社会统计学（第2版）/21世纪统计学系列教材 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

尹海洁，李树林 著

图书标签:

• 社会统计学
• 统计学
• 21世纪统计学系列
• 数据分析
• 社会科学
• 统计方法
• 研究方法
• 高等教育
• 教材
• 第二版

出版社： 中国人民大学出版社

ISBN：9787300252179

版次：2

商品编码：12318856

包装：平装

丛书名： 21世纪统计学系列教材

开本：16开

出版时间：2018-01-01

用纸：胶版纸

页数：412

内容简介

本书的特点为：以类别、序列和尺度三个测量层次的变量为维度安排教材内容；阐明每一种分析方法的统计思想；梳理和建构了描述统计的知识体系；将描述统计与推论统计分开讲解；与社会统计软件做到了很好的对接；加强了非参数检验的内容；增加了时间序列分析。
本教材在介绍推论统计之前，选取了概率论与数理统计中与推论统计关系*密切的内容。这部分内容是推论统计的理论基础。有这部分内容做铺垫，即便是没有学过概率论与数理统计的学生，也能够较好地掌握推论统计的内容。

作者简介

尹海洁 现任哈尔滨工业大学人文学院社会学系系主任，哈尔滨工业大学社会工程研究中心副主任，教授、博士生导师。兼任哈尔滨市南岗区政协副主席，黑龙江省经济调查研究会常务理事，主要研究方向为社会统计学、民生与贫困问题研究。发表学术论文40多篇，主编教材一部、出版专著1部。获得省哲学社会科学优秀科研成果一等奖1项，二等奖1项，三等奖2项。获黑龙江省优秀教学成果一等奖1项，二等奖1项。其中，教材和专著有： 1、尹海洁、刘耳，社会统计软件SPSS15.0 for Windows简明教程（“十一五”国家级规划教材。2009年获省社科成果二等奖和省优秀教学成果一等奖），社会科学文献出版社，2008年12月出版。2、尹海洁，城市贫困人口的经济支持网研究，哈尔滨工业大学出版社，2008年10月。

目录

第1章 导论
第1节 社会学研究的过程及统计学的应用
第2节 统计分析方法在社会学研究中的作用
第3节 抽样方法与统计分析方法的选择
第4节 变量的层次及统计分析方法的选择
上篇 描述统计
第2章 单变量的描述统计分析
第1节 单变量的分布及其描述方法
第2节 集中趋势
第3节 离散趋势
第3章 两个类别变量关系的描述统计
第1节 列联表分析
第2节 分类图
第3节 列联相关系数
第4节 等级相关系数
第4章 两个尺度变量关系的描述统计
第1节 相关分析
第2节 回归分析
第5章 类别变量与尺度变量关系的描述统计
第1节 平均值比较分析
第2节 相关比率
中篇 概率论基础
第6章 概率与随机变量的概率分布
第1节 概率及其计算
第2节 随机变量的描述统计
第3节 几种常用离散型随机变量分布的特征
第4节 几种常用连续型随机变量分布的特征
第7章 大数定律、中心极限定理与抽样分布
第1节 大数定律
第2节 中心极限定理
第3节 抽样分布
下篇 推论统计
第8章 参数估计
第1节 总体特征值的点估计
第2节 总体特征值的区间估计
第9章 假设检验的基本原理
第1节 假设检验的原理
第2节 假设检验的基本方法
第3节 假设检验的类型
第4节 假设检验的两类错误
第10章 总体均值与方差的假设检验
第1节 单个总体的检验
第2节 两个总体的检验
第11章 两个类别变量关系的假设检验
第1节 χ2检验
第2节 等级相关系数的检验
第12章 两个尺度变量关系的假设检验
第1节 一元线性回归方程的检验
第2节 相关系数的检验
第13章 类别变量与尺度变量关系的假设检验——一元方差分析
第1节 一元方差分析的原理
第2节 方差分析方法
第14章 非参数检验
第1节 单个总体分布特征的检验
第2节 两个总体分布一致性的检验——两个独立样本的检验
第3节 两个总体分布一致性的检验——两个相关样本的检验
第4节 多个总体分布一致性的检验——多个独立样本的检验
第5节 多个总体分布一致性的检验——多个相关样本的检验
第15章 抽样
第1节 误差与抽样误差
第2节 样本容量的确定
第16章 时间序列分析
第1节 时间序列概述
第2节 时间序列的描述性分析
第3节 时间序列的预测方法
附表1标准正态分布表
附表2标准正态分布分位数表
附表3χ2分布分位数表
附表4t分布分位数表
附表5F分布分位数表
附表6单个样本K�睸检验统计量分布的临界值表
附表7秩和检验表
附表8游程检验（n1≥n2）
附表9符号秩检验表
参考文献

