教育計量學 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

嶽昌君 著

圖書標籤:

• 教育測量
• 教育統計
• 計量經濟學
• 統計學
• 教育研究
• 數據分析
• 迴歸分析
• 因果推斷
• 評估研究
• 心理測量

齣版社： 北京大學齣版社

ISBN：9787301147726

版次：1

商品編碼：10441601

包裝：平裝

開本：16開

齣版時間：2009-03-01

頁數：203

正文語種：中文

編輯推薦

《教育計量學》不僅包括本人近年來發錶的學術文章、北京大學教育學院的研究生學位論文還包括國內外期刊和《國際教育經濟手冊》上的一些內容。在這些具體的實例中，涉及個人教育收益率、教育生産函數、公共教育投資比例的國際比較、教育政策評價、入學機會和教育經費的公平性研究、課外補習現象研究、高等教育需求分析、高等教育學生學業成就的影響因素分析、高校畢業生就業滿意度研究、勞動力行業分布的影響因素分析等。

內容簡介

《教育計量學》全麵收集瞭近年來在教育研究中用到的統計指標。例如，包括瞭基尼係數、塞爾係數、廣義熵係數等用來反映教育不平等程度的統計指標。除瞭介紹一般綫性迴歸模型外，還特彆包括瞭隨機前沿分析（SFA）、數據包絡分析（DEA）、分位數迴歸、多分因變量模型、定序因變量模型、格蘭傑因果檢驗方法、單位根檢驗、協整分析等內容，可作為教學用書，也可供讀者閱讀學習。

作者簡介

嶽昌君，北京大學教育學院教授，博士生導師，教育經濟與管理係主任，中國教育經濟學會理事。復旦大學理學學士（數學），山東科技大學工學碩士（計算機應用），北京大學與美國加州大學（UCDavis）聯閤培養經濟學博士，法國奧維涅大學經濟學博士後。
主要研究領域為教育經濟學、國際經濟學、勞動經濟學等。主持國傢自然科學基金項目、國傢社科基金“十一五”規劃項目等多項國傢和省部級課題。齣版專著一部，發錶學術期刊論文四十多篇。獲得教育部“新世紀優秀人纔”、安子介國際貿易研究優秀論文奬、北京大學方正奬教金、北京大學教學優秀奬等多項奬勵。是中國海關總署進齣口預警係統計量模型的主要設計人，教育部《高校畢業生就業狀況白皮書（2004-2008）》的主要撰寫人。

目錄

第一章 統計學基礎知識
第一節 錶示集中趨勢的統計指標
第二節 錶示變異程度的統計指標
第三節 數據的分布狀況
第四節 實例分析

第二章 一元綫性迴歸模型
第一節 一元綫性迴歸模型及其基本假定
第二節 普通最小二乘法
第三節 擬閤優度檢驗
第四節 置信區間
第五節 假設檢驗（t）
第六節 總體顯著性檢驗
第七節 預測
第八節 實例：公共教育投資比例的國際比較

第三章 多元綫性迴歸模型
第一節 多元綫性迴歸模型及其基本假定
第二節 普通最小二乘法
第三節 擬閤優度檢驗
第四節 單參數顯著性檢驗
第五節 一般綫性假設檢驗（F檢驗）
第六節 置信區間
第七節 預測
第八節 綫性模型擴展
第九節 實例：個人教育收益率

第四章 虛擬解釋變量
第一節 一個定性變量
第二節 兩個定性變量
第三節 交互作用效應
第四節 結構一緻性檢驗

第五章 放寬經典模型的假定
第一節 多重共綫性
第二節 異方差
第三節 自相關
第四節 隨機解釋變量

第六章 分類因變量
第一節 綫性概率模型（LPM）
第二節 對數單位模型（Logit模型）
第三節 概率單位模型（Probit模型）
第四節 多分定類因變量
第五節 定序因變量
第六節 其他限值因變量模型

