心育文库11——心理统计学 9787513102421 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

邵志芳 著

图书标签:

• 心理学
• 统计学
• 心理统计
• 研究方法
• 数据分析
• 社会科学
• 教育心理学
• 学术研究
• 高等教育
• 心育文库

店铺： 博学精华图书专营店

出版社： 开明出版社

ISBN：9787513102421

商品编码：29636678953

包装：平装

出版时间：2012-10-01

基本信息

书名:心育文库11——心理统计学

：26.00元

售价：20.8元,便宜5.2元,折扣80

作者:邵志芳

出版社：开明出版社

出版日期：2012-10-01

ISBN：9787513102421

字数：

页码：

版次：1

装帧：平装

开本：16开

商品重量：0.241kg

编辑推荐

内容提要

心理统计学是学习和研究心理学的必备工具。无论哪一所大学的心理学系，都把心理统计学列为重要的专业基础课之一。因此，对于从事心理健康教育工作的教师和相关研究人员，基本的心理统计学知识和技能是*必需的，它至少有三个方面的用处。

，学好心理统计学，是学习心理测量(心理测验)的前提。从事心理健康教育的老师，经常会接触到各种心理测量工具，例如智力测验、人格量表等。要掌握这些测量工具，都需要修读专门的心理测量课程。而心理测量的基础就是心理统计学。心理测量中的正态分布、标准分、超常、低常、信度、效度等概念都是统计学概念。

第二，学好心理统计学，也便于理解心理学论文和科研报告。心理健康教育的理论和方法都是在不断地完善和发展的，要了解学科新进展，免不了要阅读一些论文和报告。心理学论文中经常会出现t检验、X2检验、方差分析、相关分析、回归分析等统计处理方法，如果没有相应的知识背景，就难以准确地理解。相反，如果有一些统计学常识，不仅容易理解他人的文章，便于学术交流，而且也可以就感兴趣的问题，自己设计研究，并用合理的统计方法验证自己的假设。

第三，统计学与我们的社会生活也有着密不可分的联系。我们经常会看到、听到各种统计数字，有的来源于部门(例如国家统计局)，有的来自于各种调查机构，还有更多的是来源于各种课题组和学者。学习一些统计学常识，正确地看待和解读这些统计数字，也将有助于我们了解社会。

