《社會研究中的基礎統計學》是一本清晰生動、深入淺出的統計學入門實用手冊。本書向學生及研究者介紹了社會研究中關於統計學的基本知識，書中不僅對統計原理和方法做了繫統、全面的介紹與闡釋，而且重點關注了沒有很強的數學背景的讀者對像，使讀者能夠循序漸進地掌握統計方法。

全書的所有重點內容都配有詳細的逐步統計過程的演示，也對社會研究中統計方法的原理和使用給予了清楚而富有邏輯的解釋。

書中每章的末尾都附有大量習題，並且在全書後配備了習題答案。

第12版主要有以下更新：增加了關於幾項新技術的內容分析、變異繫數、單樣本均值檢驗和效應規模、曼-惠特尼U檢驗（Mann-Whitney U test）和克魯斯凱-沃利斯檢驗（Kruskal-Wallis test）、邏輯斯諦回歸和深入分析；拓展了對幾個主題的討論，包括非抽樣誤差、標準誤、偏相關和多重共線性；更新了全書中的示例和課後習題。

對於社會學、政治學、管理學等各個專業的學生和研究者，尤其是統計學零基礎的讀者而言，本書都是一本不可多得的優質入門書。

傑克?萊文，社會學博士。現任美國東北大學教授，主講歐文-貝蒂?布魯德尼克社會學與犯罪學。主要研究領域為犯罪學、偏見與歧視，以及社會心理學。

詹姆斯?艾倫?福克斯，社會學博士。現任美國東北大學教授，主講李普曼社會學與法學。主要研究領域為犯罪學、社會統計學，以及法律社會學。

大衛?R. 福德，現任亞拉巴馬大學刑事司法繫教授和研究生主任。他的主要研究活動是收集有關刑事傷害和精神創傷問題的調查和評估數據。


譯者簡介：

王衛東，中國人民大學社會心理學研究所所長、中國調查與數據中心副主任，社會與人口學院社會學繫副教授。世界民意研究協會（WAPOR）中國代表，國際社會調查項目（ISSP）中國協調人，中國教育追蹤調查（CEPS）項目負責人，中國人宗教態度與行為調查（CRABS）項目負責人，跨平臺面訪調查軟件OmniSurvey、雲電話調查軟件OmniCATI的作者。主要研究領域為社會心理學、健康社會學、宗教社會學、教育社會學、社會網絡分析、社會調查研究方法。

第１章 為什麼社會研究者要使用統計學
社會研究的本質
為什麼要假設檢驗
社會研究的階段
使用數字來做社會研究
統計學的功能

部分 描述統計

第２章 組織數據
定類數據的頻數分布
分布的比較
比例和百分比
比和比率
定序與定距數據的簡單頻數分布
定距數據的分組頻數分布
累積分布
百分比等級
對小數的處理
對組限的進一步討論
可變組距
交互表
圖形呈現
頻數分布的形狀

第３章 集中趨勢的測量
眾數
中位數
均值
如何計算復雜公式
從簡單頻數分布計算眾數、中位數和均值
眾數、中位數和均值的比較

第４章 變異性的測量
全距
四分位差
方差和標準差
從原始數據計算方差和標準差的公式
從簡單頻數分布計算方差和標準差
標準差的含義
變異繫數
變異性測量方法的比較
分布的可視化
從分組頻數分布計算均值和標準差

第二部分 從描述到決策

第５章 概率與正態曲線
概率的法則
概率的分布
作為一種概率分布的正態曲線
正態曲線的性質
正態曲線的模型與現實
正態曲線所覆蓋的面積
標準分與正態曲線
通過正態曲線獲取概率

第６章 樣本與總體
研究中的誤差
抽樣方法
抽樣誤差
均值的抽樣分布
均值的標準誤
置信區間
ｔ分布
比例的估計

第三部分 統計決策

第７章 均值間差異的顯著性檢驗
樣本均值和總體均值間差異的檢驗
兩個樣本均值間差異的檢驗
零假設：均值間無差異
研究假設：均值間存在差異
均值間差異的抽樣分布
均值間差異分布的假設檢驗
顯著性水平
均值間差異的標準誤
均值間差異的檢驗
相倚樣本的比較
兩個樣本比例的檢驗
單尾檢驗
效應規模
均值間差異檢驗的要求

