出版信息
社會科學統計方法(第4版)
著 者：Alan Agresti(阿倫.艾格瑞斯蒂) Barbara Finlay（巴巴拉 芬蕾）
作 譯 者：朱紅兵等
出版時間：2011-11 千 字 數：0
版 次：01-01 頁 數：600
開 本：16(185*235)
裝 幀：
I S B N ：9787121142192
內容簡介
本書面向實際，從實例入手，闡明社會科學統計方法，致力於實例和統計軟體的一體化。主要內容包括抽樣和測量、描述統計、機率分布、統計推斷：估計、統計推斷：顯著性檢驗、兩組比較、分類變數之間的關聯分析、線性回歸和相關、多元關係概述、多元回歸分析和相關分析、多組比較：方差分析（ANOVA）、組合回歸分析和方差分析：定量和分類預測變數、構建多元回歸模型、邏輯斯蒂回歸：構建分類回響變數、高級統計方法概述。本版增加了許多新練習，強調實際數據的套用。每章後包括配套課後習題及拓展綜合練習，便於讀者對統計方法的學習和掌握。
目錄
第1章 引言 1
1.1 統計方法論介紹 1
為什麼要學習統計 1
數據 2
什麼是統計學 3
1.2 描述統計和推斷統計 3
總體和樣本 4
參數和統計量 5
定義總體：實際總體和概念總體 5
1.3 計算機在統計中的作用 5
統計軟體 5
數據檔案 6
統計軟體的使用和誤用 6
1.4 本章概要 7
思考題 7
第2章 抽樣和測量 11
2.1 變數及其測度 11
變數 11
定量（數量）變數和分類變數 12
名義、有序和間隔測度尺度 12
有序數據的數量 13
離散型變數和連續型變數 13
2.2 隨機化 14
簡單隨機抽樣 15
如何去選擇一個簡單隨機樣本 15
用抽樣調查收集數據 16
用實驗收集數據 17
用觀察研究收集數據 17
2.3 抽樣變異性和潛在偏差 18
抽樣誤差 18
抽樣偏差：非機率抽樣 18
回響偏差 19
無回響偏差：缺失數據 20
偏差類型總結 20
2.4 其他機率抽樣方法* 21
系統隨機抽樣（Systematic Random
Sampling） 21
分層隨機抽樣（Stratified Random
Sampling） 22
整群抽樣（Cluster Sampling） 22
多階抽樣（Multstage Sampling） 23
2.5 本章概要 24
思考題 24
第3章 描述統計 31
3.1 用表和圖描述數據 31
相對頻數（relative frequency）：
分類數據 31
頻數分布和條形圖：分類數據 32
頻數分布：定量數據 33
直方圖（histogram） 34
莖葉圖（stem-and-leaf plot） 35
比較組 35
總體分布和樣本數據分布 36
分布的形狀 37
3.2 數據分布的中心描述 37
均值（mean） 38
均值的性質 39
中位數（median） 40
中位數性質 41
中位數與均值的比較 42
眾數（mode） 43
眾數的性質 43
3.3 數據分布的變異性描述 44
極差（range） 44
標準差（standard deviation） 45
標準差的性質 46
解釋標準差的大小 46
3.4 位置量度 49
四分位數和其他百分比 49
測定變異性：四分位數間距 50
箱圖：繪製位置的5個數字概括
圖形 51
異常值（outlier） 52
離開均值多少個標準差？z分數 53
3.5 二元描述統計 53
回響變數（response variable）和解釋
變數（explanatory variable）之間
的關聯 53
比較兩組是二元分析 54
二元定量數據 54
兩個以上變數的分析 55
3.6 樣本統計和總體參數 55
3.7 本章概要 56
表、圖小結 56
中心量度的小結 56
變異性量度的小結 57
二元描述統計的小結 57
思考題 58
第4章 機率分布 72
4.1 機率介紹 72
機率可視為長期（long-run）相對
頻數 72
基本機率規則 73
4.2 離散型和連續型變數的機率分布 74
離散型變數的機率分布 74
連續型變數的機率分布 75
參數描述機率分布 75
4.3 正態機率分布 76
正態尾部機率表 78
