？万千心理.行为科学统计：从研究实践到思维培养（原著第9版）【正版新书】
正版新书出版社直发可开发票，支持7天无理由
￥ 93.1 7.3折 ￥ 128 全新
库存2件
江苏无锡
认证卖家担保交易快速发货售后保障
作者(美)戴维·C.豪厄尔(DavidC.Howell) 著,邵志芳 译
出版社中国轻工业出版社
ISBN9787518431106
出版时间2021-04
装帧平装
开本16开
定价128元
货号31143936
上书时间2024-07-13
- 在售商品 暂无
- 平均发货时间 13小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
作者简介戴维？C.豪厄尔（DavidC.Howell）美国佛蒙特大学心理学系的名誉教授和前任系主任；主要研究领域是统计和实验方法；《心理学统计方法》（StatisticalMethodsforPsychology，2013）的作者，以及《行为科学统计百科全书》（EncyclopediaofStatisticsinBehaviorScience，2005）的合著者；其他兴趣包括计算机和互联网，以及科学技术如何影响沟通交流、教学和研究。
译者简介邵志芳1985年毕业于华东师范大学心理学系并留校任教；1994年获得博士学位；长期从事认知心理学研究，并讲授心理统计学、认知心理学等课程；曾在SSCI和CSSCI期刊上发表论文20余篇，著有《心理统计学》（第一至三版）、《心理与教育统计学》（第一至三版）、《认知心理学―理论、实验和应用》（第二版）、《思维心理学》（第二版）、《社会认知》等教材和专著，翻译作品有《基础与应用心理学》（Münsterberg著）、《认知心理学》（第七版和第八版，Solso等著）和《认知心理学》（第六版，Sternberg等著）。
目录
第1章 导言
1.1 一个发展中的领域
1.2 环境的重要性
1.3 基本术语
1.4 统计程序的选择
1.5 使用计算机
1.6 总结
1.7 快速复习
1.8 习题
第2章 基本概念
2.1 测量量表
2.2 变量
2.3 随机抽样
2.4 符号
2.5 总结
2.6 快速复习
2.7 习题
第3章 数据展现
3.1 绘制数据
3.2 茎叶图
3.3 读图
3.4 绘制数据的其他方法
3.5 描述分布
3.6 用SPSS展现数据
3.7 总结
3.8 快速复习
3.9 习题
第4章 集中量
4.1 众数
4.2 中位数
4.3 平均数
4.4 众数、中位数和平均数的相对优劣
4.5 用SPSS和R计算集中量
4.6 一个简单的演示――直观的统计学
4.7 总结
4.8 快速复习
4.9 习题
第5章 差异量
5.1 全距
5.2 四分位距
5.3 平均差
5.4 方差
5.5 标准差
5.6 方差和标准差的计算公式
5.7 作为估计量的平均数和方差
5.8 箱须图：差异量和极端数值的图形表示
5.9 对于切尾样本的回顾
5.10 用SPSS和R计算差异量
5.11 月亮错觉
5.12 直观的统计学
5.13 总结
5.14 快速复习
5.15 习题
第6章 正态分布
6.1 正态分布
6.2 标准正态分布
6.3 根据概率为观察值设定上下限
6.4 与z相关的量
6.5 直观的统计学
6.6 总结
6.7 快速复习
6.8 习题
第7章 概率的基本概念
7.1 概率
7.2 基本术语和规则
7.3 概率在有争议问题上的应用
7.4 结果报告
7.5 间断变量与连续变量
7.6 间断变量的概率分布
7.7 连续变量的概率分布
7.8 总结
7.9 快速复习
7.10 习题
第8章 抽样分布与假设检验
8.1 抽样分布和标准误
8.2 另外两个例子――课程评价和人类决策
8.3 假设检验
8.4 零假设
8.5 检验统计量及其抽样分布
8.6 运用正态分布进行假设检验
8.7 Ⅰ类错误与Ⅱ类错误
8.8 单尾检验和双尾检验
8.9 直观的统计学
8.10 综合举例
8.11 回顾课程评价和沉没成本的例子
8.12 总结
8.13 快速复习
8.14 习题
第9章 相关
9.1 散点图
