量化数据分析：通过社会研究检验想法 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[美] 唐启明（Donald J. Treiman） 任强 著

图书标签:

• 量化研究
• 数据分析
• 社会研究
• 统计学
• 研究方法
• 实证分析
• 定量分析
• 科学研究
• 社会科学
• 数据挖掘

出版社： 社会科学文献出版社

ISBN：9787520114066

版次：1

商品编码：12286335

包装：平装

丛书名： 社会学教材教参方法系列

开本：16开

出版时间：2018-01-01

页数：484

字数：539000

正文语种：中文

内容简介

如果想成为一名应用定量分析研究者，分析抽样或其他定量数据集，以支持所涉及领域的大量文献知识，*后发表你的研究结果。本书正是为此所设计。它是基于两个分学期的课程和作者在加州大学洛杉矶分校过去30多年的教学，并跟踪社会学和其他社会科学领域定量分析方法新发展成果的基础上成书的。本书的特点是没有复杂的数学推导，通过大量的实例领会社会科学研究的基本逻辑和设计思想，图文并茂，浅显易懂，把握前沿新社会科学成果。

作者简介

Donald J. Treiman是加州大学洛杉矶分校（UCLA）社会学荣休杰出教授、UCLA加州人口研究中心前主任。他从Reed College获得学士学位（1962年），在芝加哥大学获得硕士和博士学位（1967年）。在研究生阶段，他大多数时间在芝加哥大学全国民意研究中心（National Opinion Research Center, NORC）学习和工作。在那里，他在调查研究方面受到了良好的训练，并积累了宝贵经验。之后，他任教于威斯康辛大学，在那里决心成为一名真正的社会人口学家，并将人口和生态研究中心当作他的学术之家。此后，他在哥伦比亚大学工作过一段时间。1975年，他转到UCLA任教直到现在。在此期间，他在其他一些地方做过短暂访问，比如在国家科学院/国家研究理事会担任一个研究委员会的主任（1978～1981年），在美国人口普查局（1987~1988年）、行为和社会科学高等研究中心（1992~1993年）、荷兰人文和社会科学高等研究院（1996~1997年）任研究员。
唐启明（Donald J. Treiman）是加州大学洛杉矶分校（UCLA）社会学荣休杰出教授，UCLA加州人口研究中心前主任。他在Reed College获得学士学位（1962年），在芝加哥大学获得硕士和博士学位（1967年）。研究生阶段，他大多数时间在芝加哥大学全国民意研究中心（National Opinion Research Center，NORC）学习和工作。在那里，他受到良好的调查研究方面的训练，并积累了宝贵的经验。之后，他任教于威斯康星大学，决心成为一位真正的社会人口学家，并将人口和生态研究中心当作他的学术之家。他在哥伦比亚大学也工作过一段时间。1975年，他转到UCLA任教至今。在此期间，他到其他一些地方做过短暂访问，如在国家科学院/国家研究理事会担任一个研究委员会的主任（1978~1981年），在美国人口普查局（1987~1988年）、行为和社会科学高等研究中心（1992~1993年）、荷兰人文和社会科学高等研究院（1996~1997年）任研究员。唐启明教授的职业生涯从学生时代就已经开始，当时他的研究方向是社会分层和地位获得，并主要侧重于跨国比较研究，这一直是他的研究兴趣所在。他与荷兰同事Harry Ganzeboom一直从事一项比较分析20世纪世界各国地位获得过程差异的长期项目。截至目前，他们编撰了一个跨越上半个世纪、源自50多个国家的300多个抽样调查的文档。除了该比较项目之外，唐启明教授在南非（1991~1994年）、东欧（1993~1994年）和中国（1996年）都做过大规模的全国性抽样调查，内容都是关注社会不平等的各个方面。他现在的研究已经转向一个更偏于人口学的方向。2008年，他在中国开展了一项全国性抽样调查，主要关注国内人口迁移的影响因素、机制和结果。他目前正参与另一项有关中国的调查，主要关注迁移对留守儿童和随父母迁移儿童的影响。
任强，北京大学人口研究所硕士、博士，北京大学社会研究中心副教授、北京大学中国社会科学调查中心副主任。研究兴趣包括环境与健康、儿童发展，以及与生育、死亡、劳动力、住房、出生性别比等相关的人口问题。目前作为负责人之一主要参与“中国家庭追踪调查”项目。在儿童碘缺乏病控制方面有突出学术贡献，2003年获得美国儿科学会杰出成就奖。发表学术文章近100篇。

