描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787111716334丛书名: 美国名校学生喜爱的心理学教材
2.被无数学生和老师强推的经典教材，时隔15年完整再版；
3.以往版次获豆瓣千人9.5高分推荐：“相见恨晚，泪流满面，原来统计学没有那么难！”
4.资深统计学教授方平、姜媛领衔翻译，译文准确流畅。
本书非常大的特色在于深入浅出，通俗易懂，花了大量篇幅介绍超越公式之外的统计学原理，有技巧地展示了统计分析的过程，循序渐进，有助于读者深入理解统计学的本质。作者通过一步步的逻辑推演，向读者展示了每个统计概念的含义，帮助读者理解每种统计方法适用于何种情境，以及运用每种方法的关键点。书中还提供了大量生动的案例和课后练习，以帮助数学基础薄弱的学生真正理解统计思想。
如果你想真正学习一门社会科学，那么统计学基础知识是你必须了解的。如果你觉得统计很难，觉得自己数学不够好，担心自己学不会统计学，那么这本书就是为你准备的。
前言
第一部分
导论和描述统计
第1章 统计学导论2
第2章 频数分布21
第3章 集中趋势41
第4章 变异性59
第二部分
推断统计基础
第5章 z分数：分数的位置和标准化分布78
第6章 概率93
第7章 概率和样本：样本平均数的分布112
第8章 假设检验简介129
第三部分
运用t统计量推断总体平均数和平均数差异
第9章 t统计量简介158
第10章 两个独立样本的t检验176
第11章 两个相关样本的t检验196
第四部分
方差分析：检验两个或多个总体平均数的差异
第12章 方差分析简介216
第13章 重复测量方差分析242
第14章 双因素方差分析（独立测量）260
第五部分
相关和非参数检验
第15章 相关286
第16章 回归313
第17章 卡方统计量:拟合度检验和独立性检验331
第18章 二项式检验353
第19章 选择恰当的统计方法368
附录
附录A 统计表380
附录B 各章奇数编号习题和各部分复习题的答案395
附录C SPSS使用简要说明412
附录D 顺序数据的假设检验414
参考文献421
教辅材料申请表426
熟悉以前《行为科学统计》版本的读者会发现这一版本做了一些修订。修订内容总结在前言的“致教师”部分。在这个修订版中，学生始终是我们关注的焦点。这些年来，他们提供了真实有效的反馈。他们的努力和坚持让我们的写作和教学变得极有意义。我们真诚地感谢他们。使用这版教材的学生请阅读前言的“致学生”部分。
致教师
熟悉之前版本的读者会注意到第9版《行为科学统计》中有许多修订。本书更新了研究的实例，增加了一些真实的例证，大部分章末的习题已经得到了修订。本书分为五个部分，以阐述多种统计方法的相似性。每个部分包含3～5章，从导论开始，并以回顾和复习题结束。
第9版的主要修订内容包括：
（1）删除了上一版中的第12章。置信区间（confidence interval）这部分内容移至有关t检验（t-statistic）的三章中。
（2）上一版第20章关于顺序数据（ordinal data）的假设检验（hypothesis test）部分移至附录。
（3）新增的一章讨论了如何针对不同类别的数据选择合适的统计方法，并取代了早期版本中作为附录呈现的Statistics Organizer。
其他详尽修订如下：
第1章 新增部分解释了如何根据相同的数据结构和研究方法对统计方法进行分类。新的标题阐明不同的测量量表需要使用不同的统计方法。
第2章 为了区分离散变量（discrete variable）和连续变量（continuous variable），修正了与直方图（histogram）相关的内容。关于茎叶图的内容也做了大幅度的简化。
第3章 修订后的中数定义表明中数不是由代数定义的，尤其对离散变量而言，确定中数可能有些主观。新增的知识窗表明，准确地定位连续变量的中数等同于使用插值法求第50百分位数（如第2章所示）。
