內容簡介
本書以實際案例和具體應用為驅動，以培養科研統計思維為目標，借助 SPSS，係統地講授了差異顯著性檢驗、方差分析、相關性分析、回歸分析、聚類分析、主成分分析，以及結構方程模型的概念、原理和具體使用。
全書共 8 章。第 1 章係統地討論了科研統計思維及統計分析的相關概念，並以量化類典型論文為例拋出統計思維的核心問題。第 2 章介紹了數據的規範化及預處理，重點講解了基於數據做論證所必需的前置操作。第 3 章介紹了統計描述及數據加工。第 4 章講解了差異顯著性檢驗。第 5 章介紹了方差分析及其高級應用，闡述了單因素方差分析、多因素方差分析、協方差分析、多因變量方差分析等內容，以及事後檢驗、均值邊際圖等高級應用的相關知識。第 6 章介紹了關聯性分析技術和回歸分析。第 7 章講解了聚類分析技術。第 8 章介紹了因子分析與降維，主要討論了探索性因子分析和驗證性因子分析（結構方程模型）等方法。
本書可作為量化研究相關專業本科生、研究生，以及大中專院校學生的教學用書，還可作為有誌於了解量化研究方法和科研統計思維的科研人員、工程技術人員以及商務人員的參考用書。
作者簡介
馬秀麟 教育技術學博士，教授，現任北京師範大學計算機公共課主任、新疆師範大學教育科學學院副院長，曾先後獲得北京師範大學十佳教師、教學名師和北京高等學校優秀專業課主講教師等榮譽稱號。主要從事信息技術提升教學效率、在線學習行為分析、網絡課程建設、人工智能教育等方麵的研究。已發表中英文學術論文80餘篇，出版教研類學術專著4部、高等教育教材22部，主持各級各類科研課題30餘項。
目錄
第1章 大數據時代的科研與統計思維111 科研統計思維及其社會需求2
111 統計思維之魅力2
112 統計思維何以重要4
12 統計的主流技術及應用5
121 統計描述的關鍵技術5
122 統計推斷的主流技術6
123 統計分析技術及其應用領域7
124 統計分析的關鍵思路及質量評價8
13 統計思維在科研中的主要應用10
131 在自然科學領域的常見應用10
132 在社會科學領域的常見應用11
14 統計思維方法及應用誤區13
141 量化研究中統計分析的層次13
142 量化研究中的誤區14
143 量化研究質量的保證15
15 統計分析軟件及其分析環境17
151 統計分析軟件簡介17
152 基於Excel的統計分析環境19
153 基於SPSS的統計分析環境22
16 科研視點：麵向統計思維的量化研究論文品讀27
161 品讀導引27
162 研究論文28
思考題37
綜合實踐題37
第2章 數據的規範化及預處理39
21 數據來源及其規範化要求41
211 科研數據的來源41
212 數據類別及特點44
213 數據的規範化要求46
22 以Excel做數據預處理47
221 Excel下的數據編輯47
222 實戰：數據類型轉化與格式標準化52
223 實戰：數值化編碼技術54
224 實戰：數據表的拚接56
23 以SPSS做數據預處理57
231 SPSS的變量預定義及編輯58
232 實戰：數據文件打開、保存及優化61
233 實戰：變量的重編碼技術65
234 實戰：變量之間的計算70
235 實戰：缺失值的標記與處理73
236 實戰：數據文件的拚合技術76
24 科研數據的質量保證79
241 科研數據質量保證的兩個指標79
242 效度檢驗的主要技術80
243 以德爾菲法實現效度保證的思路82
244 實戰：以德爾菲法實現效度保證84
245 信度檢驗的主要技術90
246 實戰：SPSS下的信度檢驗92
思考題96
綜合實踐題96
第3章 統計描述及數據加工98
31 科研數據的統計描述105
311 統計描述中的統計量105
312 數據的分布形態110
32 SPSS實現統計描述的技術112
321 實戰：以SPSS獲取常見統計量112
322 實戰：頻數統計及分析116
323 實戰：數據的圖示化描述118
324 實戰：數據分布形態的判斷123
325 實戰：麵向低測度數據的統計描述130
33 數據抽取與變形133
331 實戰：數據的排序與抽樣133
332 實戰：個案的加權處理136
333 實戰：求秩分137
334 實戰：求正態得分139
335 實戰：分數的標準化——求Z分數140
336 補充說明：其他變形操作143
思考題143
綜合實踐題143
第4章 差異顯著性檢驗145
41 差異顯著性檢驗&統計推斷151
411 差異顯著性檢驗的概念151
