2021-4-1
北师大图书馆4楼 B841.2 bnu17
第3版 华师大出版社 2007
作者序言：中美两国内部的差异要大于中美两国之间的差异。
第三版前言：内容覆盖本科高年级、硕士、博士阶段，做了顺序的调整。
ABC板块：A介绍基本概念，B基本统计步骤，C非必修。
目录誊抄：
第一部分 描述性统计
第1章 心理统计概论
A部分 基本概念
什么是统计？
统计和研究
变量和常量
测量量尺
连续变量和离散变量
心理量尺和变量
参数统计和非参数统计
自变量和因变量
实验研究和相关研究
总体和样本
统计公式
B 部分 基本统计过程
下标变量
求和符号
求和符号的特征
四舍五入（缩减数字）
C部分 选读材料
双重求和
随机变量和数学分布
第2章 频数表、图和分布
A基本概念
频数分布
累积频数分布
相对频数和累积相对频数分布
累积百分比分布
百分位数
图
实际分布与理论分布
B基本统计过程
分组频数分布
表观极限和真实极限
建构组距
选择组距宽度
选择最低组距的极限
相对和累积频数分布
累积百分比分布
用线性内插法求百分位数和百分位
图示一个分数频数分布
C选读材料
茎叶图
第3章 集中趋势和变异的测量
A基本概念
集中趋势测量
变异测量
偏态分布
B基本统计过程
平均数计算公式
方差和标准差计算公式
直接通过计算器求标准差
均数的特征
标准差的特征
C选读材料
箱线图
处理极端值
测量偏度
测量峭度
重要公式
第4章 标准分和正态分布
A基本概念
z分数
从z分数求原始分数
z分数集
z分数的特征
SAT、T和IQ分数
正态分布
概率论初步：光滑分布和离散事件
实际分布与正态分布
z分数：一种研究工具
均数的抽样分布
均数的标准误
抽样分布与总体分布
B统计过程
求百分位
求两个z分数之间区域的面积
求给定区域所对应的原始分数
分布中间区域的面积
从分数到比例和从比例到分数
描述样本
C选读
中心极限定理
概率
重要公式
第二部分 单样本和双样本假设检验
第5章 假设检验导论：单样本z检验
A基本概念
选择被试组
假设检验的必要性
零假设检验的逻辑
零假设分布
关于单样本的零假设分布
z分数和零假设分布
统计决定
z分数作为检验统计量
一类错误和二类错误
一类错误与二类错误之间的权衡
单侧检验与双侧检验
B统计过程
第一步：提出假设
第二步：选择统计检验和显著性水平
第三步：选择样本和收集数据
第四步：求拒绝区域
第五步：计算检验统计量
第六步：做出统计推断
解释结果
单样本z检验的前提条件
单样本检验的多样性
为什么单样本检验很少采用？
发表单样本检验结果
C选读
零假设检验相当于一个垃圾邮件过滤器
心理学研究中零假设曾经为真吗？
重要公式
第6章 区间估计和t分布
A概念
零假设分布的均数
总体标准差未知的情况
计算一个简单的例子
t分布
自由度和t分布
t分布的临界值
单样本 t检验
样本量和单样本t检验
单样本t检验的运用
单样本t检验的注意事项
估计总体均数
B统计过程
第一步：选择样本量
第二步：选择置信水平
第三步：选择随机样本和收集数据
第四步：计算区间上下限
区间估计和零假设检验的关系
单样本t检验和针对总体均数置信区间的前提假设
运用置信区间处理总体均数
发表单样本t检验的结果
C选读
估计量的一些特征
一项更为稳健的t检验
稳健置信区间
什么时候你应该采用文件方法以及采用哪种方法？
重要公式
第7章 两独立样本均数t检验
A概念
两样本均数差异的零假设分布
差值的标准误
比较两样本均数的公式
针对两样本的零假设
针对两大样本的z检验
单独方差t检验
汇合方差估计
汇合方差t检验
针对相等样本数量的公式
两样本t检验
如何解释t值
统计结果的局限性
B统计过程
第一步：提出假设
第二步：选择统计检验和显著性水平
第三步：选择样本和收集数据
第四步：求拒绝区域
第五步：计算t值
第六步：做出统计推断
解释结果
两个总体均数差异的置信区间
两独立样本的t检验假设
方差齐性检验和单独方差t检验
何时运用两样本t检验
he何时应建构置信区间
把方差不齐性作为实验结果来处理
发表两样本t检验结果
C选读
样本均数间的零差异
方差相加以求差异的方差
单独方差t检验的临界值
随机分配和单独方差t检验
针对两个截尾均数的t检验
重新抽样法
重要公式
第8章 统计检验力和效应量
A概念
备择假设分布
期望t值（δ）
效应量
检验力分析
t值的解释
效应量的估计
操作检验力
B统计过程
使用检验力表
α与检验力的关系
样本大小固定时的检验力分析
样本大小的确定
样本大小不相等
单样本检验的检验力
选读
回溯性检验力
建构效应量的置信区间
效应量的稳健估计值
再次使用垃圾邮件过滤器的类比
零假设检验的另外一个优势：表示结果可重复的概率
重要公式