9.2 一个例子：生活节奏与心脏病之间的关系
9.3 协方差
9.4 皮尔逊积差相关系数（r）
9.5 秩次数据之间的相关系数
9.6 影响相关的因素
9.7 警惕极端观察值
9.8 相关关系与因果关系
9.9 一件事情如果看起来好得出奇，也许真该怀疑
9.10 相关系数的显著性检验
9.11 相关系数的置信区间
9.12 相关系数矩阵
9.13 其他相关系数
9.14 用SPSS计算相关系数
9.15 r2和效应量
9.16 直观的统计学
9.17 回顾：课程质量评价与预期成绩有相关吗？
9.18 总结
9.19 快速复习
9.20 习题
第10章 回归
10.1 应激水平与心理健康的关系
10.2 基本数据
10.3 回归线
10.4 预测的准确性
10.5 极端数值的影响
10.6 回归分析中的假设检验
10.7 用SPSS进行回归分析
10.8 直观的统计学
10.9 综合举例（用于复习）
10.10 回归与相关
10.11 总结
10.12 快速复习
10.13 习题
第11章 多元回归
11.1 概述
11.2 第一个例子：资助我们的学校
11.3 多元回归方程
11.4 残差
11.5 假设检验
11.6 完善回归方程
11.7 专栏：用R解决多元回归问题
11.8 第二个例子：怎样才能成为一个自信的母亲？
11.9 第三个例子：癌症病人的心理症状
11.10 总结
11.11 快速复习
11.12 习题
第12章 单样本平均数的假设检验
12.1 平均数的抽样分布
12.2 σ已知时平均数的假设检验
12.3 σ未知时平均数的假设检验（单样本t检验）
12.4 影响t值的因素与关于H0的决策
12.5 第二个例子：月亮错觉
12.6 效应到底有多强？
12.7 平均数的置信限
12.8 用SPSS和R进行单样本t检验
12.9 良好猜测好于空着不答
12.10 直观的统计学
12.11 置信区间可能比零假设检验重要得多
12.12 总结
12.13 快速复习
12.14 习题
第13章 双相关样本平均数的假设检验
13.1 相关样本
13.2 将学生氏t用于差异分数
13.3 一人之群与多人之群
13.4 相关样本的优缺点
13.5 我们发现的效应有多强？――效应量
13.6 差异分数的置信限
13.7 用SPSS和R进行相关样本t检验
13.8 结果报告
13.9 总结
13.10 快速复习
13.11 习题
第14章 双独立样本平均数的假设检验
14.1 平均数之差的分布
14.2 方差不齐性
14.3 分布的非正态性
14.4 双独立样本t检验的第二个例子
14.5 再谈效应量
14.6 μ1-μ2的置信限
14.7 效应量的置信限
14.8 检验结果可视化
14.9 结果报告
14.10 幸运符有用吗？
14.11 直观的统计学
14.12 总结
14.13 快速复习
14.14 习题
第15章 统计功效
15.1 统计功效的基本概念
15.2 影响检验的功效的因素
15.3 用传统方式计算的功效
15.4 单样本t检验计算功效
15.5 计算两个独立样本平均数之差检验的功效
15.6 计算相关样本t检验的功效
15.7 以样本容量考虑功效
15.8 你不必手工完成
15.9 事后（回溯）功效
15.10 总结
15.11 快速复习
15.12 习题
第16章 单因素方差分析
16.1 基本思路
16.2 方差分析的逻辑
16.3 方差分析的计算方法
16.4 样本容量不等的方差分析
16.5 多重比较法
16.6 违反假定的情况
16.7 效应量
16.8 结果报告
16.9 综合举例
16.10 直观的统计学
16.11 总结
16.12 快速复习
16.13 习题
第17章 析因方差分析
17.1 析因设计
17.2 Eysenck的研究
17.3 交互作用
17.4 简单效应
17.5 相关量和效应量
17.6 结果报告
17.7 样本容量不等的情况
17.8 男性过度补偿论：专属男性的现象
17.9 用SPSS做析因方差分析
17.10 直观的统计学
17.11 总结
17.12 快速复习
17.13 习题
