现代心理与教育统计学第四版张厚粲北京师范大学出版社正版9787303000395 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

张厚粲，徐建平 著

图书标签:

• 心理统计
• 教育统计
• 统计学
• 张厚粲
• 北京师范大学出版社
• 第四版
• 高等教育
• 教材
• 数据分析
• 心理学

店铺： 佳期如梦图书专营店

出版社： 北京师范大学出版社

ISBN：9787303000395

商品编码：29688113831

页数：506

图书基本信息
书名：	现代心理与教育统计学 第四版
作者/主编：	张厚粲 ， 徐建平
出版社：	北京师范大学出版社
ISBN号：	9787303000395
出版年份：	2015年5月

版次：	第4版
总页数：	506页
开本：	1/16
图书定价：	48.00元
实际重量：	640 g
新旧程度：	正版全新

编辑《新世纪高等学校教材:现代心理与教育统计学》由北京师范大学出版社出版。 作者简介张厚粲，1927年4月生，河北南皮县人，汉族。1948年毕业于辅仁大学心理系并留校任教。现任北京师范大学心理系教授，博士生导师，校务委员，北京师范大学珠海分校教育学院首席教授，身兼国务院参事，全国政协委员，中国心理学会常务理事，全国教育科学规划委员会学科评议组成员，教育考试研究会副会长和心理科学联盟（IUPsyS）副主席等多种重要职务。

第*章 绪论第*节 统计方法在心理和教育科学研究中的作用第二节 心理与教育统计学的内容第三节 心理与教育统计学的发展第四节 心理与教育统计基础概念小结 第二章 统计图表第*节 数据的初步整理第二节 次数分布表第三节 次数分布图第四节 其他类型的统计图表小结 第三章 集中量数第*节 算术平均数第二节 中数与众数第三节 其他集中量数小结 第四章 差异量数第*节 全距与百分位差第二节 平均差、方差与标准差第三节 标准差的应用第四节 差异量数的选用小结 第五章 相关关系第*节 相关、相关系数与散点图第二节 积差相关第三节 等级相关第四节 质与量相关第五节 品质相关第六节 相关系数的选用与解释小结 第六章 概率分布第*节 概率的基本概念第二节 正态分布第三节 二项分布第四节 样本分布小结 第七章 参数估计第*节 点估计、区间估计与标准误第二节 总体平均数的估计第三节 标准差与方差的区间估计第四节 相关系数的区间估计第五节 比率及比率差异的区间估计小结 第八章 假设检验第*节 假设检验的原理第二节 平均数的显著性检验第三节 平均数差异的显著性检验第四节 方差的差异检验第五节 相关系数的显著性检验第六节 比率的显著性检验小结 第九章 方差分析第*节 方差分析的基本原理及步骤第二节 完全随机设计的方差分析第三节 随机区组设计的方差分析第四节 事后检验小结 第十章 x2检验第*节 x2检验的原理第二节 配合度检验第三节 独立性检验第四节 同质性检验与数据的合并第五节 相关源的分析小结 第十一章 非参数检验第*节 非参数检验的基本概念与特点第二节 两个独立样本的非参数检验方法第三节 配对样本的非参数检验方法第四节 等级方差分析小结 第十二章 线性回归第*节 线性回归模型的建立方法第二节 回归模型的检验与估计第三节 回归方程的应用小结 第十三章 多变量统计分析简介第*节 多因素方差分析第二节 多重线性回归第三节 因子分析小结 第十四章 抽样原理及方法第*节 抽样的意义和原则第二节 几种重要的随机抽样方法第三节 样本容量的确定小结主要参考文献附录

《新世纪高等学校教材:现代心理与教育统计学》的编写体例遵照心理与教育统计学这一学科的基本结构和内容，同时，与时俱进，吸收了统计学发展的新成果，增加了少量计算机应用技术，试图为学习者提供一本脉络清晰的关于心理与教育统计学的基础教材。内容方面每章前面都增加了“教学目标”和“学习重点”，每章的后面都有一个“小结”，并提供了进一步延伸性读物、使用EXCEL和SPSS软件进行统计分析的一些技巧和提示、在线资源网址、复习与思考题等。部分章划还附加了些与章节内容相关的资料卡。希望《现代心理与教育统计学》的出版，能够为我国心理统计教学提供基本的教学材料，为心理学人才的培养做出应有的贡献。

