首页 > 教育 > 本科研究生 > 统计学类

社会科学统计方法(第4版)

作译者：朱红兵等

出版时间：2011-11 千字数：0 版次：01-01 页数：600

开本：16(185*235) 装帧： I S B N ：9787121142192

换版：

纸质书定价：￥79.8

库存:有

分享到：

共有图书评论0条【查看评论摘要】

看了又看

{{data.bookName}}

￥{{data.price}}

内容简介

前言

上架建议

作者简介

编辑推荐

音视频专区

目    录
 
第1章  引言	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	3
总体和样本	4
参数和统计量	5
定义总体：实际总体和概念总体	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
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
离散型变量和连续型变量	13
2.2  随机化	14
简单随机抽样	15
如何去选择一个简单随机样本	15
用抽样调查收集数据	16
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
抽样误差	18
抽样偏差：非概率抽样	18
响应偏差	19
无响应偏差：缺失数据	20
偏差类型总结	20
2.4  其他概率抽样方法*	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

序
大约30年前，我开始着手本书第一版的编写工作，我的目的是强调统计方法的概念及其在社会科学中的应用，而不是强调用这些方法背后的数学理论和计算细节的风格来介绍统计方法。我把重点放在了怎样使用方法和如何解释结果上，而不是把重点放在它们的理论起源上来编写本书的。
本书的第四版在实例和练习上，更加强调概念和应用，并重视“实际数据”。我继续减少了时常成为学生学习绊脚石的数学理论方面的篇幅，尤其是概率理论方面的篇幅。另一方面，教科书不是菜谱。依赖于一个过于简单化的如同做饭以食谱为基础的方法接近统计学，绝非良好的统计实践之路。
第四版的变化
自从第一版以来，计算机性能的提高加上统计软件的不断改良和可访问性，已经对社会科学分析数据的方法产生重大影响。因此，本书不涉及传统快捷的手工计算公式和近似法。复杂方法计算上的介绍，如回归，强调对软件输出的解释，而不是强调对所执行的分析公式的解释。教材中包含许多例子的打印输出资料，在课文和家庭作业问题中，都主要采用SPSS样式，偶尔也使用SAS样式。这一版中还有一个附录，它说明了如何用SPSS和SAS处理各章统计方法，并且给出链接其他软件信息的一个网站。
面向实际而又简单的实例以及许多课外练习对学生的学习极其重要。这一版增加了许多新练习并且更新了旧数据，其中主要强调实际数据。每一章的课外习题集分为两个部分，即课文实践基础资料中的简答练习，以及在概念和应用中处理开放式数据分析的习题、概念理解题及概念和应用中的综合资料练习。在实例和练习中的大型数据集包括练习1.11中介绍又在各章最后练习中再次出现的数据集，可在http://www.stat.ufl.edu/~ aa/social/data.html网站上得到。
这一版修改和增加的内容，直接采用更先进的方法和手段。主要变化如下：
 更加致力于实例和统计软件的一体化。这包括要求学生去使用普伦蒂斯霍尔网站的小型应用程序来完成一些新练习，以帮助学习抽样分布、置信区间以及显著性检验的基本概念。
 为使本书更加容易地被低年级学生接受，在书的前9章略微降低了技术水平。为此，简化或省略了一些符号。
 第3章，在描述统计上，用单独一节讨论位置测度，例如百分位数及相关的主题如箱图和异常值。还有一小节讨论二元描述方法。这可使学生及早接触到列联表和回归分析方法及其要点，即在实践中，感兴趣的变量几乎总是不止一个。本节还介绍关联的概念，以及响应变量和解释变量。
 第4章增加了新的一节，它介绍有关频数的概念并简单概述了偶尔在教材中应用的3个基本概率规则。
 第5～7章对均值的推断资料已经修改为完全依赖于t分布，而不是对大样本使用z检验和对小样本使用t检验。这使得结果与软件输出一致。我仍旧强调的是对t分布的正态性假定主要是小样本单侧推断的需要。
 第5章，关于置信区间，现在在均值之前介绍比例（它只依赖于正态分布），修改的部分原因缘于对均值推断总是使用t分布。如此，学生利用在第4章最后学到的关于正态分布被看做抽样分布的知识（也就是，对于比例，误差边缘用z-分数乘以标准误，而不是t-分数乘以标准误），可以学到置信区间的基本概念。这次t分布推迟一节介绍，这样学生不会同时遇到太多新的问题。
 第7章，在两组的比较上，增加新的一节介绍二元分析的思想，提醒学生注意响应变量和解释变量之间的区别，定义独立样本和相依样本，讨论如何用两个参数的差异或两个参数的比来比较两组，以及显示用来测度两个独立估计之间差异的标准误的一般公式。7.3节介绍模型的概念。
 第12章，在方差分析（ANOVA）上，解释了F检验背后的思想且在推出平方和公式之前给出一个实例。
 第15章提供了一个技术含量较少的逻辑斯蒂回归的解释和它扩展到名义和有序响应变量方面的介绍。
 第16章包括了新的一节，即纵向数据分析和多水平（分层）模型。
在统计课程中教材的使用
像前三版一样，这一版可做为本科生开设一个学期或研究生开设两个学期的统计入门课程的教材。第1～9章是适用于单学期的基础课程。如果教师希望教得更多或希望涉及一些更深的资料，那么可以简单地省去一些与连续性无关的章节，包括2.4、5.5、6.6～6.7、7.5～7.7和8.5～8.6节。同样，第7～9章和12.1～12.2节是独立的，并且教师在授完第1～6章涵盖基础的课程后，可以直接讲授这些章节的任何一处。适合于一个学期课程的四种可能的选择如下：
 第1～9章（可能省去以上提到的章节）：标准典型的教学内容，包括基础的描述统计和推断统计、两样本过程、列联表和线性回归。
 第1～7、9、11章：重点为回归。
 第1～7、9章及12.1～12.2节：在两组比较之后，介绍回归和方差分析。
 第1～8、10章：强调分类数据资料、多元关系的基本问题。
不管针对何种类型的数据资料，我坚信用模型范例强调参数估计比许多统计教科书中的人为的假设检验方法更有用。为此，基础的推断章节（第5～8章）解释了置信区间的优势超过显著性检验，并且本书的后半部分（从第9章开始）主要涉及模型构建。在7.5节中，在描述比较均值的两种方法中介绍模型的概念。建模资料构成了第二个学期课程的基础。
在节、小节或练习中出现用星号（*）标记的一些资料。这些资料是选修的，对入门学习者来说不重要。教科书没有试图介绍每一种可以用到的方法，因为它应该是一个教学工具，不是百科全书般的菜谱。它涵盖了社会科学研究中绝大部分重要的方法，并且它包含了在统计入门教材中不常讨论的主题，如
 比 提供更多的信息的列联表方法，如单元残差（cell residuals）及使用分类排序的分析；
 变量控制，以及涉及因果关系的问题；
 广义线性模型方法，包括普通回归、方差和协方差分析、标准差与均值比例的非负响应的伽马回归、分类响应的逻辑斯蒂回归及列联表的对数线性关联模型。
我相信学生成功地完成本书的学习后，将会在应用统计方法方面打下一个坚实的基础。

