心理学核心课程教材系列丛书：心理统计（第4版） pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[美] 迈克尔·索恩（B.Michacl Thornc），马丁·吉森（J.Martin Giesen） 著，文剑冰 等 译

图书标签:

• 心理学
• 统计学
• 心理统计
• 教材
• 核心课程
• 数据分析
• SPSS
• 研究方法
• 第四版
• 高等教育

出版社： 上海人民出版社

ISBN：9787208115620

版次：4

商品编码：11357624

包装：平装

丛书名： 心理学核心课程教材系列丛书

开本：16开

出版时间：2013-11-01

用纸：胶版纸

页数：178

正文语种：中文

内容简介

　　《心理统计（第4版）》系心理学核心课程教材系列之一种。主要阐述了心理测量的历史、文化与流派，心理测量所运用的科学原理，智力测量的运用，对心理测量的个性化调整。

目录

第一章 统计的语言

统计是什么？

为何要学统计？

个人原因

专业原因

我们的目的

统计作为第二种语言

成功使用这本书你需要什么

总结

练习

第一部分 描述性统计

第二章 定义和测量

第三章 次数分布

第四章 数据图

第五章 集中量

第六章 差异量和标准分数

第二部分 推论统计

第七章 概率

第八章 正态分布

第九章 置信区间与假设检验

第十章 样本平均数的显著性检验

第十一章 有事后比较的单因素方差分析

第十二章 两因素方差分析

第十三章 相关与回归

第十四章 卡方检验

第十五章 转换t分数为F分数

回归推断统计

附录

前言/序言

心理统计学（第四版） 内容概述： 本书旨在为心理学专业学生提供一个全面、严谨且易于理解的心理统计学基础。作为“心理学核心课程教材系列丛书”的一部分，本版教材（第四版）在继承前版本精髓的基础上，进行了内容的更新与优化，力求紧密结合当前心理学研究的最新进展和统计分析技术的演变。本书并非简单罗列公式与方法，而是强调统计思维的培养，引导读者理解统计学在心理学研究中的核心作用，以及如何运用统计工具来科学地收集、整理、分析和解释心理学数据。 核心理念与特色： 强调概念理解，而非死记硬背： 本书将统计学概念的深入理解置于首位。我们不希望读者仅仅记住公式，而是要透彻地领悟每个统计方法背后的逻辑、假设和适用条件。通过大量的实例分析和图示，帮助读者建立直观的认识。 贯穿研究过程的统计应用： 本书将统计学置于整个心理学研究流程中进行讲解。从研究设计的初步构思，到数据收集的策略，再到数据分析的具体实施，以及最终结果的解读与报告，都将围绕统计学的视角展开。这有助于读者理解统计学并非孤立的学科，而是支撑科学研究不可或缺的工具。 循序渐进，难度适中： 本书的编写遵循由易到难、由浅入深的原则。从最基础的描述性统计入手，逐步过渡到推论性统计的核心内容，如假设检验、t检验、方差分析、相关与回归等。对于初学者而言，本书提供了坚实的起点；对于有一定基础的读者，也能从中获得更深入的洞察。 注重实际应用与案例分析： 本书的生命力在于其与实际研究的紧密联系。我们精选了大量来自不同心理学分支（如认知心理学、社会心理学、发展心理学、临床心理学等）的真实研究案例，通过这些案例来讲解统计方法的应用。这不仅能帮助读者理解抽象的统计概念，更能激发他们对研究的兴趣，并学会如何将统计工具应用于自身的研究设想。 数据处理软件的整合教学： 在当代，熟练运用统计软件进行数据分析已成为必备技能。本书在讲解统计方法的同时，会适时介绍如何使用主流的统计软件（如SPSS、R等）来实现相应的分析。我们提供操作指南和示例，帮助读者将理论知识转化为实际操作能力，独立完成数据分析任务。 与时俱进的内容更新（第四版）： 第四版在保留核心内容的基础上，重点更新了以下几个方面： 新增或强化了对现代统计分析方法的介绍： 随着心理学研究的复杂性不断提高，一些更高级或更具适用性的统计方法也日益受到重视。本版在适当的章节中，对一些新的统计技术进行了介绍，例如更灵活的回归模型（如多层线性模型、混合效应模型）在处理复杂数据结构时的应用，以及关于效应量和统计功效的讨论进一步深化。 