目录

表目录／1
图目录／1
英文版序言／1
中文版序言／5
译者序言／7
导　言／11
第1 章　列联表基础／1
　　本章内容／1
　　通过具体实例介绍全书／1
　　列联表／9
　　本章小结／19
第2 章　列联表中的变量关系／20
　　本章内容／20
　　分析的逻辑／20
　　抑制变量／24
　　相加效应和交互效应／25
　　直接标准化／28
　　关于统计控制与实验的最后说明／40
　　本章小结／42
第3 章　列联表的拓展／44
　　本章内容／44
　　重新组织表格以获取新的信息／44
　　何时用“反向”百分数表／47
　　当因变量为均值时的列联表／49
　　相异指数／54
　　如何描述列联表／57
　　本章小结／59
第4 章　用计算机进行数据操作／60
　　本章内容／60
　　引言／60
　　如何组织数据文件／61
　　变换数据／67
　　本章小结／75
　　附录用Stata进行分析／75
　　用Stata进行分析的一些建议／75
　　一些特别有用的Stata 10.0命令／80
第5 章　相关和回归（常规最小二乘法）介绍／83
　　本章内容／83
　　引言／83
　　量化某种关系的大小：回归分析／85
　　评估某种关系的强度：相关分析／87
　　相关和回归系数之间的关系／90
　　影响相关（和回归）系数大小的因素／90
　　相关比率／95
　　本章小结／97
第6 章　多元相关和回归（常规最小二乘法）介绍／99
　　本章内容／99
　　引言／99
　　一个具体例子：中国人识字水平的决定因素／109
　　虚拟变量／115
　　组间比较的方法／118
　　比较模型的贝叶斯方法／127
　　独立检验／130
　　本章小结／131
第7 章　多元回归技巧：处理特殊分析问题的技术／132
　　本章内容／132
　　非线性变换／132
　　检验系数的等价性／140
　　趋势分析：检验线性假设／142
　　线性样条／146
　　将系数表示为总均值的偏差（多分类分析）／155
　　表示虚拟变量的其他方法／158
　　分解两个均值之差／163
　　本章小结／169
第8 章　缺失数据的多重填补法／171
　　本章内容／171
　　引言／171
　　一个具体例子：在俄罗斯，文化资本对教育获得的影响／177
　　本章小结／183
第9 章　抽样设计与调查估计／184
　　本章内容／184
　　调查样本／184
　　设计效应／196
　　结论／210
　　本章小结／210
第10 章　回归诊断／212
　　本章内容／212
　　引言／213
　　一个具体例子：地位获得的社会差异／216
　　稳健回归／224
　　自举法和标准误／226
　　本章小结／228
第11 章　测度构建／230
　　本章内容／230
　　引言／230
　　效度／231
　　信度／232
　　测度构建／235
　　含误差变量回归／247
　　本章小结／248
第12 章　对数线性分析／249
　　本章内容／249
　　引言／249
　　选择一个合适的模型／251
　　简约模型／264
　　文献注释／279
　　本章小结／281
　　附录12.A　效应参数的推导／281
　　附录12.B　最大似然估计法介绍／283
　　正态分布的均值／284
　　对数线性参数／285
第13 章　二项逻辑斯蒂回归／286
　　本章内容／286
　　引言／286
　　与对数线性分析的关系／288
　　逻辑斯蒂回归的第一个具体例子：预测枪械威胁的发生率／289
　　第二个具体例子：日本的教育递进率／298
　　第三个具体例子（离散时间风险率模型）：初婚年龄／302
　　第四个具体例子（案例-对照模型）：在俄罗斯，谁被任命为政党当权人物？／309
　　本章小结／312
　　附录13.A　关于对数和指数的一些代数基础／312
　　附录13.B　Probit分析介绍／312
第14 章　多项和序次逻辑斯蒂回归及tobit回归／317
　　本章内容／317
　　多项logit分析／317
　　序次逻辑斯蒂回归／323
　　针对删失因变量的tobit回归（及同类方法）／332
　　针对受限因变量的其他分析模型／339
　　本章小结／340
第15 章　改进因果推断：固定效应与随机效应模型／341
　　本章内容／341
　　引言／341
　　针对连续型变量的固定效应模型／343
　　针对连续型变量的随机效应模型／349
　　一个具体例子：中国收入的决定因素／351
　　针对二分结果变量的固定效应模型／353
　　针对二分结果变量的随机效应模型／355
　　一个二分结果变量的具体例子：迁移对南非黑人入学的影响／355
　　文献注释／358
　　本章小结／358
第16 章　思考与未来的方向：研究设计和解释问题／359
　　本章内容／359
　　研究设计问题／359
　　概率抽样的重要性／376
　　最后一个建议：养成良好的专业素养／379
　　本章小结／384
附录A　书中所用数据的说明和下载地址／385
附录B　用综合社会调查数据做调查估计／388
参考文献／393
索　引／418