412 統計推斷的概念154
42 麵向配對數據的差異顯著性檢驗156
421 配對樣本及其統計推斷操作156
422 實戰：教改前後學生的成績有變化嗎？——兩配對樣本差異顯著性檢
驗156
423 實戰：三輪測量數據之間的差別明顯嗎？——K-配對樣本差異性
檢驗161
424 實戰：專家們是否科學嚴謹地評審了項目？——綜合應用型案例164
43 麵向分組數據的差異顯著性檢驗169
431 分組樣本及其統計推斷操作170
432 實戰：性別是影響學習成績的因素嗎？——兩獨立樣本差異性檢驗170
433 實戰：生源是影響學習成績的因素嗎？——K-獨立樣本差異性檢驗175
434 實戰：生源對學生是否喜歡上學有影響嗎？——低測度數據的分
組檢驗180
44 差異顯著性檢驗算法的思考與深化183
441 深究：均值差異顯著性檢驗機理183
442 深究：差異顯著性檢驗的算法體係188
443 補充：麵向隨機分布的檢驗——遊程檢驗及原理190
444 補充：麵向期望分布的檢驗——卡方檢驗193
思考題196
綜合實踐題196
第5章 方差分析及其高級應用198
51 方差分析的概念及應用203
511 方差分析的概念203
512 方差分析的原理及類別204
52 單因素方差分析205
521 實戰：父母文化程度會影響學生的IQ值嗎？205
522 單因素方差分析反思與總結209
53 多因素方差分析211
531 實戰：多因素方差分析模型構建及調整211
532 多因素方差分析中的關鍵問題及反思215
54 協方差分析217
541 協方差分析的概念217
542 實戰：排除控製變量影響的方差分析——協方差分析模型218
55 多因變量方差分析220
551 多因變量方差分析概述220
552 實戰：麵向多因變量的方差分析221
思考題224
綜合實踐題224
第6章 關聯性分析技術225
61 關聯性分析綜述230
611 關聯性分析的特點及類型230
612 SPSS實現關聯性分析的主要技術233
62 相關性分析及應用234
621 相關性分析算法及其適應性234
622 實戰：學生的數學成績與遊戲時間相關嗎？——中高測度數據相關性
分析237
623 實戰：影響學生成績的真實原因是上網時間嗎？——偏相關分析241
624 低測度變量的相關性分析243
63 線性回歸分析技術246
631 回歸分析概述246
632 實戰：一元線性回歸249
633 實戰：多元線性回歸分析255
634 多元線性回歸原理及反思261
635 理論深化：多重共線性問題265
64 曲線回歸分析技術268
641 實戰：以多元線性回歸探究高次回歸式268
642 實戰：以曲線回歸探究高次回歸式271
643 曲線回歸的總結與思考274
65 二元邏輯回歸技術276
651 二元邏輯回歸的工作原理276
652 實戰：哪些因素導致學生喜歡數學課？——二元邏輯回歸280
思考題285
綜合實踐題285
第7章 聚類分析技術287
71 聚類的概念及原理291
711 科研中的分類分析291
712 核心知識：距離的計算與判定292
713 聚類分析的常見類型295
72 個案的聚類分析296
721 實戰：麵向個案的係統聚類296
722 實戰：快速聚類及其應用301
73 變量的聚類分析305
731 實戰：麵向變量的係統聚類305
732 對R聚類的反思與總結308
74 判別分析309
741 判別分析的概念與類型309
742 實戰：基於組質心的分類判別311
743 實戰：基於分類判別式的分類判別317
思考題319
綜合實踐題320
第8章 因子分析與降維321
81 因子分析與降維簡述325
811 探索性因子分析與驗證性因子分析325
812 降維與探索性因子分析328
82 主成分分析：EFA應用329
821 原理：探索性因子分析原理329
822 實戰：以主成分分析探究變量蘊含的關鍵因素331
823 實戰：以主成分分析檢驗測量指標的結構效度338
83 結構方程模型入門——CFA應用342
831 結構方程模型概述342
832 以AMOS繪製模型圖：AMOS使用之一345
833 解讀SEM分析結果並優化：AMOS使用之二350
834 實戰：以AMOS軟件實現CFA354
思考題360
綜合實踐題360
附錄《大學生生活滿意度調查問卷》及數據集362
參考文獻364
······
最後修改：2025 年 12 月 19 日
© 允許規範轉載