第18章 重复测量的方差分析
18.1 一个例子：对地震的反应――抑郁
18.2 多重比较
18.3 效应量
18.4 重复测量设计涉及的假定
18.5 重复测量设计的优缺点
18.6 结果报告
18.7 综合举例
18.8 总结
18.9 快速复习
18.10 习题
第19章 χ2检验
19.1 单向分类变量：χ2拟合优度检验
19.2 双向分类变量：列联表分析
19.3 标准χ2检验可能的改进形式
19.4 较大列联表的χ2检验
19.5 期望次数太小的问题
19.6 对比例进行χ2检验
19.7 效应量的计量
19.8 综合举例
19.9 结果报告――第二个例子
19.10 直观的统计学
19.11 总结
19.12 快速复习
19.13 习题
第20章 非参数检验与自由分布检验
20.1 传统的非参数检验
20.2 随机化检验
20.3 效应量指标
20.4 自助抽样
20.5 母性适应研究的结果报告
20.6 总结
20.7 快速复习
20.8 习题
第21章 元分析
21.1 元分析
21.2 简要回顾效应量指标
21.3 第一个例子――儿童和青少年抑郁症
21.4 第二个例子――尼古丁口香糖和戒烟
21.5 总结
21.6 快速复习
21.7 习题
附录A 符号
附录B 统计学基本公式
附录C 数据集
附录D 统计用表
术语表
参考文献
习题答案
内容摘要
生活节奏和心脏病有何关系？影响课程评价的因素有哪些？父母早逝如何影响儿童敏感性？……本书利用大量真实的行为研究数据，让读者在对行为科学议题的分析中，理解统计学概念以及数据分析逻辑，而不是死记硬背地执行统计技术。读者将超越数字运算，学会进一步理解行为科学实验所提出的研究问题。
本书系统介绍了描述统计学、假设检验和抽样分布、相关和回归分析、平均数检验、统计功效、方差分析、χ2检验、自由分布检验以及元分析技术，而且对统计功效的强调贯串全书，重视培养对统计结果的解读能力――从简单宣布样本间的差异
显著与否，过渡到能解释这些差异对于实验目的意味着什么。此外，本书囊括了切尾平均数、温式方差、随机化检验、自助抽样、元分析等其他基础教材很少涉猎的内容，为读者解决现实数据问题拓宽思路。本书更整合了当前热门数据分析软件SPSS和R的操作示范，强调在软件操作中加深理解，同时提供了丰富的网络资源和配套数据包，这些都为读者直观地掌握统计思维和操作提供了宝贵资源。
本书穿插了许多重难点专栏，犹如教授就在身边给予手把手的教导，适合数学基础不扎实的学生自学并解除畏难情绪。作者还不时地指出可以扩展学习的地方，将统计学的世界、统计学名家的创新与开拓带到读者面前，因此也适合追求更高层次学习、未来真正从事研究工作的学生。
精彩内容
?第1章??导言
??学生前来修读课程的时候，通常都想知道课程涉及哪些内容，以及自己将会取得怎样的成绩。本章首先介绍全书涵盖的所有内容和那些不会涉及的内容；接着将介绍统计学与数学之间的区别——两者在很大程度上根本不是一回事。正如我要指出的那样，本课程所需的所有数学知识，你都在高中时就学过——尽管你可能已经忘记了一些。然后将阐述我们为什么需要统计方法，这些方法的目的是什么，并说明将要学习的所有方法的结构。最后，本章将简要介绍数据的计算机分析。
??多年来，在聚会等社交场合，如果有人问及我的职业，我总会回答说自己是一名心理学家（现已退休）。尽管我会立即补充说自己是一名实验心理学家，人们还是会评论说，在你面前说话做事都要小心了，好像我神通广大什么都知道似的。所以我后来改变了策略，回答说我教的是统计学——这个答案也完全没毛病。这个答案还解决了一个问题——大家不再直白地对我表示疑虑了；不过，它带来了另一个问题——现在大家都会说他们的数学是何等的差，以及多么成功地避开了统计学课程——对于将职业生涯投身于统计学教学的人来说，这些话听起来似乎还是不那么舒服。现在，我就只说自己讲授心理学研究方法达35年之久，大家听了似乎还挺满意。也许他们不知道研究方法涉及统计学。我还就不告诉他们。