前言/序言

英文版序言

这本书是关于如何开展理论导向的量化社会研究的——也就是说，通过社会研究检验想法。它源自我在加州大学洛杉矶分校（UCLA)30多年教授来自社会学、其他社会科学以及以社会科学为基础的专业学院（公共卫生、教育、社会福利、城市规划等）的研究生的课程。此课程是随着社会科学量化方法的发展演化而来的；早期课程只讲授本书的前一半内容（前7章），之后逐年增加新资料。有意思的是，从一开始我就一直保持同样的授课模式——在为期20周的学期内，每周授课三小时，并布置一次练习，期末要求学生在最后四周内提交一篇学期论文——以期不断提高社会科学领域的研究生在量化研究方面的能力。当然，本书也归功于多年来活跃的课堂讨论，尤其是在一些细微和复杂的方法问题上。
读完本书，你们或许能够知道如何从本质上理解量化数据。也就是说，你们能够在自己所学的领域很好地准备可发表的论文，以及一流的毕业论文章节。当然，总是有更多的东西需要学习。在最后一章（第16章），我讨论了一些高级方法，这些方法超出了数据分析初级课程所能涵盖的范围。
本书主要对明确定义的总体的代表性样本数据进行分析，当然也涉及一些特例。总体几乎可以包括任何东西——人口、正式组织、社会、职业、陶瓷碎片，或任何其他事物；分析的问题实质上是一样的。本书只是附带地提到数据收集方法，原因很简单：本书篇幅已经很长，没有足够的篇幅同时介绍数据分析和数据收集方法。因此，你们可以查阅其他的系统介绍数据收集方法的文献。我强烈建议你们应该在选修了数据分析课程之后而不是之前去做这件事情，因为在设计数据收集时主要问题是决定收集什么，这意味着你们首先需要知道如何开展你们的分析。当然，你们也可以通过参与调查（可能无报酬）来学习数据收集的各种实用细节，并坚持参与每个过程——即使你们的参与毫无意义。
这本书涵盖了多种技术，包括表格分析（tabular analysis）、针对表格数据的对数线性模型（log-linear models）、各种形式的回归分析（regression analysis）、回归诊断（regression diagnostics）和稳健回归（robust regression）、处理缺失数据（missing data）的各种方法、逻辑斯蒂回归（logistic regression）、用于构建测度的因子分析技术（factor-based techniques）和其他技术，以及作为一种因果推论方法的固定效应和随机效应模型。但是，这不是一本统计学教科书；本书强调使用这些方法对社会如何运行进行研究，并得出相关结论。因此，本书是针对选修了第一年研究生统计课程之后的社会科学学生设计的。虽然书中有许多方程，但这是为理解统计方法的原理并灵活运用它们所必需的。本书的重点在于应用，因此书中提供了许多实际例子，且大多数引自我自己的研究。除了我自己收集的抽样调查数据之外，我也大量利用了美国综合社会调查（General Social Survey）数据——一项为研究和教学目的而设计的综合调查。附录A介绍了许多文献都使用过的主要数据集，并提供了如何获取数据的信息；它们都可以免费获得。
合理使用此书仅需的前提条件是，选修过一门初级研究生水平的社会科学统计学课程，认真思考和努力工作的意愿，以及具备高中代数知识的基础——无论是没有忘记还是重新学习。除了少数例外（涉及一点微积分和矩阵代数的内容），所有数学内容都没有超出高中代数知识的范围。如果你们对高中代数知识已经生疏了，可以参阅Helen Walker的Mathematics Essential for Elementary Statistics和W.L.Bashaw的Mathematics for Statistics。这两本书很容易找到。虽然最近也有类似的书，但中学代数的内容没有变化，所以版本无关紧要。这些书可以从amazon.com网上和其他许多地方购买。
本书中使用的统计软件包是Stata（版本10）。用于计算的命令文件（Stata的专业术语-do-文件）、结果文件（-log-文件）和辅助计算机文件可以从网站www.josseybass.com/go/quantitativedataanalysis下载。
某些计算的具体细节通常只能从下载的-do-和-log-文件中找到，所以务必要下载并仔细研究它们。这些文件会根据Stata的版本进行更新。
我在教学和此书中都使用Stata，因为它已迅速成为一流社会学系和经济学系优先选择的统计软件包。这不是偶然的。Stata是一个运算速度快和效率高的软件包，它包括绝大多数社会科学家感兴趣的统计方法，并且能快速地添加新命令。虽然现在有许多统计软件包可供使用，但目前最有竞争力的三个软件包是Stata、SPSS和SAS。其中，Stata明显优于SPSS——它速度快，更加准确，且应用广泛。虽然SAS很强大，但不如Stata那样直观，且更不易学习（和讲授）。此外，本书可以很容易地与SPSS或SAS结合起来使用，只需简单地转换Stata-do-文件中的句法〔我已经尝试做了一些，通过写出相应的Stata句法重现Allison基于SAS对固定和随机效应模型的完美指令(Allison，2005)〕。
给教师的建议
当你们做课程设计时，我在讲课中是如何使用这些资料的一些经验或许对你们有帮助。
像前面提到的，以本书为基础的课程持续两个小学期（two quarters,共20周）。我每周讲一次3个小时的课，并布置一次作业。讲完课后，我亲自批阅这些作业；但随着学生人数的增加，我请助教（从以前课上表现好的学生中选择）协助我批阅作业，并解答学生在计算和统计学方面的疑问。最近几年，我两个小学期讲17周课，前16周每周布置作业，期末要求学生提交一篇学期论文。对学生论文的第一份草稿，我力争效仿期刊投稿的过程阅读并写出评论。因此，在我的课上，每个人都会收到“修改和再提交”的反馈。我鼓励学生根据我的反馈意见继续完善他们的学期论文，并在最后一次作业结束后两周提交第二份草稿。
最初的练习在一定程度上是为引导学生进入分析过程而设计的，后来的一些练习也是如此。但是，后面的练习形式更自由，要求学生“像书中讲解的那样进行分析”。对于有明确答案的练习，我提供了完整而详细的答案——类似于统计学习题集。
课程大纲、每周的练习以及练习详解可以从网站www.josseybass.com/go/quantitativedataanalysis下载。