现代心理与教育统计学（第四版） 一、 全新视角，体系重塑 本书第四版在继承前几版经典理论和方法的基础上，进行了全面的体系梳理和内容更新，旨在为读者提供一个更加现代化、前沿化、系统化的心理与教育统计学学习体验。我们深刻理解统计学作为心理学和教育学研究“硬科学”基石的重要性，因此，本版在编排上力求逻辑清晰，由浅入深，将复杂的概念以直观易懂的方式呈现。 核心创新点包括： 理论框架的现代化升级： 结合当前心理学与教育学研究的最新发展趋势，引入了如多层次模型（Multilevel Modeling）、结构方程模型（Structural Equation Modeling）、元分析（Meta-Analysis）等现代统计分析方法，并对其应用场景、模型构建、结果解释等方面进行了详尽阐述。这些方法能够更有效地处理现实研究中常见的数据结构和复杂关系，是研究者把握前沿课题的必备工具。 操作技能的强化训练： 除理论讲解外，本书高度重视统计软件的应用实践。第四版新增了大量基于主流统计软件（如SPSS, R, Mplus等，根据最新版进行选择和侧重）的操作指南，涵盖了从数据录入、清洗、管理到各类统计分析的具体步骤和技巧。我们相信，只有熟练掌握统计软件，才能将理论知识转化为实际的研究能力。 概念理解的深度挖掘： 对于核心统计概念，如假设检验的逻辑、p值的准确解读、置信区间的含义、效应量的重要性等，本版进行了更深入的剖析，纠正了普遍存在的误解，帮助读者建立起对统计原理的真正理解，而非死记硬背。我们提倡“理解比记忆更重要”的学习理念。 应用场景的广泛拓展： 本书内容紧密联系心理学和教育学领域的研究实际，精选了大量具有代表性的研究案例，涵盖了认知心理学、发展心理学、社会心理学、临床心理学、教育测量、教学评估、课程研究等多个分支。通过案例分析，读者可以直观地看到统计方法在解决实际研究问题中的强大力量。 统计思想的贯穿始终： 除了具体的方法和技术，本书更注重培养读者的统计思维能力。从研究设计到数据分析，再到结果解释和报告撰写，我们始终强调批判性思维、逻辑推理和证据导向的原则，帮助读者成为能够独立思考、科学研究的统计应用者。 二、 内容体系，循序渐进 全书共分为若干个逻辑清晰的模块，每个模块层层递进，共同构建起完整的统计学知识体系： 第一部分：统计学基础与描述统计 绪论： 统计学在心理与教育研究中的地位与作用，统计研究的基本流程，统计研究的类型（描述性统计与推断性统计）。 数据与测量： 变量的类型（定类、定序、定距、定比），测量的层次与误差，数据收集的基本原则。 数据整理与可视化： 数据编码、录入与清洗，频数分布表，统计图表（直方图、条形图、折线图、箱线图等）的制作与解读，数据分布特征的初步识别。 集中趋势的度量： 均值、中位数、众数及其适用性。 离散程度的度量： 极差、四分位距、方差、标准差及其意义。 分布的形态： 偏度与峰度，正态分布的重要性与应用。 百分位数与Z分数： 标准化分数的计算与应用，对不同量表数据的比较。 第二部分：推断性统计基础 概率论基础： 概率的基本概念，概率分布（二项分布、泊松分布、正态分布）在统计推断中的作用。 抽样与抽样分布： 抽样方法，样本统计量与总体参数，中心极限定理，抽样误差。 假设检验的基本原理： 零假设与备择假设，检验统计量，显著性水平（α），p值，第一类错误与第二类错误，功效（Power）。 