第七章 單方程估計專題
第一節 麵闆數據的模型估計
第二節 分位數迴歸模型
第三節 隨機前沿分析
第四節 數據包絡分析

第八章 聯立方程模型
第一節 聯立方程模型的基本概念
第二節 結構式與簡化式
第三節 聯立方程模型的識彆
第四節 聯立方程模型的估計

第九章 時間序列分析
第一節 單位根檢驗
第二節 協整分析
第三節 格蘭傑（Granger）因果檢驗
參考文獻

精彩書摘

自20世紀60年代初美國經濟學傢舒爾茨把教育費用當做一種投資形式進行專門分析（舒爾茨，1961）以來，人力資本和人力資本投資的概念得以充分發展。與物質資本（physical capital）投資類似，人力資本（human capital）投資通過支付成本、減少當前消費或犧牲其他投資機會來換取未來收益甚至終身收入的提高。因而，未來更高的收入實際上具有一種對前期投資進行補償的性質，這是人力資本理論的基本視角，它引導人們對人力資本投資的成本和預期收益進行比較，並對其收益率進行研究和估計。
人力資本投資的收益率與任何其他形式的收益率一樣，是一種收益測度，是對個人、組織或社會因進行人力資本投資而得到的未來淨經濟報酬的測量。教育經濟學界反映教育收益水平最常用的有內部收益率（internal rate 0f return）和明瑟收益率（Mincerian rate of return）兩種。

前言/序言

　　改革開放以來，我國經濟、社會、教育、文化等各個方麵都取得瞭巨大進步。同時，我國也齣現瞭一些新的問題和矛盾亟待解決。在教育研究領域，學者們對我國教育發展中齣現的各種問題進行瞭熱烈的討論。在研究中，人們越來越重視研究過程和方法的規範化，越來越注重對社會現實的深入調查和分析。在各種研究方法中，定量研究方法逐漸受到重視並得到廣泛的應用。在學術期刊和研究生學位論文中，含有實證研究的文章和論文所占的比重越來越大。
　　多年來，北京大學教育學院一貫注重對研究生進行研究方法方麵的訓練。我從2003年春季開始，每年都為碩士和博士研究生開設教育統計與SPSS應用和高級定量研究方法課程，在指導研究生論文寫作過程中和自己在課題研究過程中也經常使用定量研究方法。本書就是根據本人多年來的教學體會和學術研究成果編輯撰寫而成的。之所以取名為《教育計量學》，是參考瞭其他學科中諸如《經濟計量學》和《生物計量學》等課程名稱。所謂教育計量學，是以一定的教育理論和實際統計資料為基礎，運用數學、統計學方法與計算機技術，以建立教育計量模型為主要手段，定量分析研究具有隨機性特徵的教育變量關係。
　　本書具有以下特色：
　　一、包括許多實例。本書不僅包括本人近年來發錶的學術文章、北京大學教育學院的研究生學位論文還包括國內外期刊和《國際教育經濟手冊》上的一些內容。在這些具體的實例中，涉及個人教育收益率、教育生産函數、公共教育投資比例的國際比較、教育政策評價、入學機會和教育經費的公平性研究、課外補習現象研究、高等教育需求分析、高等教育學生學業成就的影響因素分析、高校畢業生就業滿意度研究、勞動力行業分布的影響因素分析等。
　　二、內容涉及麵廣。（1）本書全麵收集瞭近年來在教育研究中用到的統計指標。例如，包括瞭基尼係數、塞爾係數、廣義熵係數等用來反映教育不平等程度的統計指標。（2）除瞭介紹一般綫性迴歸模型外，還特彆包括瞭隨機前沿分析（SFA）、數據包絡分析（DEA）、分位數迴歸、多分因變量模型、定序因變量模型、格蘭傑因果檢驗方法、單位根檢驗、協整分析等內容。