数据科学与大数据的初步触及： 尽管本书仍以经典统计方法为主，但对数据科学和大数据在心理学中的初步影响有所触及，引导读者认识到数据分析的未来趋势。 伦理与实践的关注： 加强了在统计分析过程中涉及的伦理问题，例如数据报告的规范性、避免误导性解读等，培养读者严谨的学术态度。 练习题和习题的丰富与优化： 针对每一章节，都提供了精选的练习题和习题，这些题目类型多样，难度各异，涵盖了概念理解、计算应用和数据分析模拟等。部分习题鼓励读者思考研究设计与统计选择的逻辑，提升其分析解决问题的能力。 章节结构与内容详解（示例性）： 本书的章节安排旨在构建一个逻辑清晰的学习路径。以下为部分关键章节内容的详细阐述： 第一部分：导论与基础数据组织 第一章：心理学研究与统计学： 这一章将奠定本书的基调，阐释心理学研究的本质，以及统计学在其中扮演的关键角色。我们将区分科学研究与非科学研究，介绍实证方法的重要性，并初步介绍统计学作为一种量化工具，如何帮助我们理解和解释心理现象。内容将涉及：研究问题的提出、变量的类型、抽样与总体、数据类型（定类、定序、定距、定比）。 第二章：数据的整理与描述： 学习如何有效地组织和展示原始数据是统计分析的第一步。本章将介绍数据录入、编码、清理的基本流程。重点将放在描述性统计方面，包括： 集中趋势的度量： 均值（Mean）、中位数（Median）、众数（Mode）的计算、意义及其适用条件。 离散程度的度量： 极差（Range）、方差（Variance）、标准差（Standard Deviation）的计算与解释，以及它们如何反映数据的变异性。 分布形状的度量： 偏度（Skewness）和峰度（Kurtosis）的概念及其在数据分布可视化中的作用。 数据可视化： 柱状图（Bar Chart）、饼图（Pie Chart）、直方图（Histogram）、箱线图（Box Plot）、散点图（Scatter Plot）等常见图表的制作原则、选择依据及其信息解读。 第二部分：概率与推论统计学基础 第三章：概率与概率分布： 概率是推论统计的基石。本章将介绍概率的基本概念、事件的类型、条件概率等。随后，我们将深入探讨几种重要的概率分布，特别是： 二项分布（Binomial Distribution）： 适用于离散型变量的计数。 正态分布（Normal Distribution）： 心理学中最常用、最重要的分布，理解其性质（如对称性、钟形曲线）以及标准正态分布（Z分布）的应用。 t分布（t-Distribution）： 在小样本下进行统计推断时常用。 卡方分布（Chi-Square Distribution）： 用于拟合优度检验和独立性检验。 F分布（F-Distribution）： 在方差分析中至关重要。 第四章：抽样分布与统计估计： 这一章将连接概率论与推论统计。我们将探讨样本统计量（如样本均值）的抽样分布，理解中心极限定理（Central Limit Theorem）的威力。在此基础上，我们将介绍统计估计的两种主要方式： 点估计（Point Estimation）： 用单个值估计总体参数。 区间估计（Interval Estimation）： 构建置信区间（Confidence Interval），以一定概率包含总体参数。我们将详细讲解均值和比例的置信区间计算。 第三部分：假设检验 第五章：假设检验的基本原理： 假设检验是推论统计的核心技能。本章将详细介绍假设检验的逻辑框架，包括： 零假设（Null Hypothesis, H0）与备择假设（Alternative Hypothesis, H1）的设定。 统计决策： 拒绝或不拒绝零假设。 第一类错误（Type I Error）与第二类错误（Type II Error）及其概率（α和β）。 统计功效（Statistical Power）： 1-β，以及影响统计功效的因素（样本量、效应量、显著性水平）。 p值（p-value）的概念与正确解读。 检验的统计量（Test Statistic）与临界值（Critical Value）。 第六章：单样本检验与配对样本检验： 学习如何在单一总体均值或比例与已知值比较时进行假设检验。 单样本Z检验与t检验。 配对样本t检验（Paired-samples t-test）： 用于前后测或配对设计的数据分析。 第七章：两独立样本检验： 比较两个独立样本的均值是否存在显著差异。 