第三部分 每个被试涉及两次测量的假设检验
第9章 线性相关
A概念
完全相关
负相关
相关系数
先行转换
图示相关
处理曲线关系
样本相关的推广问题
相关并不意味着因果关系
设计相关分析的真实验
B统计过程
协方差
无偏协方差
皮尔逊 r 计算实例
其他公式
使用哪个公式
皮尔逊 r 的显著性检验
理解自由度
皮尔逊 r 的前提假设
皮尔逊相关系数的应用
发表相关研究的结果
C选读
相关检验的检验力
Fisher Z转换
ρ的置信区间
检验ρ不为0的零假设
检验两个独立样本 r 之间的差异
重要公式
第10章 线性回归
A概念
完美预测
用z分数进行预测
计算示范
向均数回归
根据z分数做回归线
原始分数的回归方程
斜率和Y截距
基于原始分数的预测
解读Y截距
量化回归线周围的误差
估计的方差
已解释和未解释的方差
决定系数
未决定系数
计算估计方差
B统计过程
寿险保费
根据样本统计量计算回归
求回归方程
作出预测
用样本统计量来计算估计的方差
估计的标准误
预测的置信区间
置信区间计算示例
线性回归的前提假设
用Y回归X
原始分数公式
何时使用线性回归？
C选读
点二列相关系数
计算 r_pb
根据 t 值求 r_pb
解释 r_pb
总体关联强度（ω_2）
二列 r
重要公式
第11章 配对t检验
A概念
前测-后测设计
直接差异法
配对t检验作为线性相关的函数
自由度减少
前测-后测设计的缺陷
其他重复测量设计
配对设计
相关或相依样本
什么时候步适合配对t检验
B统计过程
第一步：陈述假设
第二步：选择统计检验和显著性水平
第三步：选择样本和收集数据
第四步：求拒绝区域
第五步：计算检验统计量
第六步：作出统计推断
在配对t检验中使用相关公式
配对t检验的原始分数公式
两个总体均数差的置信区间
配对t检验的假设
针对配对t检验的设计变式
发表配对t检验的结果
C选读
配对t检验的检验力
配对t检验的效应量
重要公式
第四部分 方差分析，不包含重复测量方差分析
第12章 单因素独立样本方差分析
A概念
t检验转换为方差分析
扩展分母
扩展分子
F值
F值作为两个总体方差估计值的比值
自由度和F分布
F分布的形态
方差分析是一种单侧检验
使用F值表
三个等量样组示例
一个简单的ANOVA
解释F值
单因素ANOVA的优势
B统计过程
一个样本量不等的方差分析示例
第一步：陈述假设
第二步：选择检验统计量和显著性水平
第三步：选取样本，收集数据
第四步：求拒绝区域
第五步：计算检验统计量
第六步：统计决断
解释显著性结果
平方和方法
原始数据公式
独立样组单因素方差分析的假设
方差齐性检验
ANOVA的检验力和效应量
单因素方差分析的变式
发表单因素方差分析的结果
C选读
方差解释率
调和均数再探
单因素ANOVA的非加权均数分析
方差不齐性时对单因素ANOVA的修正
重要公式
第13章 多重比较
A概念
所有可能t检验的次数
以实验为单位的 α
复杂比较和事前比较
Fisher氏被保护t检验
完全零假设和部分零假设
Tukey氏HSD检验
Student化全距统计
Tukey氏检验的优点和缺点
其他事后成对比较方法
事前比较的优势
Bonferroni t 或 Dunn氏检验
B统计过程
计算被保护 t 检验
计算Fisher氏LSD值
计算Tukey氏HSD值
解释事后成对比较结果
事后成对比较的置信区间
Tukey氏HSD与ANOVA
修正LSD检验
你应该用哪种比较呢？
复杂比较
Scheffe氏检验
正交对照
修正Bonferoni检验
C选读
趋势成分分析
重要公式
第14章
A概念
计算一个简单的单因素方差分析
加入第二个因子
重新组合SS
新术语
计算两因素方差分析结果
计算 MS_w
计算药物处理因子的 MS_bet
计算性别因子的 MS_bet
对单元均数作图
交互作用为零
一般线性模型
计算由交互作用引起的变异
交互做用的类型
从单元均数中分离出交互作用
两因素方差分析中的F值
两因素设计的优势
B统计过程
第一步：陈述零假设
第二步：选择显著性检验和显著性水平
第三步：选择样本和收集数据
第四步：查找拒绝区域
第五步：计算检验统计量
第六步：作出统计推断
两因素ANOVA总结表
解释结果
针对显著主效应的事后比较
两因素ANOVA中的效应量
针对显著交互作用的事后比较
两因素方差分析的假设
两实验因子两因素方差分析的优势
具有一个分组因子的两因素方差分析的优势
具有两个分组因子的两因素方差分析的优势
发表一个两因素方差分析的结果
C选读
两因素ANOVA的事前比较
趋势成分的交互作用
非平衡设计的两因素方差分析
三因素因子方差分析的概念
计算三因素ANOVA
对三因素ANOVA的后续检验
2*2*2比较
三因素设计的类型