致　谢
像前面提到的，这本书是在UCLA与许多不同年级的研究生互动的基础上不断完善起来的，他们对每一章都做出了重要贡献，并通过详细评论或提出疑问的方式，指出讲解中存在的问题。如果没有他们，就不会有此书，因为我从来没有想到自己会写一本教材，所以我非常感谢他们。尤其是Pamela Stoddard真正促成了这本书以当前的形式出版，之前她在飞机上偶遇Jossey-Bass的图书编辑Andrew Pasternack，谈到她的教授正考虑将授课的章节写成一本教材。Andy联系我，后来的事情就尽人皆知了。
这门课程最早是与我的同事Jonathan Kelley合作讲授的，20世纪70年代他是UCLA的一名访问教授。第一个练习就是他提供的，课程总的进展，特别是前半部分，大多数归功于他。
我的同事Bill Mason是我多年的统计学导师，他最近从UCLA社会学系和统计学系退休。我经常得益于他对疑难统计问题的洞察力，而且我学到的许多在研究生阶段没有学到的知识都来自旁听他的高级统计课程。另一位同事Rob Mare同样给我很多类似的帮助。我的新同事Jennie Brand在2008年秋接手我的量化数据分析课，她阅读了全部手稿，并提出许多有益的建议。Stata公司作者支持项目部（Author Support Program）的Bill Rising检查了所有Stata的下载-do-文件，并且提出了许多改进和更新的建议，从而保证它们是目前最好的练习。最后，这本书极大地得益于约100名中国学生的仔细阅读，2008年6月我在北京大学给他们讲授这门暑期课程。他们发现了许多未被察觉的错误，并指出一些表述模棱两可的地方，促使我重新完善书中部分内容。
我对研究设计和统计问题的理解，尤其是对因果关系和因果推论的挑战，极大地得益于加利福尼亚人口研究中心（California Center for Population Research）每周举办的讲座。参加讲座的有社会学家、经济学家以及其他社会科学家，特别是来自其他学校的访问学者，大家一起聆听和评论，报告研究进展。这种生动的、跨领域的讨论有几分流动研讨班的味道，我想这应该就是我所想象的学术生活可能和应该的样子。
最后，我的妻子Judith Herschman一直表现出无尽的耐心，只是偶尔问我：“你何时出版你的方法书？”