第4章 对全距（range）给予了新的定义，删除了关于四分位差（interquartile range）的讨论。着重强调了标准差（standard deviation）和离差平方和（SS）的概念性定义。简化了方差（variance）和推断统计（inferential statistics）的部分，删除了变异性测量（measure of variability）的比较。
第5章 内容无较大变动。
第6章 对随机抽样（random sample）和独立随机抽样（independent random sample）的概念分别给予了清晰的界定。新增图表有助于说明使用单位正态分布表求负z分数（z-score）比例的过程。简化了二项式分布（binomial distribution）的内容。
第7章 内容无较大变动。
第8章 这一章被大幅简化，删除了几页无用的内容，特别是关于Ⅰ型错误、Ⅱ型错误和统计检验力（power）的部分内容。明确阐述了单尾检验（one-tailed test）和双尾检验（two-tailed test）之间的区别。
第9章 描述样本量和样本方差影响假设检验结果的部分已经移至假设检验的例子之后。文中新增部分介绍了效应量的置信区间，描述了在文献中如何报告置信区间，讨论了影响置信区间宽度的因素。
第10章 新增的一个小节讨论了样本方差和样本量如何影响独立测量假设检验（independent-measures hypothesis test）的结果和效应量。另一个新增的小节引入了置信区间作为描述效应量的替代方法，还对置信区间和假设检验之间的关系进行了讨论。我们还介绍了当方差过大或者假设不成立时，Mann-Whitney检验（在附录D中介绍）可以代替独立测量t检验。
第11章 明确阐述了重复测量设计（repeated-measures design）和被试匹配设计（matched-subjects design），更加强调所有相关样本检验的计算都应使用差异分数。新增部分引入置信区间用以描述效应量并讨论置信区间和假设检验之间的关系。我们还介绍了当方差过大或者假设不成立时，Wilcoxon检验（在附录D中介绍）可以替代重复测量t检验（repeated-measures t test）。
第12章 （以前版本的第13章，介绍ANOVA）关于检验α水平和实验α水平的讨论从知识窗移至正文，并添加了两个术语的定义。主要强调了ANOVA的定义而非公式，处理间平方和通常是通过减法运算而不是直接计算得出的。处理间平方和的两个可替代等式从正文移至知识窗。我们还介绍了当方差过大或假设不成立时，Kruskal-Wallis检验（在附录D中介绍）可以替代独立测量方差分析。
第13章 （以前版本的第14章，介绍重复测量ANOVA）新增部分说明了当重复测量研究只有两种处理时方差分析和t检验之间的区别。缩减了章节内容并简化了表述。我们还介绍了当方差过大或假设不成立时，Friedman检验（在附录D中介绍）可以替代重复测量方差分析。
第14章 （以前版本的第15章，介绍双因素ANOVA）新增部分说明了如何使用被试特征作为第二个因素减小个体差异的离散程度。缩减了章节内容并简化了表述。
第15章 （以前版本的第16章，介绍相关）简化了偏相关（partial correlation）的内容，该部分从回归（regression）移至皮尔逊相关（Pearson correlation）部分。
第16章 （以前版本的第17章，介绍回归）简化了多元回归（multiple regression）的内容。SPSS多元回归的输出结果以图示说明了回归方程中不同因素的作用。
第17章 （以前版本的第18章，介绍卡方检验）内容无较大变动。
第18章 （以前版本的第19章，介绍二项式检验）内容无较大变动。
第19章 全新的一章，概括了适用于不同数据结构的统计方法。
本书的章节按逻辑顺序排列以便我们安排统计课程。然而，不同的教师可能更喜欢其他的顺序编排，也许会选择忽略或者删除特定的主题。我们尝试将各章甚至是各章中的小节编写为完全独立的部分，因此，它们可被删除或重组以适应大部分教师的教学大纲。以下是一些常见的例子：