独立样本t检验（Independent-samples t-test）： 讨论方差齐性（Homogeneity of Variance）的检验（如F检验、Levene检验）以及如何根据方差是否齐性来选择不同的t检验公式。 第八章：方差分析（ANOVA）： 用于比较三个或三个以上样本均值是否相等。 单因素方差分析（One-way ANOVA）： 详细讲解F检验的原理，计算组间方差（Between-groups Variance）和组内方差（Within-groups Variance），以及如何解释ANOVA表。 事后检验（Post-hoc Tests）： 在ANOVA结果显著后，用于确定具体哪些组别之间存在差异，介绍Tukey HSD, Bonferroni等方法。 多因素方差分析（Factorial ANOVA）： 介绍两因素及以上方差分析，讲解主效应（Main Effects）和交互效应（Interaction Effects）的概念和解释。 第四部分：相关与回归分析 第九章：相关分析： 探究两个变量之间线性关系的密切程度和方向。 皮尔逊积矩相关系数（Pearson Product-Moment Correlation Coefficient, r）： 计算、解释r值的范围（-1到+1），以及显著性检验。 斯皮尔曼等级相关系数（Spearman’s Rank-Order Correlation Coefficient, ρ）： 适用于定序变量或非正态分布数据。 相关系数的局限性： 强调相关不等于因果。 第十章：回归分析： 预测一个变量（因变量）如何依赖于一个或多个其他变量（自变量）。 简单线性回归（Simple Linear Regression）： 讲解回归方程（y = a + bx）的建立，回归系数（斜率b和截距a）的解释，决定系数（R²）的含义。 复回归分析（Multiple Linear Regression）： 介绍多个自变量如何共同预测因变量，理解偏回归系数（Partial Regression Coefficients），调整决定系数（Adjusted R²）。 回归分析的假设与诊断： 介绍残差分析（Residual Analysis）、共线性（Multicollinearity）等概念。 第五部分：分类数据分析与高级主题 第十一章：卡方检验（Chi-Square Tests）： 用于分析分类变量之间的关系。 拟合优度检验（Goodness-of-Fit Test）： 检验观察到的分类数据是否符合理论上的期望分布。 独立性检验（Test of Independence）： 检验两个分类变量是否相互独立。 关联强度的度量： 如Cramer's V。 第十二章：非参数检验（Nonparametric Tests）： 当数据不满足参数检验的假设（如正态性）时使用。 Mann-Whitney U检验（对应独立样本t检验）。 Wilcoxon符号秩检验（对应配对样本t检验）。 Kruskal-Wallis H检验（对应单因素ANOVA）。 第十三章：效应量与统计功效的深入讨论： 进一步强调效应量（Effect Size）的重要性，介绍Cohen’s d, η²等度量。深入探讨如何进行事后统计功效分析（Post-hoc Power Analysis）和事先的统计功效分析（A Priori Power Analysis），以规划研究设计。 第六部分：研究设计与报告 第十四章：统计在研究设计中的作用： 回顾性地整合前面章节的知识，探讨如何在研究设计阶段就考虑统计分析的需求，包括选择合适的变量测量方式、确定样本量、设计对照组等。 第十五章：统计结果的报告与解读： 学习如何规范地撰写和报告统计分析结果，包括APA格式的要求，如何清晰、准确地呈现统计量、p值、效应量等关键信息，以及如何避免统计结果的误读和滥用。 总结： 《心理统计学（第四版）》是一本为心理学学习者量身打造的统计学入门与进阶教材。它不仅提供必要的统计知识和方法，更致力于培养读者批判性的统计思维能力和科学的研究素养。通过理论讲解、案例分析和软件实践的有机结合，本书将帮助读者掌握运用统计学解决心理学实际问题的能力，为他们未来深入的学术研究打下坚实的基础。本书力求做到内容严谨、逻辑清晰、语言生动、例证丰富，是每一位致力于科学研究的心理学学生的得力助手。

