序

第1章 導論

第2章 數據搜集

第1節 研究問題

第2節 樣本

第3節 測量

第4節 數據編碼、輸入和檢查

第3統計

第1節 集中趨勢

第2節 離散

第3節 集中趨勢、離散和異常值

第4章 相關測量

第1節 相關

第2節 定序數據：tau相關測量

第3節 名義數據：Goodman-Kruskal lambda繫數

第4節 二分變量：靈活選擇

第5節 小結

第5章 顯著性檢驗

第1節 顯著性檢驗的邏輯：一個簡單的例子

第2節 運用同一邏相關測度

第3節 幾個重要問題

第4節 小結

第6章 簡單回歸

第1節 Y是關於X的方程

第2節 小二乘法法則

第3節 截距和斜率

第4節 預測和擬合優度

第5節 顯著性檢驗和置信區間

第6節 報告回歸結果

第7回歸

第1節 例子

第2節 統計控制

第3節 模型設定錯誤

第4節 虛擬變量

第5節 共線性

第6節 交互效應

第7節 非線性

第8節 歸納和結論

第8章 建議

附錄

參考文獻

譯名對照表

《韋伯斯特大學辭典》（Webster’s New Collegiate Dictionary）把“數據”定義為“一組事實”。因此社會科學數據（經驗觀察）是關於人類行為世界的事實。與流行的看法相反，事實並不會自己說話。數據分析的任務是試圖給這些事實賦予意義。我之所以說“試圖”賦予意義是因為如果數據不好，它們就不能產生闡釋，或者是一個虛假的闡釋。假設數據很好，那麼分析就能為所研究的社會現像提供一個合理的描述和解釋。

數據分析涉及對統計工具的繫統運用。我們如何能夠獲得這些工具並恰當的使用它們？為了有效學習分析技巧，我們需要從簡單的部分開始，以之作為構建更復雜技巧的基石。譬如，初學者經常犯的一個錯誤就是跳過基礎知識，直接回歸分析。為了回歸，你必須首先扎實統計知識。通過學習例如兩個變量間的相關繫數（皮爾森r繫數），你就能熟悉相關、強度、線性、測量層次、推論和標準化等概念。這給回歸提供了基回歸有點難，但不是很難。一旦熟悉掌回歸，擴回歸就比較容易，讀者對後者也會有更深的理解。

本書旨在為定量研究數據分析的每一步提供統計學基礎。在簡述數據搜集之後，作者統計（測量集中趨勢和離散）。之後又講解了對相關的測量（皮爾森r、tau和lambda繫數）和顯著性檢驗，後討論了簡回歸。本書給出了必要的數學公式，但更注重平實的解釋。同時，作者也利用圖表來幫助闡釋。貫穿全書的一個實用例子是基於一個大學生樣本數據來探討如何解釋學業能力。

回到本叢書的標題“社會科學定量方法應用”，本書可以看作是其他著作的一本入門書。本叢書的其他著作都對本書討論的主題進行了深入探討。譬如，關於數據搜集可參閱Kalton的Introduction to Survey Sampling (No. 35), Jacob的Using Published Data (No. 42), Kiecolt & Nathan的Secondary Analysis of Survey Data (No. 53), Converse & Presser的Survey Questions (No. 63)，以及Bourque & Clark的Processing Data (No. 85)；統計可參閱Weisberg的Central Tendency and Variability (No. 83)和Gibbons的Nonparametric Statistics (No. 90)；統計可參閱Reynolds的Analysis of Nominal Data (No. 7)，Hildebrand, Laing, & Rosenthal的Analysis of Ordinal Data (No. 8)，Liebetrau的Measures of Association (No. 32)和Gibbons的Nonparametic Measures of Association (No. 91)；關於顯著性檢驗可參閱Henkel的Tests of Significance (No. 4)和Mohr的Understanding Significance Testing (No. 73)；關於回歸可參閱Lewis-Beck的Applied Regression (No. 22)，Berry & Feldman的Multiple Regression in Practice (No. 50)，Jaccard, Turrisi, & Wan的Interaction Effects in Multiple Regression (No. 72)，Fox的Regression Diagnostics (No. 79)，Berry的Understanding Regression Assumptions (No. 92)和Hardy的Regression With Dummy Variables (No. 93)。