数据分析概论

　　《数据分析概论》研究对象是社会科学的研究数据。数据分析可以赋予事实意义，好的数据分析能为所研究的社会现象提供合理的描述和解释。本书旨在为定量研究数据分析的每一步提供统计学基础。作者讨论了数据搜集的意义、一元统计、对相关性的测量、显著性检验、简单和多元回归，并给出了大量的数学公式，使得读者能更好地理解这些内容。《数据分析概论》一书介绍了社会科学研究中*常见和*常用的内容——数据。数据是解释某个现象或某件事的要素，但如何运用数据、如何分析数据，这是很多社会学学生以及刚从事社会科学研究的人所面临的一大问题。《数据分析概论》一书就满足了广大研究者和学生的需要。该书不仅提供了有关数据搜集的介绍，也一一探讨了分析数据的统计工具，全面而深入。作者利用大量数学公式和图表来讨论数据分析，并以一个基于大学生学业能力的分析的例子来丰富读者的认识。

　　迈克尔·S.刘易斯-贝克美国艾奥瓦大学政治科学教授，担任Sage出版公司社会科学定量方法应用（QASS）系列丛书主编。出版和发表了大量著作，包括《回归应用导论》《社会科学家的新工具：研究方法的发展及其应用》等。

序
第1章 导论
第2章 数据搜集
第1节 研究问题
第2节 样本
第3节 测量
第4节 数据编码、输入和检查
第3章 一元统计
第1节 集中趋势
第2节 离散
第3节 集中趋势、离散和异常值
第4章 相关测量
第1节 相关
第2节 定序数据：tau相关测量
第3节 名义数据：Goodman-Kruskal lambda系数
第4节 二分变量：灵活选择
第5节 小结
第5章 显著性检验
第1节 显著性检验的逻辑：一个简单的例子
第2节 运用同一逻辑：二元相关测度
第3节 几个重要问题
第4节 小结
第6章 简单回归
第1节 Y是关于X的方程
第2节 小二乘法法则
第3节 截距和斜率
第4节 预测和拟合优度
第5节 显著性检验和置信区间
第6节 报告回归结果
第7章 多元回归
第1节 例子
第2节 统计控制
第3节 模型设定错误
第4节 虚拟变量
第5节 共线性
第6节 交互效应
第7节 非线性
第8节 归纳和结论
第8章 建议
 
附录
参考文献
译名对照表