目录

章 绪论

节 统计学的研究对象一一随机现象

第二节 统计学的基本内容和重要意义

第二章 数据的水平和统计图表

节 数据的水平

第二节 次数分布表

第三节 次数分布图和多变量图示法

第三章　常用特征量

节　集中量

第二节　差异量

第三节 其他特征量

第四章　概率与概率分布

节 概率

第二节 二项分布

第三节 正态分布

第五章　推断统计的基本原理

节　抽样分布

第二节　参数估计

第三节　假设检验

第六章　关于总体平均数的推断统计

节 单个总体平均数的推断统计

第二节 独立样本情况下的t检验

……

第七章　总体方差及比例的推断统计

第八章　方差分析

第九章　相关与回归

第十章　非参数检验

附表　统计用表

作者介绍

文摘

序言

心育文库11——心理统计学 内容简介 《心育文库11——心理统计学》是一本致力于为心理学研究者、学习者以及对心理学数据分析感兴趣的读者提供全面、系统、深入的心理统计学知识的专著。本书旨在帮助读者掌握心理学研究中常用的统计方法，理解统计原理，并能独立运用统计工具解决实际研究问题。本书内容涵盖了从基础的描述性统计到复杂的推论性统计，再到更高级的统计建模技术，力求做到理论与实践并重，易于理解且具有指导意义。 第一部分：心理统计学基础 本部分是全书的基石，为后续更深入的学习打下坚实基础。 导论：心理统计学概述 心理统计学的定义与范畴： 详细阐述心理统计学在心理学研究中的核心地位，解释其作为一门连接经验观察与理论解释的桥梁作用。强调统计学方法如何帮助我们量化、描述、分析和解释心理现象，从而提升研究的客观性和可信度。 心理统计学的基本概念： 引入变量（定性变量、定量变量）、数据（样本、总体）、测量（信度、效度）等核心概念，并结合心理学研究实例进行说明。例如，将“情绪状态”（如高兴、悲伤）归类为定性变量，将“反应时”（以毫秒为单位）归类为定量变量。 统计研究的基本步骤： 概述一个完整的心理学统计研究流程，从研究问题的提出、假设的设定、研究设计的选择、数据的收集，到数据的整理、统计分析、结果的解释，直至结论的得出与报告。 统计软件介绍： 简要介绍在心理学研究中常用的统计软件，如SPSS, R, Python等，并指出它们在数据处理和分析中的优势，为读者后续的学习和实践指明方向。 描述性统计：数据的整理与呈现 数据的收集与组织： 介绍不同类型的数据收集方法（问卷、实验、访谈等）以及数据录入、编码、清理的基本原则。 频数分布： 讲解如何计算和绘制频数分布表、频数分布图（直方图、频率多边形、累积频数曲线），帮助读者直观地了解数据的分布特征。例如，分析一组学生考试成绩的分布情况。 集中趋势的描述： 深入探讨平均数、中位数、众数等集中趋势指标的计算方法、适用条件及其在心理学研究中的意义。分析在不同数据分布下，哪种集中趋势指标更能代表数据中心。 离散程度的描述： 详细讲解全距、四分位距、方差、标准差等离散程度指标，以及它们如何反映数据的分散性。强调标准差在描述数据离散程度时的重要性。 分布形态的描述： 介绍偏度（正偏、负偏）和峰度（高峰、低峰、正态）的概念，并通过图形和计算方法帮助读者识别数据的偏斜和尖峭程度。 百分位数与标准分数： 讲解百分位数和Z分数、T分数的计算及其在比较不同变量、不同量表上的得分时的应用。例如，如何将一个学生的英语成绩与全班平均水平进行比较。 第二部分：概率与统计推断 本部分将从描述性统计的范畴延伸到对总体的推断，这是心理统计学的核心内容。 概率论基础 概率的基本概念： 介绍概率的定义、性质、独立事件、互斥事件等基本概念。 条件概率与贝叶斯定理： 讲解条件概率及其在心理学研究中的应用，如预测特定条件下某种行为发生的概率。 概率分布： 详细介绍二项分布、泊松分布、正态分布等重要的概率分布，并重点讲解正态分布的性质及其在统计推断中的核心地位。 抽样分布与统计推断 抽样误差： 解释抽样误差的概念，即样本统计量与总体参数之间的差异，以及它在统计推断中的重要性。 抽样分布： 深入讲解样本均值抽样分布的中心极限定理，以及它如何为点估计和区间估计提供理论依据。 点估计与区间估计： 介绍点估计（如样本均值估计总体均值）和区间估计（如置信区间）的概念与计算方法，以及如何解释置信区间的含义。 假设检验 假设检验的基本原理： 阐述假设检验的基本逻辑，包括原假设（H0）和备择假设（H1）的设定，检验统计量的选择，显著性水平（α）的确定，P值的计算与解释，以及统计决策（拒绝或不拒绝H0）。 I类错误与II类错误： 详细解释I类错误（拒绝了真实的原假设）和II类错误（未能拒绝真实性不大的原假设）的概念，以及它们在统计决策中的权衡。 