第1章 起步——区分数据类型 1
1.1 名义数据 2
1.2 有序数据 2
1.3 区间数据 3
1.4 比例数据 4
1.5 数据转换 5
第2章 避免手工计算和公式处理——使用软件 7
2.1 软件类型 7
2.2 软件选择 8
2.3 如何将数据组织成计算机文档 9
2.4 如何处理缺失数据 10
第3章 初步观察——利用图表观察数据特征 13
3.1 图表的种类 13
3.2 一种特殊的条图——直方图 19
第4章 将杂乱的数据汇总为整齐的数字——描述统计学 23
4.1 集中趋势的度量 23
4.1.1 均值——算术平均值 23
4.1.2 中位数——中点 26
4.1.3 众数——直方图峰值处横坐标值 27
4.1.4 不同集中趋势度量指标的选用——小结 28
4.2 变异性度量 31
4.2.1 极差 31
4.2.2 四分位数间距 32
4.2.3 标准差 32
4.2.4 方差 34
4.2.5 变异性度量指标的选择——小结 34
4.3 综合应用描述统计学度量指标——示例 35
第5章 什么是“统计显著性”——推断统计学的基本概念 40
5.1 描述统计学与推断统计学 40
5.2 总体与样本 41
5.3 参数与统计量 41
5.4 概率与频率分布 42
5.5 正态分布 44
5.6 Z分值 45
5.7 标准正态分布 47
5.8 置信区间 48
5.9 假设检验——统计显著性与无统计显著性 52
5.10 统计检验的错误——Ⅰ类错误和Ⅱ类错误 56
第6章 如何收集数据——抽样方法 59
6.1 简单随机抽样 59
6.2 系统抽样 60
6.3 分层抽样 62
6.4 抽样偏倚 63
第7章 检验名义数据与有序数据的关系——X2检验 66
7.1 X2检验的逻辑性 66
7.2 预期频数计算 69
7.3 X2值 70
7.4 X2表 71
7.5 检验关系模式 73
7.6 使用软件进行X2检验的示例 74
7.7 使用X2检验的前提条件 78
第8章 检验区间数据和比例数据的关系——相关和回归 83
8.1 相关类型 84
8.2 用散点图观察关系模式 84
8.3 度量关系强度——皮尔逊系数r 87
8.4 皮尔逊系数rp的显著性检验 88
8.5 相关和因果 90
8.6 回归方程和回归线 91
8.7 预测 96
8.8 进行相关分析和回归分析的前提条件 98
第9章 两个样本间存在显著差异吗？——t检验 99
9.1 独立t检验与配对t检验 100
9.2 t检验逻辑 102
9.3 t检验过程 104
9.4 用软件进行t检验示例 106
9.5 使用t检验的前提条件 109
第10章 三个或多个样本存在显著差异吗？——方差分析 111
10.1 方差分析逻辑 112
10.2 方差分析过程 115
10.3 用软件进行方差分析示例 116
10.4 检验差异模式 118
10.5 使用方差分析的前提条件 121
第11章 数据不符合参数检验条件——使用非参数检验 123
11.1 Spearman秩相关系数 124
11.2 Mann-Whitney检验 127
11.3 Wilcoxon符号秩检验 129
11.4 Kruskal-Wallis检验 132
11.5 非参数检验的优缺点 136
11.5.1 非参数检验的优点 136
11.5.2 非参数检验的缺点 136
11.5.3 何时使用非参数检验 137
第12章 如何选择检验法？——路线图 139
第13章 多变量分析——使用高级统计学方法 144
13.1 两因素方差分析 144
13.2 多重回归 151
13.2.1 我们为什么需要多重回归？ 151
13.2.2 多重回归方程 152
13.2.3 回归系数 153
13.2.4 多重相关系数和多重决定系数 154
13.2.5 偏相关系数 154
13.3LISREL 155
附录 161
附录1 标准正态分布 161
附录2 随机数表 163
附录3 X2临界值 164
附录4 皮尔逊系数r的临界值 165
附录5 t的临界值 166
附录6 方差分析（α＝0.05）中F的临界值 167
附录7 Tukey's HSD（α＝0.05）的临界值 168
参考书目 169
索引 171