正態機率和經驗法則 78
求某個尾部機率的z值 79
z分數是離開均值的標準差數 80
標準常態分配 82
4.4 抽樣分布描述了統計量如何變化 83
模擬估計過程 83
用抽樣分布表示抽樣變異 85
重複抽樣的抽樣分布說明 87
4.5 樣本均值的抽樣分布 87
的抽樣分布的均值和標準誤 87
樣本量對抽樣分布和估計精度的
影響 89
樣本均值的抽樣分布近似正態 90
4.6 小結：總體、樣本數據以及抽樣
分布 92
在樣本數據分布和抽樣分布上
樣本量的影響 95
在統計推斷中抽樣分布的關鍵作用 95
4.7 本章概要 96
思考題 96
第5章 統計推斷：估計 106
5.1 點估計和區間估計 106
參數的點估計 106
無偏和有效點估計 107
均值、標準差和比例的估計量 108
極大似然估計方法* 108
置信區間等於點估計±誤差邊際
（margin of error） 108
5.2 比例的置信區間 109
樣本比例和其標準誤 109
大樣本比例的置信區間 110
控制置信水平 112
大樣本量給出狹窄的區間 113
錯誤機率=1-置信水平 113
置信水平是長期正確的比例 113
方法的有效性需要大樣本量 114
5.3 均值的置信區間 115
估計誤差邊際的標準誤 115
t分布 115
t分布的性質 115
均值置信區間裡的t分數 117
置信水平和樣本量的作用 118
關於正態總體假定違反的穩健性 119
標準正態是df =無限時的t分布 119
對使用軟體的忠告 120
5.4 樣本量的選擇 120
估計比例的樣本量 121
估計比例時的樣本量公式 123
估計均值時的樣本量 123
在確定樣本量中其他要考慮的
因素 124
只有一個小樣本該怎么辦 125
5.5 中位數和其他參數的置信區間 126
樣本中位數對正態數據的
低效率 126
大樣本時中位數的置信區間 126
自舉法（bootstrap） 128
5.6 本章概要 129
思考題 130
第6章 統計推斷：顯著性檢驗 140
6.1 顯著性檢驗的五個部分 140
假定 141
假設 141
檢驗統計量 141
P值 142
結論 143
6.2 關於一個均值的顯著性檢驗 143
關於一個均值的顯著性檢驗的
五個部分 143
雙側檢驗與置信區間之間的對應
關係 147
單側顯著性檢驗 147
單側H隱含單側H0 149
單側檢驗與雙側檢驗的選擇 149
水平：使用P值做決策 150
違反正態假定的穩健性 151
6.3 一個比例的顯著性檢驗 152
對一個比例顯著性檢驗的五個
部分 152
從不“接受H0” 154
樣本量對P值的影響 154
6.4 在檢驗中的決策和錯誤類型 155
對決策的第一類型和第二類型
錯誤 155
拒絕域 155
水平是第一類型錯誤的機率 156
當P（第一類型錯誤）下降時，
P（第二類型錯誤）上升 156
置信區間和檢驗決策之間的等價
關係 157
對報告的P值做一個決策 158
6.5 顯著性檢驗的局限性 158
統計顯著與實際顯著 158
顯著性檢驗並不比置信區間有用 159
對顯著性檢驗和P值的曲解 159
6.6 計算P（第二類型錯誤）* 161
檢驗使用的 越小P（第二類型
錯誤）越大 163
檢驗的功效（勢）（power） 163
6.7 關於一個比例的小樣本檢驗——
二項分布* 164
二項分布 164
二項分布的比例 165
二項式檢驗 167
6.8 本章概要 168
思考題 170
第7章 兩組比較 180
7.1 比較兩組的預備知識 180
有回響變數和解釋變數時的
雙變數（二元）分析 180
相依樣本和獨立樣本 181
估計的差異及其標準誤 181
參數的比率 183
7.2 分類數據：比較兩組比例 183
關於比例差異的置信區間 185
解釋一個置信區間比較比例 185
關於2-1的顯著性檢驗 186
列聯表和條件機率 187
7.3 定量數據：比較兩個均值 187
2-1的置信區間 187
解釋一個置信區間比較均值 188
關於2-1的顯著性檢驗 188
在置信區間和檢驗之間的對應
關係 189
7.4 比較相依樣本的均值 189