t检验： 单样本t检验，独立样本t检验，配对样本t检验，以及它们在心理与教育研究中的应用案例。 第三部分：方差分析（ANOVA） 方差分析的基本原理： 组间差异与组内差异，F检验。 单因素方差分析： 单因素ANOVA的计算、假设、结果解读，事后检验（Post Hoc Tests）的应用。 多因素方差分析： 双因素ANOVA，主效应与交互效应的理解与分析，实验设计与方差分析的结合。 重复测量方差分析： 当被试在多个条件下接受测量时的分析方法。 第四部分：相关与回归分析 相关分析： 皮尔逊积矩相关系数（Pearson r）的计算与解释， Spearman秩相关系数，Kendall's tau，相关系数的显著性检验，相关与因果的区别。 简单线性回归： 回归方程的建立，回归系数的解释，决定系数（R²），回归方程的显著性检验。 复回归分析： 多个预测变量对因变量的影响，偏回归系数的解释，模型拟合优度，变量的选择（逐步回归、向前选择、向后剔除等）。 多项式回归与非线性回归： 处理变量间非线性关系的方法。 第五部分：卡方检验与非参数统计 卡方检验（Chi-square Test）： 拟合优度卡方检验，独立性卡方检验，以及它们在分类变量分析中的应用。 非参数统计方法： 当数据不满足参数检验的假设时，如Mann-Whitney U检验，Wilcoxon符号秩检验，Kruskal-Wallis H检验，Friedman检验等，以及它们在心理与教育研究中的适用情况。 第六部分：现代统计方法前沿 结构方程模型（SEM）： 理论模型构建，路径分析，验证性因子分析（CFA），以及SEM在测量模型与结构模型整合分析中的应用。 多层次模型（Multilevel Modeling, MLM）： 处理嵌套数据结构（如学生嵌套在班级，班级嵌套在学校）的分析方法，随机效应与固定效应的理解。 元分析（Meta-Analysis）： 整合多项独立研究结果，量化效应量，提高研究结论的可靠性。 贝叶斯统计入门（可选）： 介绍贝叶斯统计的基本思想和与传统统计方法的区别。 第七部分：统计软件应用与研究报告 统计软件操作指南： 结合本书内容，提供SPSS/R/Mplus等软件的常用功能和分析操作演示，包括数据导入、管理、描述性统计、假设检验、方差分析、相关回归、卡方检验等的具体步骤。 研究设计与统计： 如何根据研究问题选择合适的统计方法，如何进行样本量估算，统计分析在研究设计中的作用。 统计结果的解释与报告： 如何撰写符合学术规范的统计分析结果，如何清晰、准确地呈现统计数据。 常见统计问题与误区解析： 总结实践中遇到的典型问题，提供解决方案。 三、 学习价值，学以致用 本书的编写目标是使读者： 掌握核心统计概念与原理： 深刻理解统计学的逻辑，为深入研究打下坚实基础。 熟练运用统计软件进行数据分析： 具备独立完成复杂统计分析的能力。 能够批判性地解读和评估统计研究： 培养科学的思维方式，辨别研究的科学性。 为进一步学习和研究提供理论支持： 为后续学习高级统计方法和进行独立研究做好准备。 本书适用于心理学、教育学、社会学、医学等领域的研究生、本科生以及从事相关研究的专业人士。无论您是统计学初学者，还是希望系统梳理和提升统计技能的实践者，都能从本书中获得宝贵的知识和启发。我们相信，通过学习本书，您将能够更自信、更有效地运用统计学这门强大的工具，为您的学术研究和专业实践注入新的活力。