《教育的度量與革新：理論、方法與實踐》 引言 教育，作為人類社會進步的基石，其價值的衡量與效益的優化始終是各界關注的焦點。從宏觀的教育政策製定，到微觀的課堂教學設計，如何科學、有效地評估教育的質量與效果，並據此進行持續的改進，是擺在我們麵前的永恒課題。本書《教育的度量與革新：理論、方法與實踐》正是旨在深入探討這一議題，它不局限於某一種特定的教育學理論或實踐，而是從一個更廣闊的視角齣發，係統性地梳理和闡述教育度量研究的核心概念、發展脈絡、關鍵方法及其在現實教育改革中的多元應用。 本書的齣發點在於認識到，任何形式的教育活動，無論其目標多麼崇高，理念多麼先進，最終都需要通過可觀察、可測量的數據來體現其成效。這種度量並非僅僅是簡單的數字堆砌，而是一個復雜而精密的科學探究過程。它要求我們具備嚴謹的邏輯思維，敏銳的洞察力，以及紮實的數理分析能力。通過教育的度量，我們能夠更清晰地洞察教育現象背後的深層規律，發現潛在的問題與瓶頸，從而為教育決策提供科學依據，為教學創新注入不竭動力。 “度量”與“革新”是本書的兩大核心關鍵詞。度量是革新的基礎，沒有科學的度量，革新便可能陷入盲目和低效。而革新則是度量的目的，度量最終是為瞭更好地推動教育的進步與發展。因此，本書力求在理論高度和實踐應用之間找到最佳的平衡點，既要深入剖析教育度量研究的學術精髓，又要緊密結閤當前教育改革的時代需求，為讀者提供一套係統、全麵、可操作的知識體係。 第一部分：教育度量的理論基石與發展視野 在本書的第一部分，我們首先將緻力於構建讀者對教育度量這一學科的宏觀認知。我們將從其曆史淵源齣發，追溯教育度量研究的萌芽與演進，理解它如何從早期的簡單測量工具發展成為一門融閤瞭教育學、心理學、統計學、計算機科學等多個學科的交叉性前沿領域。 第一章：教育度量的概念辨析與理論定位 本章將首先對“教育度量”進行概念上的清晰界定，區分其與“教育評價”、“教育統計”等相關概念的異同。我們將深入探討教育度量所關注的核心問題，例如：教育目標實現的程度如何衡量？學習者的能力發展軌跡怎樣量化？教學方法的有效性如何比較？教育資源的分配效率如何評估？通過對這些問題的深入剖析，讀者將對教育度量研究的學科範疇和研究對象有一個全麵的認識。 同時，本章還將梳理教育度量研究背後所依托的關鍵理論支撐，包括但不限於： 古典測量理論（Classical Test Theory, CTT）：介紹其基本假設、核心概念（如真分數、測量誤差、信度）以及在教育度量中的應用和局限性。 現代測量理論（Item Response Theory, IRT）：闡述其核心模型（如單維模型、多維模型）、參數（如難度、區分度、猜測度）以及在構建更精確、更靈活的測量工具中的優勢。 學習科學與認知理論：探討認知心理學、建構主義學習理論等如何為理解學習過程、設計測量工具提供理論指導，以及如何將認知模型融入教育度量中。 教育經濟學與效率分析：介紹教育投入與産齣分析、成本效益分析等方法，以期從經濟學視角理解教育資源的配置與優化。 通過對這些理論的梳理，讀者將能夠理解教育度量研究並非空穴來風，而是建立在堅實的理論基礎之上。 第二章：教育度量研究的曆史演進與發展趨勢 本章將係統迴顧教育度量研究的發展曆程，從早期大規模標準化考試的興起，到計算機輔助評估技術的齣現，再到大數據和人工智能時代的到來，每一個階段都標誌著教育度量技術的飛躍。我們將重點關注以下幾個關鍵發展節點： 標準化測試的興起與挑戰：分析標準化測試在推動教育公平、統一評價標準方麵的貢獻，以及對其在情境化、個性化評估方麵的局限性的討論。 計算機化自適應測試（CAT）的發展：介紹CAT如何通過動態調整題目難度來提高測試效率和精度，以及其在個性化評估中的巨大潛力。 信息技術與大數據在教育度量中的應用：探討在綫學習平颱、學習分析（Learning Analytics）等如何生成海量的學習數據，以及如何利用這些數據進行個體化學習路徑推薦、學習睏難預警等。 人工智能與教育度量的融閤：展望AI技術在自動閱捲、學習行為分析、智能反饋生成、教育診斷等方麵的應用前景，以及可能帶來的倫理與技術挑戰。 同時，本章還將展望未來教育度量研究的發展趨勢，例如：更強調過程性評估、關注高階思維能力、結閤情感與動機因素、以及構建更具解釋力和預測力的模型等。 第二部分：教育度量的核心方法與技術工具 在第一部分構建瞭理論框架後，本書的第二部分將聚焦於教育度量的具體方法與技術工具。我們將詳細介紹各種量化和質化相結閤的研究方法，以及在實踐中常用的分析技術。 第三章：教育數據的采集與預處理 本章將是教育度量研究實踐的基礎。我們將詳細介紹各種教育數據的來源，包括但不限於： 學生學業成績數據：考試分數、作業得分、項目成果等。 學生學習行為數據：在綫學習平颱的互動記錄（點擊、停留時間、觀看視頻頻率）、論壇發言、問答參與度等。 學生能力與素養數據：通過標準化測試、能力傾嚮測試、作品集評估等獲得的測量數據。 教師教學行為數據：教學設計、課堂互動、反饋頻率等。 教育環境與政策數據：學校資源投入、師生比、課程設置、教育政策文本等。 隨後，本章將深入探討教育數據的預處理技術，這是保證後續分析質量的關鍵步驟。我們將講解： 數據清洗：缺失值處理、異常值檢測與處理、重復數據刪除等。 數據轉換：變量標準化、編碼、特徵提取等。 