●教师在强调方差分析（第12章、第13章和第14章）或强调相关和回归（第15章和第16章）时做出选择是很常见的。因为一个学期的课程很难完全覆盖这两部分内容。
●尽管我们选择在相关（第15章）之前讲解平均数和平均数差异的假设检验，但许多教师在讲课顺序上更愿意把相关放在前面。为了适应这种情况，第15章第15.1～15.3节对皮尔逊相关的计算和解释可以在第4章（变异性）后介绍。第15章中涉及假设检验的其他部分应该在假设检验步骤（第8章）后介绍。
●在课程顺序上，教师也有可能先讲解卡方检验（chi-square test）。在第8章介绍假设检验的步骤后，教师就可介绍第17章关于比例的假设检验。如果按此顺序进行，建议提前讲解皮尔逊相关（第15章第15.1～15.3节），为介绍独立性卡方检验提供基础。
致学生
本书的主要目的是让学生尽可能轻松地学习统计学。除此之外，本书为学生提供了很多练习的机会，如学习小测验、例子、示例和习题。我们鼓励学生充分利用这些机会理解本书内容，而不仅仅是记忆公式。我们必须根据概念来理解每种统计方法，因为概念解释了统计方法形成的过程以及运用这种方法的条件。如果你阅读本书并了解了统计公式的基本概念，就会发现学习并运用公式变得很容易。在“学习提示”中，我们给学生提出了建议。学生也可以向教师寻求建议，我们相信其他教师也会有自己的想法。
多年来，我们班上的学生以及其他使用本书的学生都给予了我们有价值的反馈。如果你对本书有任何建议或评价，你可以写信给纽约州立大学布洛克波特学院心理学系荣誉教授弗雷德里克·J.格雷维特（Frederick J.Gravetter）或者荣誉教授拉里·B.瓦尔诺（Larry B.Wallnau），地址为350 New Campus Drive,Brockport,New York 14420。你也可以通过邮箱[email protected]直接联系格雷维特教授。
学习提示 正如我们自己的学生所反映的那样，你可能会发现以下这些建议很有用。
●在统计学课程中取得成功的关键是及时理解这些材料。每项新内容都建立在之前的内容基础之上。如果你已经学会了之前的内容，那么新的内容对你来说就比较简单了。然而如果没有相应的背景知识，新内容可能会难以理解。当你发现自己难以跟上进度时，请立即寻求帮助。
●如果你想学习并记忆更多，可以每星期进行几次短时间的学习而不是一次长时间的学习。比如，每天晚上学习半小时比每周一次学习三个半小时更有效率。我们在编写这本书的时候也保证了足够的休息。
●在上课之前做一些预习。提前阅读老师在课上要讲解的章节，即使不能完全理解你所阅读的内容，你也会对它有一个大致的理解，这将使你更容易理解老师的讲课内容。此外，你可以预先找出疑难点，然后确保在课上将其解决。
●在课堂上集中注意力并认真思考。虽然这个建议听起来很简单，但是很难做到。许多学生花了很多时间记下每个例子或者老师所说的每个词，但实际上他们不去理解和提炼老师所说的话。请与你的老师进行确认，你可能不需要抄写课堂上的所有例子，特别是与书中类似的例子。有时，我们会告诉学生放下他们的笔认真听课。
●定期测试自己。不要等到一章结束或周末才来检查你学到的知识。每次课后，做一些章末习题和学习小测验。复习示例并确定你可以定义关键术语。如果你遇到了困难，请即刻重新阅读相关章节，请教你的老师，或在课堂上提问以获得答案。这样做，你将能够获得新知识。
●别欺骗自己！不要否认这个问题。许多学生看到老师在课堂上讲解例题，就觉得“这看起来很简单，我已经明白了”。你真的明白吗？你真的能不翻书自己解决问题吗？尽管使用书中的例题作为解决问题的模板并没有什么错，但你应该试着合上书来测试你对知识的掌握程度。
●我们发现许多学生不好意思寻求帮助。这是我们作为教师的挑战。你必须想办法克服这个问题。如果在课堂上提问会使你感到焦虑，那么直接与老师联系是个不错的开始。你可以去找你的老师，你也许会惊喜地发现他们不会大声责骂或者伤害你。同时，你的老师也许知道其他可以提供帮助的学生。同伴辅导是一个很有效的方法。
弗雷德里克·J.格雷维特
拉里·B.瓦尔诺
评论
还没有评论。