![爱上统计学 - [美] 尼尔·J. 萨尔金德](https://static.book345.com/covers/s/9787562441960.jpg)
在经过不断地摸索以及少量成功大量失败的尝试之后，我已经学会了以某种方式教授统计学，我和我的许多学生认为这种方式不会让人感到害怕，同时能够传递大量的信息。
通过这本书可以了解基础统计学的范围并学习所有应该掌握的信息，也可以了解整理和分析数据的基本思路和最常用的技术。本书理论部分有一些，但是很少，数学证明或特定数学程式的合理性讨论也很少。
为什么《爱上统计学》这本书不增加更多理论内容?很简单，初学者不需要。这并不是我认为理论不重要，而是在学习的这个阶段，我想提供的是我认为通过一定程度的努力可以理解和掌握的资料，同时又不会让你感到害怕而放弃将来选修更多的课程。我和其他老师都希望你能成功。
因此，如果你想详细了解方差分析中F值的含义，可以从Sage出版社查找其他的好书(我愿意向你推荐书目)。但是如果你想了解统计学为什么以及如何为你所用，这本书很合适。这本书能帮助你理解在专业文章中看到的资料，解释许多统计分析结果的意义，并且能教你运用基本的统计过程。
---
第I部分 耶!我喜欢统计学
1 统计学还是虐待学?由你决定
为什么学习统计学
统计学简史
统计学：是什么(或不是什么)
我在统计学课堂上做什么
使用这本书的十种方式(同时也在学统计学!)
关于那些符号
难度指数
第Ⅱ部分 西格玛·弗洛伊德和描述统计
2 必须完成的功课——计算和理解平均数
计算均值
需要记忆的内容
计算中位数
需要记忆的内容
计算众数
何时用什么
应用计算机并计算描述统计值
3 性别差异——理解变异性
为什么理解变异性很重要
计算极差
计算标准差
需要记忆的内容
计算方差
使用计算机计算变异性量数
4 一幅图真的相当于千言万语
为什么要用图表说明数据
好图表的十个方面(少贪新，多练习)
首先是建立频数分布
图形密度：建立直方图
扁平和细长的频数分布
其他的图表数据的绝妙方法
使用计算机图示数据
5 冰淇淋和犯罪——计算相关系数
相关系数到底是什么
需要记忆的内容
计算简单相关系数
理解相关系数的含义
决定性的努力：相关系数平方
其他重要的相关
使用计算机计算相关系数
第Ⅲ部分 抓住那些有趣又有利的机会
6 你和假设：检验你的问题
也许你想成为一个科学家
零假设
研究假设
好假设的标准是什么
7 你的曲线是正态的吗——概率和概率的重要性
为什么学习概率
正态曲线(或钟型曲线)
我们最中意的标准值：z值
使用计算机计算z值
第Ⅳ部分 显著性差异——使用推论统计
8 显著性的显著——对你我来说意味着什么
显著性的概念
显著性与意义
推论统计介绍
显著性检验介绍
9 两个群体的t检验——不同群体的均值检验
独立样本t检验介绍
计算检验统计量
特殊效果：差异是真实的吗
使用计算机进行t检验
10 两个群体的t检验——两个相关群体的均值检验
……
第V部分 你得了解和记忆的内容
附录A 30分钟SPSS教学
附录B 数据表
附录C 数据集
尼尔·J·萨尔金德(Neil J．Salkind) 他在堪萨斯大学心理学和教育学系从教30年，同时兼任人类发展和家庭生活系的教授，30年来，开设的课程有发展理论、生命全程发展理论、统计学和研究方法。他获得马里兰大学人类发展的博士学位，发表了80多篇专业文章，也是一些大学教材的作者，如《儿童发展、探索性研究和人类发展理论导论》(Sage，2004)。他也是l989--2002年的《儿童发展摘要和书目》的编辑。他在儿童发展研究领域很活跃，在贸易领域也有很多著述。他住在堪萨斯州劳伦斯市一所需要经常维护的老房子里，喜欢烹饪、游泳、阅读、藏书及收藏古典沃尔夫Pl800。
