社會科學統計方法

《社會科學統計方法》是2011年電子工業出版社出版的圖書，作者是美)阿倫.艾格瑞斯蒂 (Alan Agresti)、巴巴拉.芬蕾 (Barbara Finlay) 。

基本介紹

• 書名：社會科學統計方法
• 作者：(美)阿倫.艾格瑞斯蒂 (Alan Agresti) (美)巴巴拉.芬蕾 (Barbara Finlay) 
• 原版名稱：Statistical Methods for the Social Sciences,Fourth Edition
• 譯者：朱紅兵 何麗娟 
• ISBN：9787121142192
• 頁數：583頁
• 出版社：電子工業出版社
• 出版時間：2011年11月1日
• 裝幀：平裝
• 開本：16開
• 審校：盧紋岱

內容簡介

《社會科學統計方法(第4版)》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。

《社會科學統計方法(第4版)》例題豐富，實用性強，可作為統計專業本科生和研究生教材，也可供從事統計分析和決策的社會各領域各相關專業的讀者學習參考。

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