適用於匹配樣本的配對差異得分 189
使用配對差異推斷比較均值 191
獨立樣本與相依樣本 193
7.5 比較均值的其他方法* 193
在假定等方差時比較均值 193
完全隨機設計與隨機區組設計 195
根據軟體給出的報表進行推斷 195
效應量 196
適用於均值的一個模型 196
7.6 比較比例的其他方法* 197
比較相依比例 197
比較相依比例的麥克尼馬爾檢驗 198
相依比例差異的置信區間 199
比較比例的費歇精確檢驗 199
比較兩個比例的小樣本估計 200
7.7 比較兩組的非參數統計量* 200
威爾科克森-曼-惠特尼檢驗 201
效應量：對一個組更好回響的
比例 201
處理有序變數為定量變數 202
7.8 本章概要 203
思考題 205
第8章 分類變數之間的關聯分析 217
8.1 列聯表 217
百分比比較 218
構建列聯表的原則 219
獨立和相依 219
8.2 獨立性的卡方檢驗 220
對應於獨立的期望頻數 220
卡方檢驗統計量 221
卡方分布 221
需要的樣本量 223
用軟體進行卡方檢驗 223
自由度的解釋 224
卡方檢驗和類別處理 224
8.3 殘差：檢測關聯模式 224
殘差分析 225
卡方和2×2（四格）表的比例
差異 226
2×2表的標準化殘差 227
大於2×2的表需要用卡方 227
8.4 列聯表中關聯的量度 228
關聯的量度 228
比例差異 228
卡方不是對關聯的測量 229
優勢比（比數比） 229
優勢比的性質 230
r×c列聯表的優勢比* 231
概述r×c表關聯的量度 232
8.5 兩個有序變數之間的關聯* 233
一致和不一致 233
（gamma） 235
是兩個有序比例的差異 236
有序量度的公共特性 236
8.6 對有序關聯的推斷 236
關聯量度的置信區間 236
使用 的獨立性檢驗 237
有序檢驗與皮爾遜卡方檢驗 238
對其他有序量度的相似推斷方法 238
混合的有序——名義列聯表 239
8.7 本章概要 239
思考題 240
第9章 線性回歸和相關 250
9.1 線性關係 250
線性函式（linear function） 251
解釋y的截距和斜率 252
模型是對實際的簡單近似 253
9.2 最小平方預測方程 254
散點圖描繪數據 254
預測方程 255
異常值對預測方程的影響 256
預測誤差被稱為殘差 258
預測方程有最小平方性質 258
9.3 線性回歸模型 259
線性回歸函式 260
描述回歸直線的變異 260
均方誤（差）：估計條件變異 261
條件變異往往小於邊緣變異 262
9.4 量度線性關聯：相關 263
斜率和關聯強度 263
相關 264
相關的性質 265
相關暗示向均值回歸 265
r2：預測誤差減少的比例 267
r2的性質 269
平方和描述條件變異和邊緣變異 269
9.5 對斜率和相關係數的推斷 269
對統計推斷的假定 270
獨立性檢驗 270
斜率的置信區間 273
讀懂計算機列印輸出結果 274
對相關的推斷* 275
缺失值（missing data） 276
9.6 模型的假定及違背 276
哪一個假定是重要的 276
外推是危險的 277
有影響的觀測值 277
影響相關的因素 278
有誤差項的回歸模型* 279
模型和現實 280
9.7 本章概要 281
思考題 282
第10章 多元關係概述 298
10.1 關聯關係和因果關係 298
10.2 對其他變數的控制 300
社會學研究中的統計控制 301
統計控制的關聯類型 301
警惕隱變數的存在 303
10.3 多變數關係的類型 304
偽關聯（spurious association） 304
鏈關係（chain relationship） 305
多個因果關係 306
抑制變數（suppressor variable） 306
統計的互動作用 307
多變數關係小結 308
混雜作用使得效應難以評估 309
10.4 統計控制中的推斷問題 309
分表分析中小樣本的影響 309
控制變數的類別影響 309
對照比較和合併的測度 310
