第1章 数据与统计学 1
1.1 统计学及其应用 1
1.1.1 什么是统计学 1
1.1.2 统计学的应用 2
1.2 数据及其来源 4
1.2.1 变量与数据 4
1.2.2 数据的来源 6
本书图解：统计方法分类与本书框架 9
软件应用 10
思考与练习 10
第2章 用图表展示数据 12
2.1 类别数据的图表展示 12
2.1.1 用频数分布表观察类别数据 12
2.1.2 用图形展示类别数据 17
2.2 数值型数据的图表展示 20
2.2.1 用频数分布表观察数据分布 20
2.2.2 用图形展示数值型数据 22
2.3 使用图表的注意事项 32
本章图解：数据类型与图表展示方法 33
软件应用 33
思考与练习 36
第3章 用统计量描述数据 40
3.1 水平的描述 40
3.1.1 平均数 40
3.1.2 中位数和分位数 41
3.1.3 水平代表值的选择 42
3.2 差异的描述 43
3.2.1 极差和四分位差 43
3.2.2 方差和标准差 43
3.2.3 变异系数 44
3.2.4 标准得分 46
3.3 分布形状的描述 47
3.4 数据的综合描述 47
本章图解：数据分布特征与描述统计量 51
软件应用 52
思考与练习 52
第4章 随机变量的概率分布 55
4.1 什么是概率 55
4.2 随机变量的概率分布 56
4.2.1 随机变量及其概括性度量 56
4.2.2 随机变量的概率分布 57
4.2.3 其他几个重要的统计分布 61
4.3 样本统计量的概率分布 64
4.3.1 统计量及其分布 64
4.3.2 样本均值的分布 64
4.3.3 其他统计量的分布 67
4.3.4 统计量的标准误差 68
本章图解：随机变量的概率分布 68
软件应用 69
思考与练习 69
第5章 参数估计 71
5.1 参数估计的基本原理 71
5.1.1 点估计与区间估计 71
5.1.2 评价估计量的标准 74
5.2 总体均值的区间估计 76
5.2.1 一个总体均值的估计 76
5.2.2 两个总体均值之差的估计 78
5.3 总体比例的区间估计 83
5.3.1 一个总体比例的估计 83
5.3.2 两个总体比例之差的估计 84
5.4 总体方差的区间估计 85
5.4.1 一个总体方差的估计 85
5.4.2 两个总体方差比的估计 86
5.5 样本量的确定 87
5.5.1 估计总体均值时样本量的确定 88
5.5.2 估计总体比例时样本量的确定 89
本章图解：参数估计所使用的分布 90
软件应用 91
思考与练习 91
第6章 假设检验 94
6.1 假设检验的基本原理 94
6.1.1 怎样提出假设 94
6.1.2 怎样做出决策 96
6.1.3 怎样表述决策结果 100
6.2 总体均值的检验 101
6.2.1 一个总体均值的检验 101
6.2.2 两个总体均值之差的检验 104
6.3 总体比例的检验 107
6.3.1 一个总体比例的检验 107
6.3.2 两个总体比例之差的检验 108
6.4 总体方差的检验 109
6.4.1 一个总体方差的检验 109
6.4.2 两个总体方差比的检验 110
6.5 总体分布的检验 111
6.5.1 正态性检验的图示法 112
6.5.2 Shapiro-Wilk和K-S正态性检验 112
本章图解：假设检验的内容框架 115
软件应用 116
思考与练习 116
第7章 类别变量分析 120
7.1 一个类别变量的拟合优度检验 120
7.1.1 期望频数相等 120
7.1.2 期望频数不等 122
7.2 两个类别变量的独立性检验 124
7.2.1 列联表与x2独立性检验 124
7.2.2 应用x2检验的注意事项 126
7.3 两个类别变量的相关性度量 126
7.3.1 ？系数和Cramer's V系数 126
7.3.2 列联系数 127
本章图解：类别变量分析方法 128
软件应用 128
思考与练习 129
第8章 方差分析 131
8.1 方差分析的基本原理 131
8.1.1 什么是方差分析 131
8.1.2 误差分解 132
8.2 单因子方差分析 133
8.2.1 数学模型 133
8.2.2 效应检验 134
8.2.3 多重比较 137
8.3 双因子方差分析 140
8.3.1 数学模型 140
8.3.2 主效应分析 141
8.3.3 交互效应分析 147
8.4 方差分析的假定及其检验 149
8.4.1 正态性检验 150
8.4.2 方差齐性检验 151
本章图解：方差分析过程 154
软件应用 155
思考与练习 155
第9章 一元线性回归 159
9.1 变量间的关系 159
9.1.1 确定变量之间的关系 159
9.1.2 相关关系的描述 160
9.1.3 关系强度的度量 162
9.2 一元线性回归模型的估计和检验 164
9.2.1 一元线性回归模型 164
9.2.2 参数的最小二乘估计 165
9.2.3 模型的拟合优度 168
9.2.4 模型的显著性检验 169
9.3 利用回归方程进行预测 171
9.3.1 平均值的置信区间 171
9.3.2 个别值的预测区间 172
9.4 回归模型的诊断 174
9.4.1 残差与残差图 174
9.4.2 检验模型假定 175
本章图解：一元线性回归的建模过程 177
软件应用 178
思考与练习 178
第10章 多元线性回归 182
10.1 多元线性回归模型 182
10.1.1 回归模型与回归方程 182
10.1.2 参数的最小二乘估计 184
10.2 拟合优度和显著性检验 186
10.2.1 模型的拟合优度 186
10.2.2 模型的显著性检验 187
10.3 多重共线性及其处理 188
10.3.1 多重共线性及其识别 188
10.3.2 变量选择与逐步回归 190
10.4 相对重要性和模型比较 193
10.4.1 自变量的相对重要性 193
10.4.2 模型比较 194
10.5 利用回归方程进行预测 196
10.6 哑变量回归 198
10.6.1 在模型中引入哑变量 198
10.6.2 含有一个哑变量的回归 199
本章图解：多元线性回归的建模过程 203
软件应用 204
思考与练习 205
第11章 时间序列预测 209
11.1 时间序列的成分和预测方法 209
11.1.1 时间序列的成分 209
11.1.2 预测方法的选择与评估 212
11.2 平稳序列的预测 212
11.3 趋势序列的预测 214
11.3.1 线性趋势预测 214
11.3.2 非线性趋势预测 217
11.4 多成分序列的预测 219
11.4.1 Winter指数平滑预测 220
11.4.2 分解预测 222
本章图解：时间序列预测的程序和方法 226
软件应用 226
思考与练习 227
第12章 非参数检验 231
12.1 单样本的检验 231
12.1.1 中位数的符号检验 231
12.1.2 Wilcoxon符号秩检验 233
12.2 两个及两个以上样本的检验 234
12.2.1 两个配对样本的Wilcoxon符号秩检验 234
12.2.2 两个独立样本的Mann-Whitney检验 236
12.2.3 k个独立样本的Kruskal-Wallis检验 238
12.3 秩相关及其检验 240
12.3.1 Spearman秩相关及其检验 240
12.3.2 Kendall秩相关及其检验 241
本章图解：非参数检验方法 244
软件应用 244
思考与练习 245
附录：SPSS和R简介 247
参考书目 254