单样本Z检验与t检验： 讲解如何对单个样本的均值进行假设检验，特别是当总体标准差未知时，t检验的应用。 独立样本t检验： 介绍如何比较两个独立样本的均值是否存在显著差异，并讲解同质性检验（方差齐性检验）的重要性。 配对样本t检验： 讲解当两个样本数据存在配对关系时，如何进行t检验，以消除个体差异的影响。 方差分析（ANOVA）： 引入方差分析的概念，及其用于比较三个或三个以上样本均值是否相等的原理。详细介绍单因素方差分析的设计、计算和结果解释，以及事后比较（post-hoc tests）的应用。 第三部分：变量间的关系与统计建模 本部分将聚焦于探索变量之间的关系，并介绍更复杂的统计建模技术。 相关分析 Pearson积差相关系数： 讲解Pearson相关系数的计算、解释，及其衡量两个连续变量之间线性关系的程度和方向。 Spearman等级相关系数与Kendall秩相关系数： 介绍当数据不符合正态分布或为等级数据时，如何使用Spearman和Kendall相关系数来衡量单调关系。 复相关与偏相关： 讲解复相关（多个自变量与一个因变量之间的线性关系）和偏相关（在控制了其他变量的影响后，两个变量之间的关系）的概念及其在复杂情境下的应用。 回归分析 简单线性回归： 详细介绍简单线性回归模型，包括回归方程的建立、回归系数的解释（截距项和斜率项）、决定系数（R²）的含义，以及回归系数的显著性检验。 多元线性回归： 扩展至多元线性回归，讲解如何建立包含多个自变量的回归模型，以及如何解释各个自变量的回归系数，并进行模型的整体拟合优度检验。 回归模型的诊断与优化： 介绍回归模型中可能出现的问题，如多重共线性、异方差性、残差分析等，以及相应的诊断和处理方法。 卡方检验 卡方检验的原理： 讲解卡方检验如何用于分析分类变量之间的关联性，包括独立性检验和拟合优度检验。 2x2列联表与RxC列联表： 介绍2x2列联表和更大尺寸的RxC列联表的卡方检验计算与解释。 Fisher精确检验： 在样本量较小时，讲解Fisher精确检验的替代方法。 非参数统计方法 非参数统计的应用场景： 介绍当数据不符合参数检验的假设（如正态性、方差齐性）时，非参数统计方法的优势。 Mann-Whitney U检验（独立样本）： 介绍其作为独立样本t检验的非参数替代方法。 Wilcoxon符号秩检验（配对样本）： 介绍其作为配对样本t检验的非参数替代方法。 Kruskal-Wallis H检验（独立样本）： 介绍其作为单因素方差分析的非参数替代方法。 Friedman检验（配对样本）： 介绍其作为重复测量方差分析的非参数替代方法。 第四部分：进阶统计主题与应用 本部分将触及更复杂的统计技术，并探讨其实际应用。 多因素方差分析 主效应与交互效应： 深入讲解多因素方差分析中主效应和交互效应的概念，以及如何解释它们在心理学研究中的意义。例如，研究药物剂量（A）和治疗时间（B）对抑郁症状缓解的影响，可能存在剂量与时间的交互效应。 重复测量方差分析： 介绍在同一被试接受不同条件或在不同时间点测量时，如何进行重复测量方差分析。 协方差分析（ANCOVA） 控制协变量： 讲解协方差分析如何通过控制一个或多个协变量来检验自变量对因变量的影响，从而提高统计检验效度。 因子分析与主成分分析 维度缩减技术： 介绍因子分析和主成分分析作为探索性数据分析方法，用于识别潜在的结构，减少变量的数量，发现数据背后的隐藏维度。 因子旋转与解释： 讲解因子旋转的方法（如正交旋转、斜交旋转）及其在因子解释中的作用。 结构方程模型（SEM） 理论模型构建： 简要介绍结构方程模型能够同时检验测量模型（变量之间的测量关系）和结构模型（潜在变量之间的关系），是心理学复杂理论检验的强大工具。 统计软件实战 SPSS/R/Python操作实例： 结合实际心理学研究案例，演示如何使用主流统计软件进行数据录入、管理、报表生成以及上述各种统计方法的具体操作流程，并指导读者如何理解和报告软件输出结果。 本书特色： 体系完整，循序渐进： 从基础概念到高级模型，结构清晰，逻辑严谨，适合不同程度的读者。 理论与实践结合： 每一章节都配有丰富的心理学研究实例，帮助读者理解抽象的统计原理在实际研究中的应用。 语言通俗易懂： 避免使用过于晦涩的专业术语，力求用清晰、简洁的语言解释复杂的统计概念。 操作指导详尽： 提供详细的统计软件操作步骤和结果解读，便于读者动手实践。 注重批判性思维： 鼓励读者不仅要掌握统计方法，更要理解统计结果的局限性，培养严谨的科学研究态度。 《心育文库11——心理统计学》不仅仅是一本统计学教科书，更是一本引导心理学研究者走向科学化、量化研究之路的得力助手。无论您是初涉心理学殿堂的学生，还是渴望提升研究能力的资深研究者，本书都将为您提供宝贵的知识和技能。