高阶ANOVA
重要公式
第五部分 重复测量方差分析
第15章 重复测量方差分析
A概念
独立组方差分析的计算过程
单因素重复测量方差分析作为两因素独立样组方差分析
计算重复测量方差分析的SS成分
独立样组方差分析与重复测量方差分析比较
重复测量方差分析的优势
图示被试与处理之间的交互作用
重复测量方差分析与配对 t 检验比较
顺序效应
差异延滞效应
随机区组设计
B统计过程
第一步：陈述假设
第二步：选择统计检验和显著性水平
第三步：选择样本和收集数据
第四步：查找拒绝区域
第五步：计算检验统计量
第六步：作出统计推断
解释结果
残差成分
重复测量方差分析的效应量
测量方差分析的检验力
重复测量方差分析的假设
处理球形假设不满足的情况
事后比较
重复测量和随机区组设计的变式
发表重复测量方差分析的结果
C选读
平衡
重复测量的趋势分析
两因素重复测量方差分析
重要公式
第16章 两因素混合设计方差分析
A概念
再论单因素重复测量方差分析
把单因素重复测量方差分析转变为混合设计方差分析
混合设计方差分析中的两因素交互作用
混合设计方差分析总结
解释结果
混合设计变式
B统计过程
第一步：陈述假设
第二步：选择统计检验和显著性水平
第三步：选择样本和收集数据
第四步：求拒绝区域
第五步：计算检验统计量
第六步：作出统计推断
解释结果
发表混合方差分析结果
混合设计方差分析的假设
一个特例：前-后测混合设计
事后比较
混合设计的效应量
心理学文献摘录
C选读
一个重复测量（或随机区组）因子方差分析的方差-协方差矩阵
针对混合设计方差分析的事前比较：趋势交互作用
从平衡设计中排除误差方差
相对效率
重要公式
第六部分 多元回归及其与方差分析的关系
第17章 多元回归
A概念
不相关预测变量
标准话回归方程
两个以上彼此不相关的预测变量
相关系数的符号
两个相关预测变量
β 权重值
完全多余的预测变量
偏回归斜率
自由度
半偏相关
计算半偏相关
抑制变量
互补变量
原始分数预测公式
偏相关
求最佳预测方程
（以理论为基础的）分层回归
B统计过程
针对复相关 R 的显著性检验
检验各预测变量的显著性
前向选择法
反向删除法
逐步回归
逐步回归的误用
多个预测变量引起的问题
预测变量太少
最小样本量
多元回归的基本假设
二元变量的回归
多元回归作为研究工具
发表多元回归结果
C选读
处理曲线关系
调节变量
二分效标变量的多元回归
路径分析
重要公式
第18章 用回归方差做方差分析
A概念
虚拟编码
回归平面
效应编码
一般线性模型
方差分析检验和 R_2 检验的对等性
用回归方法处理两因素方差分析
高阶方差分析的一般线性模型
分析非平衡设计
控制方差的方法
B统计过程
简单协方差分析是一种多元回归
用线性回归方法进行协方差分析
事后比较
通过多元回归进行协方差分析
检验力和效应量
协方差分析的假设
一些其他考量
多因子协方差分析
当协变量不止一个时
协方差分析的替代方案
用协方差分析来处理自然组问题
C选读
多元方差分析
判别分析
用MANOVA做重复测量检验
重要公式
第七部分 非参数检验
第19章 二项分布
A概念
二项分布的来源
N=4的二项分布
N=12的二项分布
当二项分布不对称
二项分布的正态近似
比率 z 检验
B统计过程
第一步：提出假设
第二步：选择统计检验和显著性水平
第三步：选择样本和收集数据
第四步：求拒绝区域
第五步：计算检验统计量
第六步：作出统计推断
解释结果
符号检验的前提假设
赌徒谬误
什么时候用二项分布做零假设检验
C选读
概率的经典方法
离散变量的概率运算法则
排列组合
构建二项分布
针对概率的实证方法
重要公式
第20章 卡方检验
A概念
多项分布
卡方分布
期望频次和观测频次
卡方统计量
卡方的临界值
卡方分布的尾部
基于无偏好的期望频次
各种不同的单因素卡方检验
B统计过程
二因素列联表
关联皮尔逊卡方检验
类别数据假设检验的实例
最简单的情况：2*2表格
卡方检验的假设
独立性卡方检验的其他用途
发表卡方检验的结果
C选读
测量关联强读
使用称名量尺时测量评分一致性
Fisher完全检验
多于两个变量的列联表
重要公式
第21章 顺序数据的统计检验
A概念
排列数据
比较两个独立样本的秩次
秩次和
U值
处理并列数据
何时运用Mann-Whitney检验
重复观测或配对样本
B统计过程
检验两个独立样组间的秩次差：Mann-Whitney检验
配对分数差排序：Wilcoxon符号秩次检验
顺序变量之间的相关：Spearman相关系数
C选读
在几个组之间的检验秩次差异：Kruskal-Wallis检验
检验配对样本的秩次差异：Friedman检验
Kendall和谐系数
重要公式
附录A 统计表格
参考文献