數據集成：如何將來自不同來源的數據進行有效整閤。 數據可視化：運用圖錶等方式初步探索數據特徵，發現潛在模式。 第四章：統計分析方法在教育度量中的應用 本章將重點介紹統計學在教育度量中的關鍵應用。我們將深入淺齣地講解各種常用的統計分析方法，並結閤教育研究的實際案例進行說明。 描述性統計：均值、中位數、標準差、頻率分布等，用於概括教育數據的基本特徵。 推斷性統計： t檢驗與方差分析（ANOVA）：比較不同組彆（如不同教學方法、不同學生群體）之間的差異。 相關分析與迴歸分析：探討不同變量之間的關係，例如學習投入與學業成績的關係，預測學業成績的影響因素。 卡方檢驗：分析分類變量之間的關聯性，例如不同教學模式與學生滿意度之間的關係。 多變量統計分析： 因子分析與主成分分析：降維技術，用於識彆潛在的教育因素（如學習動機、學業焦慮），或構建復閤指標。 聚類分析：將具有相似特徵的學生或教學案例進行分組，以發現不同學習群體或教學模式。 路徑分析與結構方程模型（SEM）：檢驗復雜變量之間的因果關係模型，例如研究學習策略、教師支持、學習動機和學業成績之間的多重影響路徑。 第五章：項目反應理論（IRT）與評估模型 本章將專注於項目反應理論（IRT）及其在教育度量中的應用。我們將詳細解釋： IRT的基本原理：項目特徵麯綫（ICC）的意義，參數（項目難度、項目區分度、猜測參數）的解釋。 IRT模型：單參數邏輯模型（1PL）、雙參數邏輯模型（2PL）、三參數邏輯模型（3PL）等，以及它們在不同測量情境下的適用性。 IRT的應用： 項目分析與篩選：評估題目的質量，選擇最優的題目集。 能力估計：基於被試在題目上的反應，估計其潛在能力水平。 等化（Equating）：使得不同形式但測量同一特質的測試分數具有可比性。 計算機化自適應測試（CAT）的設計與實現。 其他評估模型：簡要介紹認知診斷模型（CDM）等新興評估模型，它們能夠提供比傳統IRT更精細的學習診斷信息。 第三部分：教育度量的實踐應用與未來展望 在掌握瞭理論基礎和核心方法後，本書的第三部分將聚焦於教育度量在現實教育改革中的廣泛應用，並對未來發展進行展望。 第六章：教育度量在學習分析與個性化教育中的應用 本章將探討如何利用教育度量的方法和技術，實現學習分析和個性化教育。 學習分析（Learning Analytics）： 描述性學習分析：可視化學生參與度、學習進度，識彆學習模式。 預測性學習分析：預警可能輟學或學業睏難的學生，預測學習成果。 規範性學習分析：為學生提供個性化的學習建議，推薦學習資源。 個性化教育（Personalized Education）： 自適應學習係統：如何基於學生的實時錶現，動態調整學習內容和難度。 個體化學習路徑設計：根據學生的學習風格、興趣和已有知識，規劃最優的學習路徑。 智能輔導係統：提供即時、有針對性的反饋和指導。 第七章：教育度量在教學評估與教育政策製定中的應用 本章將闡述教育度量在評估教學質量和支持教育政策製定中的關鍵作用。 教學質量評估： 課程與教學效果評估：利用學生成績、學習投入、教師反饋等數據，評估課程設計和教學方法的有效性。 教師效能評估：基於學生學業進步、課堂互動、學生反饋等，對教師的教學錶現進行科學評估。 教育項目與改革成效評估：通過前後測對比、對照組研究等方法，評估新教學模式、教育技術或政策乾預的效果。 教育政策製定與優化： 基於數據的決策：如何利用教育度量結果，為教育投入、資源分配、課程改革、教師培訓等提供科學依據。 教育公平的度量與促進：通過分析不同群體（如城鄉、性彆、經濟背景）在教育結果上的差異，識彆教育不公，並設計相應的乾預措施。 教育評價體係的構建：如何設計更加全麵、科學、導嚮性的教育評價體係，以促進學生的全麵發展和教育質量的持續提升。 第八章：教育度量的倫理考量與未來挑戰 在教育度量日益深入人心的同時，我們也必須正視其帶來的倫理挑戰。 數據隱私與安全：如何保護學生的個人數據，防止濫用和泄露。 算法偏見與公平性：如何避免算法設計中的偏見，確保所有學生都能得到公平的評估和對待。 過度量化與“應試”傾嚮：如何平衡量化評估與非量化評估，避免教育的過度功利化和應試化。 技術可及性與數字鴻溝：如何確保所有學校和學生都能公平地受益於教育度量技術。 解釋性與透明度：如何提高教育度量結果的可解釋性，讓師生、傢長和社會各界理解評估的依據。 本章還將對未來教育度量研究的發展方嚮進行展望，例如： 跨學科融閤的深化：與神經科學、行為經濟學、社會學等領域的交叉。 情感與社交能力度量：對非認知能力（如情商、閤作能力）的探索性測量。 終身學習的度量：如何適應快速變化的社會需求，對個體終身學習過程進行評估。 開放教育資源（OER）的度量與應用。 可解釋人工智能（XAI）在教育度量中的應用。 結語 《教育的度量與革新：理論、方法與實踐》並非一個終點，而是一個開放的起點。我們希望通過本書，能夠激發更多教育研究者、實踐者、政策製定者對教育度量的關注與探索。科學的度量是教育革新的羅盤，精準的評估是教育優化的引擎。隻有不斷深化對教育的理解，持續優化教育的實踐，纔能最終實現教育的初心——促進每個個體的最大發展，引領社會文明的持續進步。 本書希望能夠為讀者提供一個全麵、深入、富有啓發性的視角，去理解和實踐教育的度量與革新。我們相信，通過科學的度量，教育的未來將更加光明。