第８章 方差分析
方差分析的邏輯
平方和
均方
Ｆ值
均值的多重比較
雙因素方差分析
Ｆ值的使用要求

第９章 非參數檢驗
單因素卡方檢驗
雙因素卡方檢驗
中位數檢驗
曼-惠特尼Ｕ檢驗
克魯斯凱-沃利斯檢驗

第四部分 從決策到相關

第１０章 相關
相關的強度
相關的方向
曲線相關
相關繫數
皮爾遜相關繫數
散點圖的重要性
偏相關

第１１章 回歸分析
回歸模型
回歸直線的解釋
預測誤差
回歸與皮爾遜相關繫數
回歸與方差分析
虛擬變量
邏輯斯諦回歸

第１２章 相關性的非參數測量
斯皮爾曼等級相關繫數
古德曼和克魯斯凱的γ繫數
２×２的表中定類數據的相關繫數
大於２×２的表中定類數據的相關繫數
深入討論

第１３章 針對研究問題選擇統計方法
研究情境
解決方案

附 錄
附錄Ａ SPSS和GSS的使用
附錄Ｂ StatCrunch
附錄Ｃ 附表
附錄Ｄ 公式列表
附錄Ｅ 數學基礎知識

術語表
部分課後習題答案
索引
符號表
譯後記

第１章 為什麼社會研究者要使用統計學

在我們之中有一些社會科學家。幾乎每一天，我們都做出有根據的預測，來預測生活中將要發生的新的情況或者事件。一些時候，這些情況或者事件真的會發生，能夠證實或支持我們的預測；但另外一些時候，我們不會總那麼幸運，而必須面對預測失誤所造成的不愉快的後果。

讓我們考慮一些熟悉的例子：我們可能會在股票市場中投資，投票給一個承諾要解決內政問題的政治候選人，賭賽馬，為了減輕感冒帶來的不適而服藥，在賭場中擲骰子，預測期中考試的考題，或者接受朋友的建議同意與一個陌生人約會。

有的時候我們會贏，有的時候我們會輸。因而，我們可能會在股票市場中做出一次明智的投資，但會因自己的投票決定而後悔；在賭場中贏了錢，但發現喫了不對癥的藥；在期中考試中很成功，卻有一次糟糕的約會；如此等等。不幸的是，確實有一些我們的日常預測得不到後來實際情況的支持。

社會研究的本質

同我們每天接觸世界的方法一樣，社會科學家們試圖解釋和預測人類的行為。他們也會以一種更精確、更有條理的方式對社會事實的本質做出“有根據的猜測”。在這個過程中，社會科學家們會檢驗那些被稱為變量的人類行為特性，這些特性會因人而異（如年齡、社會階級、態度）或因時而變（如失業情況、犯罪率、人口）。

並不是所有的人類行為特性都會發生變化，例如，將你生出來的人的性別為女性，這就是生活中不變的真理。因此，對任何一群人來說，母親的性別是一個常量——“女性”。一本生物學的教科書會花大量的時間來討論為什麼隻有女性纔能生育，以及在什麼條件下生育纔有可能，但一個社會科學家會把母親的性別視作給定的、不值得研究的，因為它從來不發生變化。它也不能被用來解釋兒童在精神健康上的差異，因為兒童的母親的性別都是女性。相反，母親的年齡、種族和精神健康則是變量，在任何一群人中，它們會因人而異，而且是更好地理解兒童發展的關鍵因素。因此，一個社會研究者也許會研究兒童精神健康是如何因他們母親的年齡、種族和精神健康水平的不同而存在差異的。

除了需要確定變量以外，社會研究者還必須決定研究中的觀察單位。通常，社會研究者在個體水平上收集數據。例如，一個社會研究者會通過調查來確定是否年紀大的被調查者通常比年紀小的被調查者更容易成為犯罪的犧牲品。在這個案例中，個體被調查者就是社會研究者觀察的單位。

但是，研究者有時也會把研究的焦點放在集體上，也就是說，測量不同的人群整體在不同情況下的變化。例如，一個研究者可能會研究不同城市人口的平均年齡與犯罪率之間的關繫。在這個案例中，觀察的單位是城市而非個人。

無論是關注個體還是關注集體，社會研究者關於社會事實本質的觀點都被稱為假設。這些假設經常被表示為兩個變量或更多變量——其中至少有一個自變量（假設的原因）和一個因變量（假設的結果）——之間關繫的陳述。例如，一個研究者會假設社會孤立的兒童會比那些更好地融入同齡群體的兒童看更多的電視。他會在社會孤立及合群的兒童中做一個調查來詢問他們花在看電視上的時間（社會孤立程度是自變量，看電視的行為是因變量）。或許有一個研究者會假設單親家庭要比雙親家庭更多地導致青少年犯罪，他就會調查樣本中的犯罪者和無犯罪記錄者，確定他們的家庭是否為單親家庭（家庭結構是自變量，犯罪是因變量）。

因此，不同於自然科學研究者，社會研究者經常通過研究來加深對他們的研究領域中的一些問題的理解。社會研究有多種形式，能被用來探究廣泛的問題。社會研究者常用的檢驗他們假設的方法有實驗法、調查法、內容分析法、參與觀察法、二手資料分分析。例如，一個研究者會通過實驗來確定逮捕一個毆打妻子的人能否在將來遏止這種行為，通過抽樣調查來調查政治態度，對青年雜志中的價值觀相關內容進行內容分析，使用參與觀察研究一個的政治團體，或者對關於失業情況的政府統計資料進行二手資料分析。以上各種研究策略都將在本章中加以描述和說明。