??让我们先来看第一个问题：统计学属于哪个领域？毕竟，你要投入一个学期的精力来学习各种统计学方法，现在首先应该了解一下将要学习的内容。“统计”这个术语至少有三种用法*。作为本书的标题，“统计学”指的是一整套程序和规则（不限于计算或数学），它们可以帮助我们将大量数据简化到可以把握的程度，并根据这些数据得出结论。本书介绍的基本上就是这些内容。
??该术语的第二个用法（也是极为常见的义项）就是像这句话里面的意思——“统计表明，申请失业救济的人数连续第3个月下降”。这里的“统计”可以用来代替“统计数据”，但是后一种说法其实更好。根据我们这本书的目的，这个义项永远用不上。
??该术语的第三个用法是指代数据经过某种算术或代数运算所得到的结果。因此，一组数字的均值（平均数）就是一种统计量。这一完全合理的用法将贯串本书。
??这样一来，我们对这个术语有两个正确的用法：（1）一套程序和规则；（2）样本数据经这些规则和程序处理后得到的结果。根据上下文，你总能判断书上说的是哪一个含义。
??对许多学生而言，“统计学”这个术语通常会引起一定程度的数学恐惧，好在数学和数学推导在统计工作者的生活中并不需要（通常也不会）居于主导地位。［其实，像科恩（JacobCohen）这样一位能最清楚、最有说服力地阐述行为科学统计学问题的作者也说，自己就是因为数理统计学知识贫乏，才能如此成功地向别人解释统计学概念的。你别说，读者还真能理解他说的话。］当然，如果不学习一些公式、不做深入理解，你也看不懂任何统计学文章。好在这不需要很高的数学水平，你在高中学的数学已经绰绰有余了。
??比起担心代数和学习应用方程，用统计方法和程序将一个实验的结果与指引该实验的假设联系起来，才是更要紧的。从本书最早的几个版本开始，我就花大力气将那些对理解数据分析没有多大帮助的数学材料尽数删去。对于统计学公式，我不再呈现那些专门为了使用计算器而设计的公式，而是将其简化为定义公式。不过，这意味着你要稍微多思考一下做统计分析的逻辑了。这里说的逻辑并不限于假设检验的逻辑。我的意思是，你要明白解题方法背后的逻辑。如果两个群体的平均数之差与你要问的实际问题没有任何关系，就不用考察两个群体的平均数有没有差异。如果不知道差异有多大以及差异是否重要，那么谈该差异是不是随机产生的就没有意义。如果我们过分强调公式，就很可能陷入其中，只知道用这些公式对数据进行计算，却忘记了原本究竟要回答什么问题。
??某些学生还有另一个想法（我的前一段话可能也多少促成了这种想法）：修读统计学课程的唯一理由就是为了分析实验研究的结果。当然，老师们希望你们能够为了达到这个目标而使用统计程序，但是那些程序（更重要的是与之相应的思想方法）不只被用于标准的实验研究。我希望像我这样的博雅教育信徒能注意到，统计学也是博雅教育的内容。这里介绍的大部分内容在你们大学毕业后的工作中还能用上。不管你们是在大公司还是小型家族企业工作，都必须处理数据；你们甚至还需用计算机来解决问题。如果你在城市规划委员会任职，就要知道规划中的各种变化会对房地产和商业发展产生什么影响，还须了解这些影响反过来又能造成就学人口的变化和由此产生的学校预算变化，以及诸如此类的事项。你们可能不需要为这些城市规划问题做方差分析（见本书第16—18章，不过稍微懂点第9—11章的回归模型可能会有些帮助），但是方差分析处理数据用的逻辑方法在这些问题上是同样需要的。（如果你把城市规划弄得一团糟，全城百姓都会埋怨你。）??统计学这门课不是因为必修才学，而等学期结束就能抛到脑后的。（可能很多人都有这个打算，但我更希望你们带走的不只是成绩单上那3个学分。）如果教学得当，统计学知识就能成为可供运用（和交易）的工作技能。这是我努力淡化该领域的数学基础的一个重要原因。那些数学基础现在很重要，但以后就不起作用了。能够想通一个实验或一组数据的逻辑和理论，才是一项可以一直跟着你的重要能力，而能够求出回归方程的解却不是这样的能力。这就是为什么本书的大多数例子都与人们的实际工作有关。这种类型的工作需要的是思考。如果举例时用“假设我们有3个组，分别标记为A、B、C”开头，理解起来比较容易；而一个真实存在的实验，理解起来就很难。但是前者很无聊，对你们教益不大。而一个真实的例子会更有趣，还能教你们更多东西。
??……
— 没有更多了 —
以下为对购买帮助不大的评价