10.5 本章概要 310
思考題 311
第11章 多元回歸分析和相關分析 319
11.1 多元回歸模型 319
多元回歸函式 319
回歸係數的解釋 322
預測方程和殘差 323
11.2 多元回歸分析計算機輸出實例 323
描述雙變數關係的散點圖 324
對偏相關繪製偏相關圖 325
計算機輸出結果樣例 326
11.3 復相關和R2 328
復相關 328
R2：多元決定係數 329
R和R2的性質 330
多個解釋變數的多重共線性 331
11.4 多元回歸係數的統計推斷 332
檢驗解釋變數的整體影響 332
F分布 333
回歸係數的統計推斷 334
方差分析表中的變差和均方差* 336
F統計量是均方誤差之比 337
F統計量與t統計量之間的關係 337
11.5 預測變數間的互動作用 337
交叉乘積項 338
檢驗互動作用項 339
中心化解釋變數* 340
擴展與限制* 341
11.6 回歸模型的比較 341
全模型和簡化模型 341
用殘差平方和SSE或決定係數
R2值進行模型比較 342
11.7 偏相關* 343
對偏相關係數的解釋 344
對偏相關係數平方的解釋 344
高階偏相關係數 346
偏相關係數的統計推斷 346
11.8 標準化回歸係數 347
標準化回歸係數的方法 347
標準化回歸係數的性質 348
預測方程的標準化形式* 349
謹慎比較標準化回歸係數 349
11.9 本章概要 350
思考題 352
第12章 多組比較：方差分析
（ANOVA） 368
12.1 多個均值的比較：方差分析
F檢驗 368
對均值比較的F檢驗的假定 368
組間變異和組內變異 370
F檢驗統計量是兩個方差估計
之比 371
F檢驗統計量的公式是 371
組內方差估計* 372
組間方差估計 373
方差分析表中的平方和* 373
F檢驗與多個t檢驗 374
12.2 均值的多重比較 374
置信區間比較均值 374
大量置信區間的錯誤率 375
均值多重比較Bonferroni法 375
均值多重比較Tukey法 377
12.3 用回歸模型進行方差分析 377
回歸中的虛擬變數 377
回歸中用方差分析檢驗比較
均值 379
為什麼使用回歸分析來做方差
分析呢 379
12.4 雙因素方差分析 380
雙因素方差分析中的主效應
假設 380
主效應的F檢驗 381
雙因素方差分析的互動效應 382
H0：沒有互動效應的F檢驗 384
12.5 雙因素方差分析和回歸分析 384
假定沒有互動效應的回歸模型 384
有互動效應的回歸模型 386
偏平方和 387
雙因素方差分析的多重比較 387
析因方差分析 388
12.6 重複測量的方差分析* 389
有重複測量的單因素方差分析 389
球形假定和複合對稱性 390
相依樣本的置信區間比較 391
固定效應和隨機效應 391
12.7 一個因素是重複測量的雙因素
方差分析* 392
在兩個固定效應之一上進行
重複測量 393
在上面分析的基礎上構造置信
區間 395
治療方法的Bonferroni多重比較 396
更複雜的重複測量分析 397
兩次以上的重複測量 397
12.8 違背方差分析假定的影響 397
F檢驗的穩健性 397
Kruskal-Wallis檢驗：非參數
檢驗方法 398
12.9 本章概要 398
思考題 399
第13章 組合回歸分析和方差分析:
定量和分類預測變數 412
13.1 均值比較和回歸直線比較 412
比較回歸直線 413
控制x，比較y的均值 413
13.2 有定量和分類預測變數的回歸 415
定量和虛擬解釋變數 415
對參數的解釋：沒有互動效應
的模型 416
13.3 定量預測變數和分類預測變數
之間允許互動作用 418
對不同模型的R或R2的比較 419
多個分類和定量預測變數的回歸
分析 420
13.4 用定量和分類預測變數進行回歸
的統計推斷 420
沒有互動效應的檢驗 421
控制x，檢驗分類變數的效應 422
用方差分析結果進行比較 423
控制分類變數，檢驗x的效應 423
13.5 修正均值* 424
控制協變數，修正回響變數的