译  者  序
社会统计学是一门应用极为广泛的学科，它不但应用于金融、保险、经济、人文学科等领域，而且还在医学、商业管理、动物学、公共卫生、教育学等领域相互渗透。除社会统计学专业外，它也是许多其他专业开设的一门必修课程。
本书的两位作者Alan Agresti和Barbara Finlay在大学多年从事社会统计学方面的教学与研究工作。第一作者Alan Agresti教授是一位在社会统计学领域享有盛名的统计学家，曾获得由美国统计协会芝加哥分会颁发的2003年度杰出统计学家称号。历任美国统计协会理事、数理统计学院理事、佛罗里达大学研究基金会教授等职务。Alan Agresti教授论文著作颇丰，本书是他众多力作中的又一本代表性作品，该书在世界各地被许多大学选为教材或教学参考书。 
本书为第4版。为便于读者更容易理解书中出现的各个统计基本概念，掌握各个概念之间的联系，原书作者还对部分章节的内容及其出现的先后顺序进行了微调。关于这一点，原书作者已在序中作了详细的说明。本教材可以在大学的两个学期中使用，非常适合初学者作为统计学的入门书。正如作者在其序中所述的，本书第1～9章介绍常用社会统计学的方法，可作为本科生的单学期教材；第10～16章可作为研究生的单学期教材。显然后一部分的内容也可以作为为本科生开设的社会统计学提高班的课程。
本书条理清晰、逻辑性强、涉及面广，除保留前三版中原有的统计方法外，还添加了许多新的内容，引进了统计学中最新的研究成果，并在第16章中进行了初步介绍，反映了本学科发展的前景。在例题和习题方面，更加注意引用实际生活中出现的实例。使我们很清晰地看到，统计离我们很近，就在日常的生活中。对统计的学习，不需要高深的数学基础，但对统计方法的使用，需要注意各方面的条件限制。这一点作者凭借其丰富的教学经验，通过其细腻的写作手法，以及对问题的剖析，将各种方法的使用要点淋漓尽致地展现在读者的面前。作者用其深厚的社会统计学功底，对一些统计概念的理解上容易出现偏差的地方，不惜笔墨重点进行了详解。例如，在假设检验中，为什么不能接受无效假设，P为什么不是无效假设成立的概率等，给我们留下了深刻的影响。本书每章最后都给出了本章重点的概要，使读者很清楚各章的要点。
为便于初学者对书中概念、公式的理解，本书中配备了大量的练习题，可供读者在学习之余自己练习。本书中多次用到的大型数据集，读者可在本书教材网站http://www.stat. ufl.edu/~aa/social/data.html上下载获得，所提供的一些应用小程序可供读者在线使用。
本书主要由朱红兵、何丽娟翻译。其中第1～9章由朱红兵翻译；第10～16章由何丽娟翻译。另外朱启钊、苏林参与了附录A的翻译，崔梦晗、崔健参与了附录B的翻译。解利辉、苏玉成、费青松对附录A中软件操作上的基本概念给予了解答；石国书、苏为夏提供了文字阅读的帮助；苏乐、林建亭、韦玉、高萱提供了英文方面的帮助。全书由朱红兵负责统稿。卢纹岱教授负责本书的审校工作，并提出了许多宝贵及富有建设性的意见，使我们受益匪浅。
由于译者水平有限，因此在翻译中存在错误和疏漏在所难免，恳请广大读者批评指正。译者Email:zhuhongbing@cipe.edu.cn。
译  者    
                                                       2011年6月于北京

查看更多 > 图书评论

暂无评论

发表图书评论

评论标题：
评论内容：
验证码：: 看不清楚
点击刷新
: 您还没有登录，请登录后再评论。
点击“登录”

购买过本书的顾客还买过

{{data.bookName}}

￥{{data.price}}