評分☆☆☆☆☆

我花瞭將近一個月的時間來細細品讀這本書的內容，最大的感受是作者在邏輯構建上的嚴謹性令人嘆服。它不像有些教材那樣，隻是簡單地羅列公式和定義，而是真正做到瞭層層遞進，環環相扣。一開始引入的那些基礎概念，看似平鋪直敘，實則為後續更高階的統計模型打下瞭堅實的地基。我尤其欣賞作者在解釋每一個統計假設時所采取的論證方式，他總是先從實際研究中可能遇到的問題齣發，引導讀者思考為什麼需要這個特定的方法，而不是直接拋齣公式然後要求死記硬背。這種“問題導嚮”的教學思路，極大地激發瞭我去探究“為什麼”的好奇心。特彆是當涉及到那些涉及到多層嵌套結構的數據分析時，作者通過幾個巧妙設計的案例，將那些原本晦澀難懂的參數估計過程變得異常直觀和易於理解。讀完某個章節後，我常常會閤上書本，在腦海中快速地復盤一遍剛剛學到的知識框架，驚喜地發現作者已經幫我把那些可能存在的邏輯漏洞都預先堵上瞭。

評分☆☆☆☆☆

這本書的裝幀設計倒是挺用心的，封麵設計簡約而不失深度，那種深沉的藍色調搭配金色的書名，給人的感覺就像是打開瞭一本厚重的學術經典。紙張的質感摸起來很舒服，油墨的印刷清晰銳利，即便是那些復雜的圖錶和公式，也能看得一清二楚，長時間閱讀下來眼睛也不會感到特彆疲勞。當然，最讓我印象深刻的是它排版的細節處理。目錄結構清晰明瞭，每一章的標題都設置得很有引導性，讓人很容易就能找到自己感興趣或者需要重點攻剋的章節。而且，書中的注釋和參考文獻部分也做得非常專業，標注規範，這對於任何一個想要深入研究相關領域的讀者來說，都是極其友好的設計。初翻這本書時，我甚至花瞭不少時間去欣賞那些精心製作的圖錶，它們不僅僅是數據的堆砌，更像是精心構思的視覺敘事，將抽象的理論具象化，這極大地降低瞭初學者麵對復雜概念時的畏懼感。整體來看，這本書在物理層麵上就展現齣瞭一種對知識的尊重和對讀者的體貼，這一點在現今很多快速齣版的讀物中是難能可貴的。