均值 424
比較修正均值 426
圖示解釋說明修正均值 427
修正均值的多重比較 428
謹慎使用假設的修正均值 430
13.6 本章概要 431
思考題 431
第14章 構建多元回歸模型 438
14.1 模型選擇過程 438
為模型選擇解釋變數 438
向後剔除過程 439
向前選擇和逐步回歸過程 440
自動選擇過程的局限性和弊端 442
探索研究與解釋性（理論驅動）
研究 442
選擇模型的指標：調整R2、預測
的殘差平方和Cp 443
14.2 回歸診斷 445
檢驗殘差 445
繪製殘差與解釋變數圖 447
時間序列數據 448
檢測有影響的觀測值：槓桿值 449
檢測有影響的觀測值：DFFIT和
DFBETA 449
14.3 多重共線性的影響 452
多重共線性擴大了標準誤 452
VIF和其他多重共線性指標 453
存在多重共線性的補救措施 454
14.4 廣義線性模型 454
非常態分配的回響變數 455
廣義線性模型的連線函式 455
回響變數為常態分配的廣義
線性模型 456
回響變數服從γ分布的廣義
線性模型 457
14.5 非線性關係：多項式回歸 458
二次回歸模型 459
二次回歸模型的說明與擬合 461
非線性效應的描述和推斷 462
謹慎使用多項式模型 462
非參數回歸* 463
14.6 指數回歸和對數轉換* 464
對指數回歸模型的解釋 467
轉換預測變數以獲取線性 468
14.7 本章概要 469
思考題 469
第15章 邏輯斯蒂回歸：構建分類
回響變數模型 479
15.1 邏輯斯蒂回歸 479
線性機率模型 479
二分回響變數的邏輯斯蒂回歸
模型 480
機率的邏輯斯蒂回歸方程 482
對邏輯斯蒂回歸模型的解釋 482
使用幾率和優勢比解釋 483
15.2 多元邏輯斯蒂回歸 484
幾率的效應 486
機率的效應 487
15.3 邏輯斯蒂回歸模型的統計推斷 488
Wald檢驗和似然比獨立性檢驗 488
多元邏輯斯蒂回歸的推斷 489
用似然比檢驗比較邏輯斯蒂回歸
模型 490
15.4 定序回響變數的邏輯斯蒂回歸模型 491
累積機率和累積機率的logit 491
定序回響變數的累積logit模型 492
對定序回響變數效應的推斷 494
回響變數類別選擇的恆定性 494
多元模型的擴展 495
邏輯斯蒂回歸模型中的定序
預測變數 495
15.5 名義回響變數的邏輯斯蒂模型* 495
基準類別的Logit 496
15.6 分類變數的對數線性模型* 498
三個變數的分層對數線性模型 498
對數線性模型優勢比的解釋 500
15.7 對列聯表構建的模型進行擬合
優度檢驗* 502
卡方擬合優度統計量 502
標準化殘差 503
對數線性模型的擬合優度 504
通過比較G2值來比較模型 504
邏輯斯蒂模型和對數線性模型
之間的聯繫 505
邏輯斯蒂模型和對數線性模型
之間的區別 505
15.8 本章概要 506
思考題 506
第16章 高級統計方法概述 515
16.1 縱向數據分析* 515
MANOVA：多因變數方差分析 515
帶有隨機效應的混合效應模型 516
使用隨機效應的一維重複測量
方差分析 516
16.2 多層（分層）模型* 518
為兩個層上的觀測值構建模型 519
16.3 事件歷史模型* 520
截尾數據和時變協變數 520
事件的發生率 521
比例風險模型 521
16.4 路徑分析* 523
路徑圖 523
路徑係數 524
直接效應和間接效應 525
路徑分解 525
對因果模型的一個告誡 527
16.5 因子分析* 527
因子分析模型 528
擬合因子分析模型 528
分類回響變數的潛在分類模型 531
起源和爭議 531
16.6 結構方程模型* 532
計量模型 532
結構方程模型 533
協方差結構模型中的特例 533
擬合協方差結構模型 534
檢驗模型擬合 535
16.7 馬爾可夫鏈* 535
轉移機率 536
思考題 537
附錄A SPSS和SAS統計分析 539
附錄B 奇數練習答案 558
附錄C 統計檢驗臨界值表 576
參考文獻 582
