　　协方差结构模型中的特例 533

　　拟合协方差结构模型 534

　　检验模型拟合 535

　　16.7 马尔可夫链* 535

　　转移概率 536

　　思考题 537

　　附录A SPSS和SAS统计分析 539

　　附录B 奇数练习答案 558

　　附录C 统计检验临界值表 576

　　参考文献 582