中文版序言

在过去的15年里，我一直致力于对中国社会的研究。我与中美两国的同事一起在中国大陆组织了两次全国性的概率抽样调查：一次是在1996年，关注中国大陆居民生命历程中所遭遇的不平等情况；另一次是在2008年，关注的是中国国内人口迁移的原因、过程与结果（本书中的许多研究实例都来自1996年的调查数据）。我和一些同事目前正着手计划在中国进行第三次调查，主题是迁移对儿童的影响。自1995年以来，随着访问中国的次数日渐增多，我对中国文化的理解和与中国学生的交往日渐加深。2008年7月，我以本书为教材在北京大学—密歇根大学学院授课，正是在那里我认识了本书的译者任强教授。此后在2010年秋，我在香港科技大学再次用此书授课。两次授课使用的都是本教材的英文版。
有了在北京以及在香港面向中国学生的授课经历，当任强教授提议将这本教材翻译为中文时，我真的非常高兴。这次与任强教授的合作也相当愉快，在此我表示衷心的感谢。同时，我还要感谢香港科技大学的一些研究生（李骏、李兰、宋曦、叶华、张卓妮和郑冰岛），他们校对了全部译稿并在中文措词方面提出了很好的修改意见。虽然我自己不懂中文，但是熟悉汉语的朋友告诉我，在任强教授和这几位同学的辛勤工作之下，翻译工作相当出色。
本书的英文版填补了美国研究生定量社会研究方法出版物中的一个重要空白。尽管在美国，针对社会科学研究的统计教科书很多，但大多数都集中讲述统计的数理基础，很少关注如何在实践中运用这些统计方法来做研究。本书的宗旨就在于弥补这一缺憾，它所面向的是那些已经学习了统计学的入门课程并想将这些统计知识应用到严谨的实证研究中的学生。以前由于缺乏这样的书籍，所以我就自己为学生写讲义材料，后来将这些讲义扩充为一些章节，最后就形成了本书。
我希望本书在中国也会起到同样的作用，使学生作为社会科学研究者掌握或提高定量研究的方法和分析技术。由于中国学生的数学训练比美国学生好，此外，同欧洲的大学一样，中国的大学在本科生一入学就开始提供专业化的学科训练，所以我希望本书除了适用于研究生之外，同样也适用于主修任何一门社会科学的本科生。此外，本书还适用于那些已经完成了专业训练但或许还没有机会接触本书所展示的各种分析技术和策略的研究人员。我以前的许多学生——如今已是美国的大学教授或研究人员——告诉我，每当碰到新的研究问题时他们都会继续从本书中寻找解决的办法。其实，每当要使用一种因日久而生疏的分析方法时，我自己也会这样做。因此，本书既可用作学生的训练手册，也可用作研究人员的参考工具书。
在中国，定量社会研究方法的训练和应用的质量正在迅速提高，这从中国学生在申请美国大学的研究生项目时所提交的论文质量不断提高这一点上可见一斑。但中国地域辽阔，许多学生因英语能力有限而在阅读英文的技术性文章时面临困难，也有许多学生可能不具备购买昂贵的外文书籍的条件。因此，我希望这本教科书中文版的发行能有助于定量研究方法在中国继续推广——社会科学研究者们现在正需要用这些方法来做严谨的分析工作，这对了解一系列涉及中国社会特征的重要问题来说是必需的。本书不仅对学术界的社会科学研究者有用，而且对应用社会科学研究者也应该有用——不管他们是社会学家、经济学家、地理学家、流行病学家或其他公共卫生研究者,还是城市规划者、计划生育专家、社会服务行政人员,以及其他隶属于政府机构的研究人员；此书对市场分析员和其他在私人公司的从业者可能也同样适用。
在我看来，用社会研究检验各种想法充满了乐趣，希望本书能带领你——本书的读者，得出相同的结论。