精彩书摘

这本《社会统计学》教材出版后，我们向使用教材的部分教师、学生征询了他们对教材的感受和意见，也收到了多位读者的来信。总的看来，读者的感受与我们编写教材的初衷是一致的。通过淡化数理推导过程，加深统计思想的理解，强化统计工具的应用，达到了让文科学生能够学会统计学、学好统计学的目的。2013年9月面世的教材，2016年即已售罄。鉴于第一版教材中存在一些计算错误、印刷错误，这里予以纠正。也感谢多位读者帮我们发现了这些问题，并来信一一指出。
为使教材能够紧密联系现实，教材中取自统计年鉴的数据、依据数据绘制的图表均已更新，例题、习题部分也做了必要的更改。
本教材的第1章至第15章主要由尹海洁编写，第16章、全部习题、附表主要由李树林编写。

社会统计学：洞察复杂世界的数据之眼 在信息爆炸的时代，理解和解释我们周围日益复杂的社会现象，已经不再是少数专业人士的专利。从经济发展、人口变迁到公共卫生、教育公平，再到社会心理、城市规划，无数的数据在诉说着社会的故事。然而，这些数据并非沉默的符号，它们蕴含着深刻的洞察，等待着我们去发掘和解读。《社会统计学》（第2版），作为“21世纪统计学系列教材”的重要组成部分，正是这样一本为你开启数据洞察之门的钥匙。它并非枯燥的数学公式堆砌，而是将严谨的统计方法与生动的社会应用巧妙融合，旨在赋予每一个学习者用数据说话、用数据分析、用数据解决社会问题的能力。 本书的编撰，紧密围绕着“社会”这一核心命题，深刻理解社会科学研究的独特需求。不同于纯粹的自然科学统计，社会统计学更加关注变量之间的复杂关系，数据的测量尺度、抽样误差对结论的影响，以及如何将抽象的社会概念转化为可量化的指标。因此，本书在内容设计上，力求既保持统计学本身的科学严谨性，又充分体现其在社会科学领域的适用性和前沿性。 核心概念的深度解析与理论基石的稳固搭建 全书从最基础的统计学概念入手，逐步深入。我们首先会探讨数据的基本类型，区分定类、定序、定距和定比等不同尺度的数据，理解它们在统计分析中的不同意义和局限性。接着，我们将学习数据的搜集与整理，包括抽样调查的设计原理、问卷设计的基本原则、数据录入与清洗的重要性，这些都是后续一切分析工作的前提。 统计描述是理解数据的第一步，本书将系统介绍集中趋势的度量（如均值、中位数、众数）和离散程度的度量（如方差、标准差、四分位距），帮助读者快速把握数据集的整体特征。同时，我们还会学习频数分布和图形展示（如直方图、箱线图、散点图）的重要性，学会如何通过可视化手段直观地呈现数据规律，发现潜在的模式和异常值。 概率论是统计推断的基石。本书将清晰地阐释概率的基本概念，特别是离散型和连续型概率分布（如二项分布、泊松分布、正态分布），重点讲解正态分布在统计推断中的核心地位。理解这些概率分布，能够帮助我们理解随机变量的行为，为后续的统计推断打下坚实的基础。 统计推断的桥梁：从样本到总体的严谨跨越 统计推断是社会统计学最核心的价值所在。本书将带领读者穿越从样本到总体的桥梁。参数估计部分，我们会学习点估计和区间估计，理解置信区间的含义及其在解释研究结果时的重要性。我们将学习如何根据样本数据，对总体均值、比例等关键参数进行合理推断，并评估推断的精确度。 假设检验是检验理论、验证猜想的有力武器。本书将系统介绍各种常用的假设检验方法，包括Z检验、t检验、卡方检验等。