封面
版权信息
版权
内容提要
前言
资源与支持
资源获取
第1章 大数据时代的科研与统计思维
关键知识点
知识结构图
学前深思
1.1 科研统计思维及其社会需求
1.1.1 统计思维之魅力
1.1.2 统计思维何以重要
1.2 统计的主流技术及应用
1.2.1 统计描述的关键技术
1.2.2 统计推断的主流技术
1.2.3 统计分析技术及其应用领域
1.2.4 统计分析的关键思路及质量评价
1.3 统计思维在科研中的主要应用
1.3.1 在自然科学领域的常见应用
1.3.2 在社会科学领域的常见应用
1.4 统计思维方法及应用误区
1.4.1 量化研究中统计分析的层次
1.4.2 量化研究中的误区
1.4.3 量化研究质量的保证
1.5 统计分析软件及其分析环境
1.5.1 统计分析软件简介
1.5.2 基于Excel的统计分析环境
1.5.3 基于SPSS的统计分析环境
1.6 科研视点：面向统计思维的量化研究论文品读
1.6.1 品读导引
1.6.2 研究论文
思考题
综合实践题
第2章 数据的规范化及预处理
关键知识点
知识结构图
学前深思
科研视点：研究报告品读
2.1 数据来源及其规范化要求
2.1.1 科研数据的来源
2.1.2 数据类别及特点
2.1.3 数据的规范化要求
2.2 以Excel做数据预处理
2.2.1 Excel下的数据编辑
2.2.2 实战：数据类型转化与格式标准化
2.2.3 实战：数值化编码技术
2.2.4 实战：数据表的拼接
2.3 以SPSS做数据预处理
2.3.1 SPSS的变量预定义及编辑
2.3.2 实战：数据文件打开、保存及优化
2.3.3 实战：变量的重编码技术
2.3.4 实战：变量之间的计算
2.3.5 实战：缺失值的标记与处理
2.3.6 实战：数据文件的拼合技术
2.4 科研数据的质量保证
2.4.1 科研数据质量保证的两个指标
2.4.2 效度检验的主要技术
2.4.3 以德尔菲法实现效度保证的思路
2.4.4 实战：以德尔菲法实现效度保证
2.4.5 信度检验的主要技术
2.4.6 实战：SPSS下的信度检验
思考题
综合实践题
第3章 统计描述及数据加工
关键知识点
知识结构图
学前深思
科研视点：研究报告品读
3.1 科研数据的统计描述
3.1.1 统计描述中的统计量
3.1.2 数据的分布形态
3.2 SPSS实现统计描述的技术
3.2.1 实战：以SPSS获取常见统计量
3.2.2 实战：频数统计及分析
3.2.3 实战：数据的图示化描述
3.2.4 实战：数据分布形态的判断
3.2.5 实战：面向低测度数据的统计描述
3.3 数据抽取与变形
3.3.1 实战：数据的排序与抽样
3.3.2 实战：个案的加权处理
3.3.3 实战：求秩分
3.3.4 实战：求正态得分
3.3.5 实战：分数的标准化——求Z分数
3.3.6 补充说明：其他变形操作
思考题
综合实践题
第4章 差异显著性检验
关键知识点
知识结构图
学前深思
科研视点：研究报告品读
4.1 差异显著性检验&统计推断
4.1.1 差异显著性检验的概念
4.1.2 统计推断的概念
4.2 面向配对数据的差异显著性检验
4.2.1 配对样本及其统计推断操作
4.2.2 实战：教改前后学生的成绩有变化吗？——两配对样本差异显著性检验
4.2.3 实战：三轮测量数据之间的差别明显吗？——K-配对样本差异性检验
4.2.4 实战：专家们是否科学严谨地评审了项目？——综合应用型案例
4.3 面向分组数据的差异显著性检验
4.3.1 分组样本及其统计推断操作
4.3.2 实战：性别是影响学习成绩的因素吗？——两独立样本差异性检验
4.3.3 实战：生源是影响学习成绩的因素吗？——K-独立样本差异性检验