评分☆☆☆☆☆

这本书真的彻底颠覆了我之前对“统计学”的认知。我一直以为统计学就是一大堆枯燥的数字和公式，完全是理工科的专属，所以每次看到这类书籍都会望而却步。但翻开这本《心理统计》（第4版），我才发现原来统计学可以如此生动有趣，并且与我们日常生活中对人类行为的理解息息相关。作者在讲解每个统计概念时，都会引用大量心理学领域的实际案例，比如如何通过统计学分析不同教学方法对学生学习成绩的影响，或者如何研究社会认同对个体决策的影响。这些案例不仅让我更容易理解抽象的统计原理，更让我看到了统计学在探索人心奥秘过程中的强大力量。尤其是关于假设检验的部分，书中用了很多比喻和图示，把那些复杂的P值、显著性水平变得不再那么令人畏惧，甚至还有点意思。我以前总觉得这些东西遥不可及，现在看来，它们是理解和评估心理学研究结果的关键工具。我尤其喜欢书中对于数据可视化方法的介绍，如何用图表清晰地展示数据间的关系，这对于非统计学背景的读者来说简直是福音，让原本可能晦涩的数据变得一目了然。这本书的语言风格也很平易近人，没有太多学术术语的堆砌，而是更倾向于用通俗易懂的方式解释复杂的概念，让我这个“统计小白”也能看得津津有味。

评分☆☆☆☆☆

这本书简直是心理学爱好者的“救星”！我一直对心理学领域的研究成果很感兴趣，但每次看到研究论文中的统计数据和方法，都会感到一头雾水，不知道它们到底意味着什么。这本书就像一座桥梁，将我与那些严谨的科学研究连接起来。它让我明白了，那些看似复杂的统计数字背后，其实隐藏着对人类行为深刻洞察的努力。书中关于统计检验效能（Power）的讲解，让我深刻理解了样本量、效应大小和显著性水平之间的微妙关系，以及为什么有时候我们无法得出有意义的结论。这对于我理解那些“未达到统计显著性”的研究结果非常有帮助，让我不再简单地将其视为“失败”。我特别欣赏书中对于不同统计方法的选择和应用的讨论，作者并没有一股脑地灌输所有公式，而是引导读者思考“在什么情况下应该使用哪种统计方法”，并解释了各种方法的优缺点。这让我明白，统计学并非一成不变的规则，而是灵活的工具，需要根据研究问题和数据特点来选择。书中还提到了非参数检验，这让我了解到，即使数据不符合参数检验的假设，我们也有其他方法可以进行分析，这大大拓宽了我对统计分析的视野。