唐启明（Donald J.Treiman）


译者序言

在我上研究生阶段和查阅文献的过程中，曾读过不少Donald J.Treiman教授的研究文章——他的朋友们都亲切地称呼他Don。因为没有系统地受过统计学训练，所以我将他的文章作为理解统计方法和指标解释方面的范本，在不理解一些模型的原理的时候，也常常重读他的文章以寻求答案。可以说，他的文章是我学习统计学的指南。
第一次见到Treiman教授是在2008年夏天，当时我与谢宇教授一起负责主持北京大学—密歇根大学学院社会调查与定量分析实验室的暑期课程，邀请Treiman教授讲授“量化数据分析”课程，我同时作为助教之一辅助他的教学，与其说是助教，还不如说是学员——我完整地听完他4个星期的讲课，并认真完成每次作业。当时，课上有98名学生，加上旁听的有100多人。自己也做教师多年，但Don驾驭课堂的技巧和能力依然令我十分佩服。他在课堂上讲解清晰、逻辑性强、循序渐进，且说话风趣，课堂气氛十分活跃。他一丝不苟，对学生提出的每个问题都认真思考，给予解答，并常常提供丰富的补充资料。他的讲解就像他的文章一样，清晰、简洁、透彻，容易理解。这次暑期课的讲义用的就是已出版的本书英文版的校对稿。当上课前拿到Don发给我的校对稿时，我用了两天的时间将它通读了一遍，感叹不愧是凝聚了他几十年教学、研究心得的一本好书，当时就下决心再进一步精读此书，并翻译成中文，让更多的中国读者受益。
当我向他表示希望翻译此书时，Don非常高兴，并主动联系美国的出版社，希望给予版权等方面的帮助；随后又将他的详细讲义和资料发给我，以便我透彻理解此书。在书即将出版的时候，当他得知我在密歇根大学人口研究中心访问时，就马上给编辑写信，请编辑将书直接寄给我。离开的前一天晚上才收到美国出版社寄给我的书。于是，在回北京的飞机上，我又一次通读了此书。
2011年初，我完成了译稿，并且前后校对了三遍，反复斟酌一些中文用词的习惯。为了理解和翻译得更加准确，尤其是考虑到更加符合中文的表达习惯，Don建议再多请几位修习过此课程的同学帮忙校对（尽管我与社会科学文献出版社签订的出版合同要求5月底前交付书稿，但出于保证翻译质量的考虑，出版社同意延期半年）。这些同学不仅参加过2008年北京大学—密歇根大学学院的暑期课程，而且分别在香港科技大学和加州大学洛杉矶分校聆听过Don亲自授课。我们采取每章轮流由两人校对的工作方式，最后由我统一审校。无论在翻译还是审校的过程中，当遇到不理解的内容和有疑问的地方时，均得到Don详细、耐心的讲解和回复，这使我进一步加深了对本书的理解。
当翻译、校对工作基本完成时，鉴于Don对中国文化的了解和对中国社会问题的研究兴趣，我也希望Don借此书中文版出版之际，跟中国学生、读者谈谈他多年做中国研究的体会。当我约他为中文版写序时，他欣然同意。同时，我们在这本书的封面上看到Don第一次有了正式的中文名字。虽然Don从事中国研究十多年，他的中译名也曾以多种形式（如特雷曼等）出现过，但多是英文直译，没有得到Don的认可。然而，从此书在中国面世开始，以及在未来以中文发表的文章、著作中，Don决定正式使用他的中文名字——唐启明。
组织、协调工作是很烦琐的工作，在这里我要特别感谢宋曦同学在校对过程中出色的组织工作。参与本书校对工作的有：宋曦（加州大学洛杉矶分校博士研究生，负责校对第1～4章、第8章、第10章、第12章，以及英文版序言、导言、附录和作者介绍）、李兰（香港科技大学硕士，负责校对第1～4章、第8章、第10章、第12章，以及英文版序言、导言、附录和作者介绍）、李骏（香港科技大学博士候选人，负责校对第5章、第7章、第9章、第11章、第13～14章）、叶华（香港科技大学博士候选人，负责校对第6～8章、第13章、第15～16章）、郑冰岛（香港科技大学博士候选人，负责校对第6章、第9章和第11章）、张卓妮（香港科技大学博士，负责校对第14～15章）。最后，李骏负责翻译了Don为中文版写的序言，张卓妮和宋曦对此做了校对。在此向参与校对的6位同学表示衷心的感谢。
最后，感谢社会科学文献出版社的编辑杨桂凤女士给予的理解和帮助。同时感谢谢宇教授、郭志刚教授和郑晓瑛教授的支持和鼓励，并再次向Don表示感谢，感谢他在联系版权的过程中给予的无私帮助，在翻译和校对的过程中给予的耐心、细致的解答。
由于译者的能力和知识有限，在翻译过程中难免会有理解不当或错误的地方，恳请读者和同行批评指正。