评分☆☆☆☆☆

我是一位在职的心理咨询师，工作之余想要提升自己的专业理论水平，于是选择了这本《心育文库11——心理统计学》。坦白说，我之前对统计学一直敬而远之，总觉得那是研究人员的事情。但是，这本书的视角非常独特，它并没有一味地强调复杂的数学推导，而是从心理学研究和实践的角度出发，解释了统计学工具的价值和意义。比如，在讲解效应量时，书中详细说明了为什么仅仅依靠P值是不够的，以及效应量如何帮助我们更准确地评估干预措施的实际效果。这一点对我非常有启发，因为在实际咨询工作中，我更关心的是一个治疗方法到底能带来多大的改变，而不是仅仅知道这个改变是否“有统计学意义”。此外，书中还专门讨论了如何用统计学来解读和评估现有的心理学研究文献，这对于我把握最新的研究进展、优化自己的咨询实践非常有帮助。它让我认识到，统计学并非是学术研究的专利，而是提升我们专业判断能力的重要工具。

评分☆☆☆☆☆

我是一个喜欢刨根问底的人，在看这本书的时候，我发现作者在解释每一个统计概念时，都会追溯其产生的背景和解决的问题。比如，在介绍卡方检验时，他详细解释了在处理分类变量时，为什么需要使用卡方检验，以及它的基本原理和适用范围。他还会对比不同检验方法之间的优劣，帮助读者根据具体的研究设计选择最合适的统计方法。这一点对我来说非常重要，因为我经常会对“为什么是这个方法而不是那个方法”感到困惑。这本书的深度和广度都让我非常满意，它不仅仅是教我如何使用统计软件，更是让我理解了统计学作为一门科学的内在逻辑和发展脉络。读完之后，我感觉自己对心理统计学有了更系统、更深刻的认识，也更有信心去探索更复杂的统计模型。

评分☆☆☆☆☆

这本《心育文库11——心理统计学》真是让我又爱又恨！作为一名对心理学充满好奇的学习者，我一直觉得统计学是阻挡在我与深入研究之间的一道高墙。翻开这本书，起初我被里面密密麻麻的公式和图表吓得够呛，差点就想放弃。然而，作者的语言风格却出乎意料地亲切，不像我之前看过的那些“硬核”教材，读起来枯燥乏味。他用了很多生活中的例子来解释复杂的概念，比如，在讲到均值和标准差时，他居然用抽奖的中奖概率和大家抽到的奖品价值来打比方，一下子就让我脑海中浮现出清晰的画面。我尤其喜欢他讲解“正态分布”的部分，那是一种从天而降的、仿佛大自然规律般的美感，书中用大量插图和图示来展示，使得原本抽象的概念变得直观易懂。虽然还有一些部分我需要反复阅读才能完全消化，但总的来说，这本书成功地降低了我对统计学的畏惧感，让我看到了理解和运用这些工具的可能性。它不只是冰冷的理论堆砌，更像是一位耐心的导师，一步步引领我走进统计学的奇妙世界。

评分☆☆☆☆☆

这本书的语言风格是我非常喜欢的一点，它没有那种冷冰冰、不近人情的学术腔调。作者像是和读者在聊天一样，用非常通俗易懂的语言来解释一些原本很抽象的概念。例如，在讲到回归分析时，他没有直接抛出复杂的回归方程，而是先用一个简单的例子，比如预测学生的期末考试成绩，然后一步步引导我们理解自变量和因变量之间的关系，以及如何通过回归模型来解释这种关系。我觉得这种“润物细无声”的教学方式特别适合我这种初学者。而且，书中还穿插了许多小贴士和注意事项，这些都是作者在教学和研究中的宝贵经验总结，对我避免常见的错误非常有帮助。我特别喜欢他讲到的“统计显著性不等于实际意义”，这一点在很多研究中都容易被忽视，这本书的提醒让我更加谨慎。

评分☆☆☆☆☆

我不得不说，这本书的逻辑结构真的太清晰了！从基础的描述性统计，到深入的推论性统计，再到各种常用的统计检验方法，每一个章节的过渡都非常自然，仿佛是在讲述一个连贯的故事。我特别欣赏作者在每一章开头都会简要回顾上一章的内容，并引出本章的学习目标，这让我能够更好地把握整体脉络，不会迷失在细节之中。在讲解ANOVA（方差分析）时，他循序渐进地从单因素方差分析讲到双因素方差分析，并详细解释了F检验的原理和解读，还特别提醒了进行方差分析时需要注意的假设条件。这一点对我们做研究的人来说太重要了，很多时候我们只关注结果，却忽略了前提条件，导致研究结论存在偏差。这本书不仅教会了我“怎么做”，更重要的是教会了我“为什么这样做”，让我不再是机械地套用公式，而是真正理解了统计学背后的逻辑和意义。读完之后，我感觉自己在分析数据时更有信心了，也能够更批判性地审视文献中出现的统计结果。