评分☆☆☆☆☆

我之前对心理统计的理解非常浅薄，总觉得它只是研究所谓“平均数”、“中位数”这类基础概念。然而，读完这本书，我才意识到心理统计的深度和广度远远超出了我的想象。书中对于实验设计的部分，让我对如何科学地收集和分析心理学数据有了全新的认识。它不仅仅是告诉你“怎么算”，更是告诉你“为什么要这么算”，以及不同的实验设计如何影响研究的效度和信度。我特别关注了书中关于回归分析的章节，了解到如何通过一个或多个变量来预测另一个变量，这在很多心理学研究中都有着广泛的应用，比如预测个体的幸福感、学习动机或者职业满意度。书中对回归方程的解读非常透彻，从截距到斜率，再到决定系数R²，都给出了清晰的解释，并且结合了心理学实例，让我理解了这些数值背后的实际意义。另外，书中还详细介绍了方差分析（ANOVA）的原理和应用，这对于理解实验组与对照组之间差异的显著性非常重要。我曾参加过一些心理学讲座，对研究者提到的“F检验”感到困惑，现在通过这本书，我终于明白了它的作用和局限性。这本书的结构安排也非常合理，由浅入深，循序渐进，即使是第一次接触心理统计学的读者，也能在逻辑清晰的讲解中逐渐掌握核心知识。

评分☆☆☆☆☆

对于我这样一个在跨学科领域摸索的研究者来说，一本能够清晰解释统计概念的书是极其宝贵的。《心理统计》（第4版）做到了这一点，而且做得非常出色。它不仅仅是一本“工具书”，更像是一本“思想启蒙书”。书中对统计学原理的阐述，并不是孤立存在的，而是紧密围绕着心理学研究的实际需求来展开。例如，在介绍相关性分析时，作者不仅讲解了皮尔逊相关系数，还探讨了点二列相关、等级相关等，并深入分析了相关性不等于因果性的重要警示，这对于避免研究中的逻辑误区至关重要。我非常喜欢书中对于效应大小（Effect Size）的强调，这让我意识到，仅仅看P值并不能完全评估研究的实际意义，效应大小才更能反映现象的真实强度。书中关于多重比较（Multiple Comparisons）的讨论，也让我明白了为什么在进行多次检验时需要进行校正，以避免假阳性的发生，这对于严谨的研究设计和结果解读具有指导意义。总的来说，这本书让我从一个被动接受统计结果的读者，转变为一个能够批判性地评估统计证据的“使用者”。

评分☆☆☆☆☆

我必须说，这本书彻底改变了我对“数据分析”的看法，让它不再是枯燥的代名词。它让我明白，统计学是理解和解释我们身边世界的强大工具。书中对于统计软件的应用提示和案例分析，虽然我暂时还没来得及深入实践，但它们让我看到了将理论知识转化为实际操作的可能性，让我对未来自己在数据分析方面的能力充满了信心。我特别欣赏书中对于“统计思维”的培养，它不仅仅教授我如何计算，更引导我如何思考数据背后的含义，如何提出有价值的研究问题，以及如何设计能够回答这些问题的实验。例如，关于抽样方法的部分，作者详细介绍了随机抽样、分层抽样等不同方法，以及它们对研究结果代表性的影响，这让我意识到，数据收集的源头就决定了分析的价值。书中对统计假设的讨论也十分到位，让我理解了为什么某些统计方法有其特定的适用前提，以及在不满足这些前提时可能出现的偏差。这本书的语言风格充满了启发性，不是那种冷冰冰的教科书式叙述，而是带着一种引导和鼓励，让我感觉自己可以真正掌握这项技能。

评分☆☆☆☆☆

还不错。

评分☆☆☆☆☆

还不错。

评分☆☆☆☆☆

长度在5-200个字之间 填写您对此商品的使用心得，例如该商品或某功能为您带来的帮助，或使用过程中遇到的问题等。最多可输入200字

评分☆☆☆☆☆

长度在5-200个字之间 填写您对此商品的使用心得，例如该商品或某功能为您带来的帮助，或使用过程中遇到的问题等。最多可输入200字

评分☆☆☆☆☆

长度在5-200个字之间 填写您对此商品的使用心得，例如该商品或某功能为您带来的帮助，或使用过程中遇到的问题等。最多可输入200字

评分☆☆☆☆☆

不错不错不错

评分☆☆☆☆☆

不错不错不错

评分☆☆☆☆☆

不错不错不错

评分☆☆☆☆☆

还不错。