4.3.4 实战：生源对学生是否喜欢上学有影响吗？——低测度数据的分组检验
4.4 差异显著性检验算法的思考与深化
4.4.1 深究：均值差异显著性检验机理
4.4.2 深究：差异显著性检验的算法体系
4.4.3 补充：面向随机分布的检验——游程检验及原理
4.4.4 补充：面向期望分布的检验——卡方检验
思考题
综合实践题
第5章 方差分析及其高级应用
关键知识点
知识结构图
学前深思
科研视点：研究报告品读
5.1 方差分析的概念及应用
5.1.1 方差分析的概念
5.1.2 方差分析的原理及类别
5.2 单因素方差分析
5.2.1 实战：父母文化程度会影响学生的IQ值吗？
5.2.2 单因素方差分析反思与总结
5.3 多因素方差分析
5.3.1 实战：多因素方差分析模型构建及调整
5.3.2 多因素方差分析中的关键问题及反思
5.4 协方差分析
5.4.1 协方差分析的概念
5.4.2 实战：排除控制变量影响的方差分析——协方差分析模型
5.5 多因变量方差分析
5.5.1 多因变量方差分析概述
5.5.2 实战：面向多因变量的方差分析
思考题
综合实践题
第6章 关联性分析技术
关键知识点
知识结构图
学前深思
科研视点：研究报告品读
6.1 关联性分析综述
6.1.1 关联性分析的特点及类型
6.1.2 SPSS实现关联性分析的主要技术
6.2 相关性分析及应用
6.2.1 相关性分析算法及其适应性
6.2.2 实战：学生的数学成绩与游戏时间相关吗？——中高测度数据相关性分析
6.2.3 实战：影响学生成绩的真实原因是上网时间吗？——偏相关分析
6.2.4 低测度变量的相关性分析
6.3 线性回归分析技术
6.3.1 回归分析概述
6.3.2 实战：一元线性回归
6.3.3 实战：多元线性回归分析
6.3.4 多元线性回归原理及反思
6.3.5 理论深化：多重共线性问题
6.4 曲线回归分析技术
6.4.1 实战：以多元线性回归探究高次回归式
6.4.2 实战：以曲线回归探究高次回归式
6.4.3 曲线回归的总结与思考
6.5 二元逻辑回归技术
6.5.1 二元逻辑回归的工作原理
6.5.2 实战：哪些因素导致学生喜欢数学课？——二元逻辑回归
思考题
综合实践题
第7章 聚类分析技术
关键知识点
知识结构图
学前深思
科研视点：研究报告品读
7.1 聚类的概念及原理
7.1.1 科研中的分类分析
7.1.2 核心知识：距离的计算与判定
7.1.3 聚类分析的常见类型
7.2 个案的聚类分析
7.2.1 实战：面向个案的系统聚类
7.2.2 实战：快速聚类及其应用
7.3 变量的聚类分析
7.3.1 实战：面向变量的系统聚类
7.3.2 对R聚类的反思与总结
7.4 判别分析
7.4.1 判别分析的概念与类型
7.4.2 实战：基于组质心的分类判别
7.4.3 实战：基于分类判别式的分类判别
思考题
综合实践题
第8章 因子分析与降维
关键知识点
知识结构图
学前深思
科研视点：研究报告品读
8.1 因子分析与降维简述
8.1.1 探索性因子分析与验证性因子分析
8.1.2 降维与探索性因子分析
8.2 主成分分析：EFA应用
8.2.1 原理：探索性因子分析原理
8.2.2 实战：以主成分分析探究变量蕴含的关键因素
8.2.3 实战：以主成分分析检验测量指标的结构效度
8.3 结构方程模型入门——CFA应用
8.3.1 结构方程模型概述
8.3.2 以AMOS绘制模型图：AMOS使用之一
8.3.3 解读SEM分析结果并优化：AMOS使用之二
8.3.4 实战：以AMOS软件实现CFA
思考题
综合实践题
附录 《大学生生活满意度调查问卷》及数据集
参考文献
更新时间：2024-09-10 16:38:08
完结共205章
倒序