任强

量化视角下的社会洞察：探索现象背后的数学模型与统计规律 我们生活在一个信息爆炸的时代，海量的数据如同潮水般涌来，其中蕴含着关于人类行为、社会结构、经济趋势乃至个体选择的深刻奥秘。然而，如何有效地从这些纷繁复杂的数据中提炼出有价值的见解，如何将抽象的理论转化为可检验的假设，如何让严谨的量化方法为我们理解纷繁的社会世界提供坚实的基础？本书正是为了回答这些核心问题而诞生，它并非一本技术手册，更像是一场智识的探索，引导读者以一种全新的、量化的视角去审视和理解我们所处的社会。 本书旨在构建一座连接理论与实践的桥梁，让那些热衷于社会研究、渴望用数据说话的学者、学生以及所有对社会现象抱有好奇心的人们，掌握一套系统性的量化分析方法。我们将深入浅出地介绍如何从概念的模糊走向数据的清晰，如何将抽象的社会理论转化为可以量化测量的变量，以及如何设计研究方案来有效地收集和处理相关数据。更重要的是，本书将侧重于如何利用统计学和数学模型，对这些量化后的信息进行严谨的分析，从而揭示隐藏在现象背后的因果关系、模式与规律。 本书的核心在于“量化”与“社会研究”的深度融合。 我们将破除“量化分析是枯燥冰冷的技术活”的刻板印象，强调其在社会科学研究中无可替代的强大力量。通过本书，读者将学习到如何将那些看似难以捉摸的社会学、心理学、经济学甚至政治学议题，通过精巧的量化设计，转化为可操作、可分析的数据集。这不仅仅是数据的收集，更是一种思维方式的转变，是从定性描述到定量推理的飞跃。 我们关注的核心问题是“通过社会研究检验想法”。 许多社会理论和个人直觉，都需要通过实证研究来验证其有效性。本书将教你如何构建一个严谨的科学研究流程，从提出一个具有潜力的研究问题开始，通过文献回顾梳理现有知识，进而将想法转化为可检验的假设。然后，我们将详细阐述如何选择最合适的研究设计——是实验研究、准实验研究，还是调查研究、案例研究？每一种设计都有其适用的场景和潜在的局限性，本书将提供深入的分析和指导。 量化分析的起点是数据的获取与处理。 本书将引导读者了解不同类型的数据来源，包括一手数据（如问卷调查、访谈录音的编码、实验测量）和二手数据（如政府统计数据、公开数据库、社交媒体数据）。我们将讨论数据收集过程中的质量控制、抽样方法以及如何避免系统性偏差。在数据预处理阶段，本书将重点讲解数据清洗、变量转换、缺失值处理以及如何构建合适的分析变量，确保后续分析的准确性和可靠性。 核心内容之一，是概率统计学在社会研究中的应用。 本书将从基础的描述性统计出发，帮助读者理解数据的分布特征、集中趋势和离散程度，学会绘制清晰的图表来可视化数据。随后，我们将深入探讨推断性统计学的概念，包括假设检验、置信区间以及各种统计模型的原理和应用。读者将学会如何选择恰当的统计检验方法，例如t检验、方差分析（ANOVA）、卡方检验，来比较不同群体间的差异，或者检验变量间的关联性。 更进一步，本书将聚焦于回归分析，这是量化社会研究中最强大、最常用的工具之一。 我们将从简单的线性回归开始，逐步讲解多元线性回归，帮助读者理解如何评估多个自变量对因变量的影响，并控制潜在的混淆因素。本书还将介绍逻辑回归，用于分析二分类因变量，以及如何解释回归系数的含义，评估模型的拟合优度，并进行模型诊断，以确保分析结果的稳健性。对于更复杂的社会现象，我们还会涉及一些进阶的回归技术，例如面板数据回归，用于处理具有时间维度的数据，以及多层次模型，用于分析嵌套在不同层级结构中的数据（如学生嵌套在班级，班级嵌套在学校）。 本书不仅仅是传授工具，更注重培养读者的批判性思维。 我们将强调在量化分析中，数据的解读至关重要。仅仅得到一个统计显著的P值，并不能直接证明因果关系。本书将引导读者深入理解相关性不等于因果性这一核心理念，并介绍如何通过研究设计（如随机对照试验）或统计技术（如工具变量法、倾向得分匹配法）来更接近因果推断。读者将学会如何识别和评估研究中的潜在偏误，例如选择偏误、测量偏误和回忆偏误，并思考如何通过量化方法来规避或缓解这些偏误。 此外，本书还将触及一些与社会研究方法论紧密相关的议题。 我们将讨论如何有效地测量那些难以直接观察的社会学概念，例如社会资本、信任度、生活满意度等，这涉及到量表的设计、信度和效度的评估。读者将了解如何构建和验证测量工具，以确保所收集数据的质量。 本书的特色在于，它并非仅仅罗列各种统计公式和软件操作指南。 每一个统计概念和方法，都将紧密结合具体的社会研究案例来讲解。我们将分析真实世界中的研究，展示研究者是如何将抽象理论转化为具体的数据分析步骤，又是如何利用分析结果来支持或反驳其最初的想法。这些案例将覆盖社会学的宏大叙事，也包括心理学的个体行为，以及经济学中的市场动态，力求展现量化方法在不同社会科学领域的广泛适用性。 本书的写作风格将力求清晰、易懂，同时保持学术的严谨性。 我们将避免使用过于晦涩的专业术语，并在必要时进行解释。数学推导将尽可能简化，重点在于理解其背后的逻辑和应用。本书将鼓励读者动手实践，提供清晰的思路和步骤，引导读者在实际操作中掌握这些量化工具。 总而言之，本书的目标是让读者具备以下能力： 将社会问题转化为可量化研究的设计。 理解并掌握数据收集、清洗和预处理的关键技术。 熟练运用描述性统计和推断性统计方法来分析数据。 深刻理解并应用回归分析等高级量化模型。 批判性地解读量化分析结果，区分相关性与因果性。 评估研究中的偏误，并思考应对策略。 自信地利用量化证据来支持或反驳社会研究中的想法。 通过学习本书，你将能够不再仅仅停留在对社会现象的定性描述，而是能够深入其肌理，探寻其运作机制，并通过严谨的量化证据，为你的社会研究想法提供坚实的支撑。这是一场关于如何用数据说话，如何用数学工具揭示社会奥秘的旅程，期待与你一同启程。