我们将详细讲解每种检验的应用场景、检验步骤、P值的含义以及如何根据检验结果做出是否拒绝原假设的判断。特别地，本书会强调在社会科学研究中，假设检验的实际意义，例如检验某个干预措施是否有效，或者两个群体之间是否存在显著差异。 多变量分析：揭示社会现象背后的复杂联系 社会现象往往是多因素交织的结果，理解变量之间的关系至关重要。本书将深入探讨相关分析，区分皮尔逊相关系数和斯皮尔曼等级相关系数，教会读者如何量化两个变量之间的线性关系强度和方向。更进一步，我们将学习回归分析，这是揭示变量间因果关系和预测模型构建的关键工具。 从最简单的一元线性回归，到能够同时考虑多个预测变量的多元线性回归，本书都将提供清晰的讲解和实际案例。我们将学习如何建立回归模型，解释回归系数的含义，评估模型的拟合优度，以及如何进行预测。本书还会讨论回归分析的假设和诊断，帮助读者避免常见的误区，做出更可靠的推断。 除了线性关系，我们还会接触到非参数统计方法，当数据不满足参数检验的假设时，这些方法将成为有力的替代。例如，Mann-Whitney U检验和Kruskal-Wallis H检验，它们在社会科学研究中有着广泛的应用。 社会科学的专题应用与进阶探索 本书的价值不仅在于讲解统计方法本身，更在于展示这些方法如何应用于解决真实的社会问题。我们会精心选取社会统计学在不同领域的典型案例，例如： 人口统计学：分析人口结构、出生率、死亡率、迁移模式，并预测未来人口趋势。 经济统计学：理解宏观经济指标，分析消费行为、收入分配，研究经济增长的驱动因素。 教育统计学：评估教学效果，分析学生成绩差异，研究教育政策的影响。 社会心理学：量化态度、信念、行为，研究群体互动和社会认知。 公共卫生与流行病学：分析疾病传播规律，评估健康干预效果，预测疫情发展。 城市规划与地理信息统计：分析城市空间格局，研究居民出行模式，优化资源配置。 这些案例将帮助读者将抽象的统计知识与具体的社会情境联系起来，深刻理解统计学在驱动社会进步中的巨大作用。 本书还会引导读者理解和评价统计研究的报告，学会批判性地审视研究结论，识别潜在的偏见和误导。对于有志于进一步深造的读者，本书也将触及一些统计学的前沿概念和方法，为他们开启更广阔的学习空间。 学习方法与实践指导 《社会统计学》（第2版）不仅仅是一本知识的载体，更是一本引导学习的实践手册。书中包含了大量的例题与练习题，覆盖了从基础概念到复杂模型的各个层面，旨在巩固所学知识，提升解题能力。我们鼓励读者动手实践，使用统计软件（如SPSS, R, Stata等，本书在讲解中会结合实际软件操作演示）进行数据分析，将理论知识转化为实际操作技能。 本书的语言风格力求清晰、流畅，避免过多的专业术语，即使是没有深厚数学背景的读者，也能循序渐进地掌握统计学精髓。我们注重理论与实践的结合，每一个统计概念的引入，都伴随着其在社会科学研究中的具体应用和解释。 结语 在这个数据驱动的时代，掌握社会统计学的知识，就如同拥有了一双洞察社会复杂性的“数据之眼”。它能够帮助我们看清趋势，理解原因，预测未来，并为解决社会难题提供科学依据。《社会统计学》（第2版）不仅仅是关于统计方法，更是关于如何运用这些方法来理解和塑造我们生活的世界。无论你是社会科学的学生、研究人员，还是对社会现象充满好奇的普通读者，本书都将是你不可或缺的良师益友，陪伴你踏上探索社会真相的数据之旅。

