回归分析与实验设计
2010-9
北京师大
辛涛
218
无
《回归分析与实验设计》的编写源于编者的海外学习经历，在美国哥伦比亚大学四年的学习和研究中，编者对Charles M．Judd和GarvH．McClelland两位学者1989年的。著述Data Anazysis：AModel—Comparison Approach印象深刻，感受颇深。该书在初等统计的基础上，实现了统计方法与实验设计的结合，其讲解思路非常适于初学者的学习，有利于无数学或理科背景的研究者和学生掌握相应的统计方法。编者回国后，以此著述为依据，连续六年为北京师范大学心理学院的硕士生和博士生开设心理学研究方法课程，受益良多。但在教授过程中，编者发现原著中的英文示例结构并不适于中国学生的学习。因此，编者为方便教学与学习，以该书为蓝本，在教学过程中结合中国学生的学习方式和特点，加入真实的中国数据，精炼内容，不断打磨讨论，最终形成《回归分析与实验设计》。
第1章 心理学研究方法概述1．1 科学与心理学研究1．2 心理学研究的特点和目的1．3 因果关系1．4 研究设计1．5 小结第2章 数据分析简介2．1 数据和模型2．2 数据分析的基本思路2．3 最简单的模型2．4 模型的检验第3章 简单回归模型3．1 模型的估计3．2 双参数模型和单参数模型的比较第4章 多重回归：多个连续预测变量的模型4．1 多重回归模型4．2 多重回归模型的统计推断4．3 对偏回归系数的解释4．4 多重回归应注意的几个问题第5章 极端值和有不适当影响的数据5．1 极端值5．2 一个例子5．3 预测指标Xi1，Xi2，…Xip是否异常5．4 Yi是否异常5．5 忽略Yk是否戏剧性改变b0，b1，…，bp5．6 极端值检测概要5．7 处理极端值5．8 总结第6章 交互作用和二次项回归——包含连续变量乘积的回归模型6．1 预测变量间的交互作用6．2 一种找出“简单”关系的通用方法6．3 预测变量的检验力6．4 更加复杂的非线性方程形式第7章 单因素方差分析：包含分类变量的模型7．1 两个水平的分类变量的模型7．2 两个水平以上的分类预测变量7．3 非均等单位规模的对照编码7．4 βi的置信区间7．5 非正交编码第8章 因子设计方差分析——多个分类预测变量和乘积项8．1 把因子方差分析转化为单因素方差分析8．2 更好的编码8．3 系数的解释8．4 高阶的方差分析8．5 因子设计方差分析中的其他细节8．6 因子设计方差分析的统计检验力8．7 总结第9章 协方差分析——同时包含连续与分类预测变量的回归模型9．1 在因子设计中控制一个连续变量9．2 在实验设计情境之外，包含连续预测变量与分类预测变量的模型第10章 重复测量的方差分析——误差不独立的模型10．1 嵌套设计中的非独立性10．2 交叉设计中的非独立性10．3 多重被试内因子的设计10．4 混合设计中的非独立性10．5 更为复杂的设计10．6 被试效应的总和附录 临界值和检验力表
古语有云“授人以鱼不如授人以渔”，《回归分析与实验设计》的目的正在于此。在基于实验设计的回归分析框架下，介绍了在社会科学研究，尤其是心理与教育研究中，如何根据各种不同的数据结构和形式，通过模型比较的途径，建构和检验相应的数据模型。此外，本’书的分析框架是广义回归的途径，该框架为实验数据的处理提供了更多的控制，所有的检验和方差分析都能在这个框架中完成，从而有利于进行理论驱动的研究。
无