评分☆☆☆☆☆

这本书的编排逻辑非常清晰，整个知识体系的构建脉络清晰可见。从基础的描述统计到推断统计，再到高级的模型，层层递进，犹如抽丝剥茧。我觉得这对于我们这些在学习过程中容易迷失方向的读者来说，是极其宝贵的。作者在讲解过程中，不仅提供了理论的阐述，还穿插了大量的实操性指导，比如如何进行数据录入、数据清洗以及结果的呈现。这一点对于我们这些希望将理论知识转化为实践技能的学生来说，至关重要。书中对统计软件的应用讲解，尤其令人印象深刻，它让抽象的统计概念变得触手可及，使我们能够快速上手进行数据分析。我发现，这本书不仅仅是知识的传授，更是能力的培养，它教会我们如何独立思考，如何解决实际问题。每一次翻阅这本书，都能从中获得新的启发和领悟，它是我在统计学学习道路上不可或缺的伙伴。

评分☆☆☆☆☆

这本书的语言风格我非常喜欢，既有学术的严谨性，又不失通俗易懂的特点。作者在讲解复杂的统计概念时，善于使用生动形象的比喻和贴近生活的例子，这大大降低了统计学给人的距离感。我记得在学习方差分析的时候，书中用一个关于不同教学方法对学生成绩影响的案例来解释F检验的原理，让我一下子就豁然开朗。此外，书中的排版设计也非常人性化，重点内容突出，关键公式清晰标注，阅读起来非常舒适。我特别喜欢书中在每个章节末尾设置的习题，这些习题设计得非常巧妙，既能检验我们对知识的掌握程度，也能帮助我们巩固和应用所学内容。有时候，一道习题就能让我对某个统计方法有更深刻的理解。对我而言，这本书不仅仅是一本教科书，更像是一位循循善诱的良师益友，在学习的道路上给予我源源不断的启发和帮助。

评分☆☆☆☆☆

这本书的封面设计给我的第一印象就非常有学术感，深蓝色背景搭配简洁的白色字体，给人一种沉稳、可靠的感觉。拿到书的当下，我就迫不及待地翻阅了一下目录，发现章节的划分非常细致，从基础的统计概念到高级的统计模型，都做了循序渐进的介绍。我觉得这对于初学者来说至关重要，能够帮助我们一步步构建起扎实的统计学知识体系。特别是关于抽样方法、假设检验和回归分析的部分，作者的讲解方式非常清晰易懂，配有大量的图表和案例分析，使得抽象的统计原理变得生动具体。我特别喜欢书中对每种统计方法适用条件的详细说明，以及不同方法之间的比较分析，这能够帮助我根据实际研究场景做出更恰当的选择。而且，书中还穿插了一些统计软件（比如SPSS）的使用指导，这对于我们这些希望将理论知识应用于实际数据分析的读者来说，简直是福音。总的来说，这本书的结构严谨，内容翔实，逻辑性强，是一本非常值得信赖的统计学入门和进阶读物。

评分☆☆☆☆☆

从这本书的内容编排上看，作者显然是花了很多心思去照顾到不同层次读者的需求。对于初学者，它提供了一个扎实的基础，从最基本的概念讲起，逐步引入更复杂的统计技术。而对于已经有一定统计基础的读者，书中又涵盖了许多深入的讨论和前沿的视角，能够帮助他们拓展视野，深化理解。我尤其喜欢书中对研究设计与统计分析相结合的强调，这让我意识到，统计学并非孤立的学科，而是服务于研究问题的有力工具。书中对数据解读的指导也非常到位，不仅仅教我们如何计算，更教我们如何理解计算结果背后的含义，如何从中提取有价值的信息。这种对“意义”的挖掘，是这本书最大的亮点之一，它帮助我将统计学从枯燥的数字游戏提升到了对现象本质的洞察。这本书的价值在于，它教会我如何用科学的眼光去看待数据，如何从中发现规律，如何让数据说话。

评分☆☆☆☆☆

当我第一次接触这本教材时，就被其严谨的学术风格和深厚的理论积淀所吸引。书中的每一个概念都得到了精辟的阐释，每一个公式都伴随着清晰的推导过程，这对于我这样追求知识深度的人来说，是莫大的满足。作者在讲解过程中，不仅关注统计方法的“是什么”，更深入探讨了“为什么”以及“如何用”，使得学习过程充满了探索的乐趣。我尤其欣赏书中对于统计学发展历程和重要人物的介绍，这不仅丰富了我们的知识面，也让我们对统计学这门学科有了更宏观的认识。在学习过程中，我常常会遇到一些看似晦涩难懂的统计模型，但通过书中大量的实例，这些模型在我脑海中逐渐清晰起来。书中还强调了统计思维的重要性，提醒我们在应用统计方法时，要时刻保持批判性思维，避免误读数据。总的来说，这本书是一次深度学术之旅，它不仅仅是一本教材，更是一位引路人，带领我深入理解统计学的精髓。