评分☆☆☆☆☆

这本教材的结构实在是很有些意思，尤其是对于初学者来说，它试图在宏大的社会现象和具体的统计方法之间搭建一座桥梁。我个人觉得，它在引入概念时，并没有像一些传统的统计学书籍那样上来就堆砌公式和晦涩的术语，而是更多地从实际的社会调查、人口普查的数据实例入手，这点非常值得肯定。比如在讲解抽样方法时，作者不仅仅是给出了简单随机抽样、分层抽样这些定义，而是会结合一个假设的城市贫困率调查案例，让你直观地感受到“抽样框”的重要性以及不同抽样设计对最终结果推断能力的差异。这种“以问题驱动”的教学方式，大大降低了初次接触统计学读者的畏难情绪。不过，我也发现它在讲解一些更高级的回归模型时，似乎略显仓促，像是为了跟上“21世纪统计学系列教材”这个定位，匆忙地加上了机器学习的一些基本思想，但深度上却不太够，给我的感觉是“点到为止”，期望更高阶的读者可能需要再找其他补充材料来填补这部分知识的空白。总的来说，作为入门读物，它在培养读者的“统计思维”方面是成功的，但对于想深入研究复杂社会模型的人来说，可能只是一个优秀的起点。

评分☆☆☆☆☆

关于这本《社会统计学（第2版）》，我感觉它在面向的应用领域上有着非常明确的指向性，那就是社会调查、公共政策评估和市场研究的交叉地带。它并没有试图包罗万象地涵盖所有统计分支，比如它对时间序列分析和空间统计的覆盖就显得非常基础，更像是作为“拓展阅读”的引子。但它在处理定性数据和定量数据结合的混合方法研究方面，展现出了独特的视角。书中专门开辟了一章讨论如何将定性访谈的编码结果转化为可用于回归分析的虚拟变量，以及如何用多元分析来验证归纳出的理论模型。这种融合了社会学研究范式的处理方式，使得本书对于跨学科研究者尤其友好。唯一让我略感遗憾的是，虽然是第二版，但在处理当前大数据和社交网络分析的趋势方面，内容更新略显保守。虽然提到了文本挖掘的初步概念，但对于如何应用现代统计软件（如R或Python库）来进行大规模数据清洗和可视化操作的实战指导，篇幅还是偏少，更像是停留在SAS/SPSS的经典操作层面，这与“21世纪”的名称定位略有不符，期待未来版本能增加更现代化的计算统计实践内容。

评分☆☆☆☆☆

这本书的语言风格是那种非常鼓励批判性思维的。它不会让你盲目相信任何P值或者相关系数。在每一章的案例分析结束后，作者都会设置一个“审视你的发现”的小节，引导读者思考：“这个结果真的说明了因果关系吗？”或者“我们的研究设计有没有可能引入了选择性偏差？”这种持续的、结构化的质疑，是统计学习中至关重要的一环，而很多教材往往只在最后一章做个笼统的总结。这本书的做法是将这种批判精神融入到每一个具体的统计方法讲解之中，使得读者在学习T检验、方差分析时，就已经在潜移默化中学会了反思其局限性。这一点对于培养一个负责任的社会科学研究者至关重要。不过，我也必须指出，由于它强调了统计推断的复杂性和局限性，对于那些急需快速掌握操作技能以应对考试或短期项目的读者来说，可能会觉得有些“拖沓”。它更像是在教你如何成为一个严谨的学者，而不是一个快速出报告的数据分析师。总体而言，它是一部非常注重思想构建和研究严谨性的优秀教材，适合愿意投入时间去深入理解“为什么”的读者。

评分☆☆☆☆☆

这本书的排版和视觉呈现，与市面上那些厚重、文字密集的统计学著作相比，显得非常清新和现代。大量使用图表和信息图来辅助理解复杂概念，这一点让我这个“视觉学习者”受益匪浅。比如，在讲解假设检验的I类错误和II类错误时，书中用了一个非常直观的、带有情景化的图示来区分“放过罪犯”和“错判无辜者”的类比，这比单纯背诵“拒绝真零假设”和“接受假零假设”要有效得多。然而，这种对视觉化的偏重，在某些数学推导的环节似乎造成了一定的牺牲。有些读者可能会注意到，虽然结论很容易理解，但当需要追溯到背后的概率分布函数或者最大似然估计的推导过程时，书中的文字介绍就显得比较简略了。它更侧重于“如何运用这个工具”，而不是“这个工具是如何制造出来的”。对于那些有一定数理基础，渴望弄明白底层逻辑的读者来说，这可能是一个需要用其他专业统计教材去弥补的缺憾。它像一个优秀的“工具箱指南”，告诉你每件工具的用途和操作方法，但未必会教你如何锻造这些工具。

评分☆☆☆☆☆

阅读这本书的过程，就像是跟随一位经验丰富的社会研究员进行田野调查。它最让我感到惊喜的是，它对“数据伦理”和“测量误差”的讨论，占据了相当重要的篇幅。很多教科书只关注如何“算对数”，却忽略了数据本身是如何产生的，以及它可能存在的内在偏见。这本书在这方面做得非常扎实，特别是在讨论量表设计和指标构建时，它没有回避社会学研究中常见的“不可直接观测变量”的问题，比如“社会资本”或“生活满意度”这些抽象概念如何被量化。书中提供了很多案例，分析了问卷措辞的细微差别如何导致回答倾向性的改变，这对于我们这些未来可能需要设计问卷的实践者来说，是无价的经验总结。我尤其欣赏它对“混淆变量”和“中介效应”的解释，它没有直接抛出复杂的路径分析图，而是通过一个关于教育背景、收入与健康状况之间关系的社会学模型，层层剥开变量间的相互作用。这种“讲故事”式的讲解，让原本枯燥的统计推断变得生动起来，让人能真正理解统计分析在社会科学中的应用价值，而不是仅仅停留在数学技巧层面。