评分☆☆☆☆☆

这本书在案例选择上展现出了极强的时效性和地域敏感度。它引用的研究实例并非那种陈旧的、脱离当下的教科书范例，而是大量取材于近十年内全球范围内发生的、与大众息息相关的社会事件。无论是关于社交媒体影响力的研究，还是对新兴社会运动的追踪分析，这些案例都充满了生命力和讨论价值。作者巧妙地将理论工具嵌入到这些鲜活的案例背景中进行演示，使得读者能够立刻理解这些分析方法在现实世界中的应用场景和局限性。通过这些具体的“实战演练”，我深刻体会到，数据分析不仅仅是一套数学公式，它更是一种观察世界、理解人类行为的有效视角。这些案例的引入，极大地激发了我将所学知识付诸实践的渴望。

评分☆☆☆☆☆

这本书的装帧设计非常吸引人，硬壳封面，纸张厚实，印刷质量上乘，拿在手里沉甸甸的，很有质感。内页的布局清晰明了，排版舒适，大段文字之间留有足够的留白，阅读起来眼睛不容易疲劳。章节标题的设计也很用心，既能概括内容，又不失设计感。作者在引用文献和图表时，格式统一规范，体现了专业水准。特别是那些复杂的统计图表，线条清晰，颜色搭配得当，即便是初次接触这些概念的读者，也能快速抓住重点。书中的插图和案例照片也很有意思，虽然与核心理论可能没有直接关系，但它们为整体阅读体验增添了不少趣味性，让人在学习枯燥理论之余，还能感受到一丝轻松。我个人非常看重一本书的物理呈现，这本书在这方面无疑是下了大功夫的，让人愿意反复翻阅，甚至在书桌上展示。

评分☆☆☆☆☆

这本书的写作风格非常独特，它不像很多学术著作那样板着面孔说教，而是采用了一种非常口语化、娓娓道来的叙述方式。作者似乎坐在你对面，像一位经验丰富的导师，用清晰、生动的语言为你剖析复杂的概念。他擅长使用日常生活中的类比来解释抽象的统计模型，比如他把回归分析比作天气预报的准确度，把抽样误差比作品尝一锅汤的味道。这种亲和力极大地降低了阅读的门槛，使得原本晦涩难懂的统计学原理变得平易近人。更难得的是，这种口语化并不意味着肤浅，作者在保证科普性的同时，对理论的严谨性把握得非常好，每一个论断都有扎实的逻辑支撑。读完后，感觉自己不是被动地接收知识，而是在与一位高明的智者进行一场深入而愉快的对话。

评分☆☆☆☆☆

我之所以对这本书爱不释手，很大程度上是因为它在结构上展现出的那种强大的逻辑推导能力。从第一章的宏观视角切入，到中间部分对具体分析方法的精细拆解，再到最后对研究伦理和报告撰写的指导，整个知识体系的搭建如同精密的工程蓝图。每一章的衔接都做到了水到渠成，前一章解决的问题，自然而然地导向下一章需要探讨的新议题。作者在构建理论框架时，非常注重“为什么”的阐述，而不是简单地罗列“是什么”。他会花大量篇幅去探讨不同分析路径的历史演变和理论基础的取舍，这种深度挖掘使得读者能够建立起一个坚固的、不易动摇的知识结构。这种层层递进、环环相扣的叙事方式，让我在阅读时有一种不断解锁新领域的成就感。

评分☆☆☆☆☆

这本书的价值，对我而言，并不完全在于它教会了我多少具体的计算技巧，而在于它彻底重塑了我对“证据”和“论证”的理解。作者花费了大量篇幅去探讨研究设计中的潜在偏差、测量工具的信度和效度，以及如何审慎地解读统计显著性。他不断提醒读者，数据本身是沉默的，是研究者的提问和框架赋予了数据意义。这种对方法论背后哲学思考的强调，让我从一个仅仅关注“结果”的初级学习者，转变为一个更关心“过程”和“假设”的批判性思考者。阅读完后，我发现自己在面对任何新闻报道或行业报告时，都会下意识地去追问：“你的样本是什么？”“你的因果关系是否成立？”这本书真正教会我的，是成为一个更严谨、更负责任的知识消费者和生产者。