- 幽默风趣的笔触，消除对统计学的恐惧感
- 侧重概念理解与应用，极少涉及复杂数学推导
- 涵盖描述统计、相关性及假设检验等核心基础
- 统计学初学者，尤其是非数学专业的大学生
- 需要阅读文献、理解数据分析结果的科研工作者
- 对数据分析感兴趣，希望掌握基础统计工具的人
- 建议配合SPSS或Excel软件操作，以加深理解
- 注意区分均值、中位数和众数的适用场景
- 重点关注信度与效度的概念，这是测量基础
- 内容浅显易懂，非常适合零基础入门学习
- 翻译质量参差不齐，部分术语需对照英文理解
- 逻辑清晰，能有效帮助理解统计背后的意义
本导读基于书籍简介、目录、原文摘录、短评和书评生成，不等同于全文精读。
- "信度有几种不同的类型： 1. 再测信度用于检验一个测试在不同时期是否可信。 2. 复本信度用于检验相同测试的不同复本的等价性和相似性。 3. 内在一致性信度用于确定测试中的项目是否彼此一致。克隆巴赫系数是对内在一致性信度的测量。 克隆巴赫系数实际上就是计算每个测试者在每个项目中的得分和总的得分之间的相关系数，并于所有单个项目的得分的变异性的比较。计算的逻辑是每个总分很高的测试者在每个项目上的得分也应该很高。 4. 评分者信度是两个评分者对观察结果判断的一致程度的度量。"
- "效度简单来说就是表示工具能够测量要测量的内容的性质。 1. 内容效度就是测试项目能否代表设计测试要测量的总体项目的性质。 2. 准则效度是评价测试是否反映现在和未来的一组能力。如果准则是发生在现在，我们就讨论同步效度。如果准则是发生在未来，我们就讨论预测效度。 3. 建构效度是基于测试或测量工具背后的基本的结构和概念。（现在还不是特别懂。。。。）"
- "如果你的数据集中有一个或多个极值，中位数相对其他集中趋势量数来说能更好地代表数据集的中心值。…… …… 就是由于这个原因，特定的社会和经济指标（大多数与收入相关）的分析使用中位数作为集中趋势量数……而不是使用均值来概括收入。总是存在太多的极值改变或者明显地扭曲一个数据组或者数据分布的中心点。"
- "如果你对两个变量之间的关系感兴趣，就尽力手机充分的离散数据——这样你才可以得到最具代表性的结果"
- "不存在某种关系作为研究的起点是整个假设的重点。零假设有助于定义观察到的群体之间的差异是由偶然性引起还是偶然之外的因素引起。"
- "统计显著性是指零假设为真的情况下拒绝零假设所要承担的风险水平。"
- "极差是通过数据分布的最大值减去最小值来计算。实际上，极差有两种类型，一种是不包含极差，就是用最大值减去最小值。 另外一种是包含极差，就是用最大值减去最小值 再加1。 标准差是总体标准差的估计值，只有我们在分母中除以n-1的时候得到的才是无偏估计。好的科学家一般都是保守的。这里保守的含义是如果我们不得不出错，那么我们出错也是过估计了总体的标准差。 样本规模越大标准差的有偏估计和无偏估计的差异就越小。"
- "偏度是对数据分布对称性缺失或者分布不平衡的测量。换句话说就是分布的一个尾巴比另外一个长。 如果均值大于中位数，那么就是正偏度分布，否则就是负偏度分布。 峰度与数据分布看起来是扁平或者陡峭有关，而且用于描述这个特征的概念是相对的。一般来说，陡峭峰度数据分布相比与其他分布来说离散型或者变异性更小。 累计频度分布建立的基础是相同数据的频数分布，但是多增加了一列，累计频数。"