評分☆☆☆☆☆

這本書的附錄部分簡直是意外的驚喜，它極大地提升瞭這本書的實用性和可操作性。我特彆關注瞭其中關於特定軟件操作的指導部分，作者沒有簡單地列齣軟件的菜單路徑，而是針對書中所講解的每一個核心模型，提供瞭詳細的步驟截圖和代碼示例。這對於習慣使用主流統計軟件進行數據分析的研究人員來說，簡直是福音。我嘗試著跟著書中的步驟，在自己的電腦上復現瞭其中一個關於“潛變量建模”的案例，整個過程行雲流水，沒有遇到任何說明書上沒有提及的陷阱。此外，作者還附帶瞭一個在綫資源鏈接，裏麵似乎包含瞭所有案例數據的原始文件和完整的分析腳本，這為我們讀者提供瞭一個極好的“動手實驗”平颱，可以隨時下載數據，自己調整參數，觀察結果的變化，真正做到瞭理論與實踐的無縫對接。這種貼心且周到的配套支持，極大地增強瞭這本書作為案頭工具書的地位。

評分☆☆☆☆☆

這本書的案例選擇和應用深度，絕對是超齣我預期的。很多同類書籍在舉例時，往往會陷入那種韆篇一律的“假設檢驗”或“迴歸分析”的簡單套路中，顯得有些脫離實際研究的前沿。然而，這本著作則非常巧妙地融入瞭大量源自真實教育場景的復雜數據實例，從學生學習投入度的量化評估，到不同教學乾預措施的長期效果追蹤，每一個例子都緊密貼閤當前教育研究的熱點和難點。更難能可貴的是，作者並沒有止步於展示結果，而是深入剖析瞭在構建這些實證研究模型時所需要剋服的實際睏難，比如如何處理缺失數據、如何對背景變量進行閤理的控製等等。這對於正在撰寫畢業論文或者獨立開展研究的同行來說，簡直就是一本“避坑指南”。我甚至可以想象，如果我手頭有一個棘手的項目數據需要處理，這本書裏一定能找到相應的分析思路和工具箱裏的對應工具。

評分☆☆☆☆☆

坦白說，這本書的閱讀體驗並非一帆風順，它對讀者的預備知識有一定的要求，這使得它更像是一本進階參考書，而不是給完全零基礎人士的第一本入門讀物。如果你對基礎的概率論和描述性統計知識掌握得不太牢固，那麼在閱讀到關於極大似然估計或者貝葉斯推斷的章節時，可能會感到吃力，需要頻繁地翻閱其他資料進行輔助理解。但這反過來也說明瞭它的學術價值和深度。我個人認為，這本書的價值體現在它對“批判性應用”的強調上。作者反復提醒我們，任何統計模型都不是萬能的靈藥，它們都有各自的適用邊界和潛在的偏差來源。書中關於模型選擇和假設檢驗的討論，非常到位地傳達瞭一種審慎的科學態度，教會我們如何不被數字錶象所迷惑，而是深入探究數據背後的真實機製。對於希望從“會用工具”升級到“理解工具”層麵的讀者，這本書是不可或缺的階梯。

評分☆☆☆☆☆

《教育計量學》全麵收集瞭近年來在教育研究中用到的統計指標。例如，包括瞭基尼係數、塞爾係數、廣義熵係數等用來反映教育不平等程度的統計指標。除瞭介紹一般綫性迴歸模型外，還特彆包括瞭隨機前沿分析(SFA)、數據包絡分析(DEA)、分位數迴歸、多分因變量模型、定序因變量模型、格蘭傑因果檢驗方法、單位根檢驗、協整分析等內容，可作為教學用書，也可供讀者閱讀學習。

評分☆☆☆☆☆

可以可以可以可以可以可以

評分☆☆☆☆☆

速度比較快！速度比較快！

評分☆☆☆☆☆

可以可以可以可以可以可以

評分☆☆☆☆☆

好…………………………

評分☆☆☆☆☆

《教育計量學》全麵收集瞭近年來在教育研究中用到的統計指標。例如，包括瞭基尼係數、塞爾係數、廣義熵係數等用來反映教育不平等程度的統計指標。除瞭介紹一般綫性迴歸模型外，還特彆包括瞭隨機前沿分析(SFA)、數據包絡分析(DEA)、分位數迴歸、多分因變量模型、定序因變量模型、格蘭傑因果檢驗方法、單位根檢驗、協整分析等內容，可作為教學用書，也可供讀者閱讀學習。

評分☆☆☆☆☆

好…………………………

評分☆☆☆☆☆

好…………………………

評分☆☆☆☆☆

好…………………………