1. 重点聚焦科研数据统计的思维与方法，帮助读者逐步具备准确地使用数据分析工具并解读数据分析结果的能力，优化其思维方式，促进其科研能力的提高。
2. 本书拥有丰富的实战案例，在介绍案例的操作流程之前，会先分析解决方案，帮助读者做到“知其然也知其所以然”。
3. 每章后面的综合实践题可以作为对前面知识讲解的深入和补充，检验读者对本章内容的掌握程度。
4. 本书提供配套素材文件，兼顾不同读者人群，零基础人群或相关专业本科生、研究生均可阅读。

本书以实际案例和具体应用为驱动，以培养科研统计思维为目标，借助 SPSS，系统地讲授了差异显著性检验、方差分析、相关性分析、回归分析、聚类分析、主成分分析，以及结构方程模型的概念、原理和具体使用。
全书共 8 章。第 1 章系统地讨论了科研统计思维及统计分析的相关概念，并以量化类典型论文为例抛出统计思维的核心问题。第 2 章介绍了数据的规范化及预处理，重点讲解了基于数据做论证所必需的前置操作。第 3 章介绍了统计描述及数据加工。第 4 章讲解了差异显著性检验。第 5 章介绍了方差分析及其高级应用，阐述了单因素方差分析、多因素方差分析、协方差分析、多因变量方差分析等内容，以及事后检验、均值边际图等高级应用的相关知识。第 6 章介绍了关联性分析技术和回归分析。第 7 章讲解了聚类分析技术。第 8 章介绍了因子分析与降维，主要讨论了探索性因子分析和验证性因子分析（结构方程模型）等方法。
本书可作为量化研究相关专业本科生、研究生，以及大中专院校学生的教学用书，还可作为有志于了解量化研究方法和科研统计思维的科研人员、工程技术人员以及商务人员的参考用书。

第 1 章  大数据时代的科研与统计思维1
11  科研统计思维及其社会需求 2
111  统计思维之魅力 2
112  统计思维何以重要 4
12  统计的主流技术及应用 5
121  统计描述的关键技术5
122  统计推断的主流技术6
123  统计分析技术及其应用领域7
124  统计分析的关键思路及质量评价8
13  统计思维在科研中的主要应用10
131  在自然科学领域的常见应用 10
132  在社会科学领域的常见应用11
14  统计思维方法及应用误区13
141  量化研究中统计分析的层次 13
142  量化研究中的误区 14
143  量化研究质量的保证 15
15  统计分析软件及其分析环境17
151  统计分析软件简介 17
152  基于Excel的统计分析环境 19
153  基于SPSS的统计分析环境22
16  科研视点：面向统计思维的量化研究论文品读 27
161  品读导引27
162  研究论文28
思考题 37
综合实践题 37
第 2 章  数据的规范化及预处理39
21  数据来源及其规范化要求41
211  科研数据的来源 41
212  数据类别及特点44
213  数据的规范化要求46
22  以Excel做数据预处理 47
221  Excel下的数据编辑47
222  实战：数据类型转化与格式标准化52
223  实战：数值化编码技术54
224  实战：数据表的拼接56
23  以SPSS做数据预处理 57
231  SPSS的变量预定义及编辑58
232  实战：数据文件打开、保存及优化 61
233  实战：变量的重编码技术65
234  实战：变量之间的计算70
235  实战：缺失值的标记与处理 73
236  实战：数据文件的拼合技术76
24  科研数据的质量保证 79
241  科研数据质量保证的两个指标79
242  效度检验的主要技术80
243  以德尔菲法实现效度保证的思路82
244  实战：以德尔菲法实现效度保证84
245  信度检验的主要技术90
246  实战：SPSS下的信度检验92
思考题 96
综合实践题 96
第 3 章  统计描述及数据加工 98
31  科研数据的统计描述105
311  统计描述中的统计量 105
312  数据的分布形态110
32  SPSS实现统计描述的技术 112
321  实战：以SPSS获取常见统计量112
322  实战：频数统计及分析116
323  实战：数据的图示化描述118
324  实战：数据分布形态的判断 123
325  实战：面向低测度数据的统计描述 130
33  数据抽取与变形133
331  实战：数据的排序与抽样 133
332  实战：个案的加权处理 136
333  实战：求秩分 137
334  实战：求正态得分 139
335  实战：分数的标准化——求Z分数 140
336  补充说明：其他变形操作 143
思考题143
综合实践题143
第 4 章  差异显著性检验 145
41  差异显著性检验 & 统计推断 151
411  差异显著性检验的概念151
412  统计推断的概念 154
42  面向配对数据的差异显著性检验156
421  配对样本及其统计推断操作 156
422  实战：教改前后学生的成绩有变化吗？——两配对样本差异显著性检
验 156
423  实战：三轮测量数据之间的差别明显吗？——K-配对样本差异性
检验161
424  实战：专家们是否科学严谨地评审了项目？——综合应用型案例 164
43  面向分组数据的差异显著性检验169
431  分组样本及其统计推断操作 170
432  实战：性别是影响学习成绩的因素吗？——两独立样本差异性检验 170
433  实战：生源是影响学习成绩的因素吗？——K-独立样本差异性检验 175
434  实战：生源对学生是否喜欢上学有影响吗？——低测度数据的分
组检验 180
44  差异显著性检验算法的思考与深化183
441  深究：均值差异显著性检验机理 183
442  深究：差异显著性检验的算法体系 188
443  补充：面向随机分布的检验——游程检验及原理 190
444  补充：面向期望分布的检验——卡方检验 193
思考题196
综合实践题196
第 5 章  方差分析及其高级应用198
51  方差分析的概念及应用 203
511  方差分析的概念203
512  方差分析的原理及类别204
52  单因素方差分析 205
521  实战：父母文化程度会影响学生的IQ值吗？ 205
522  单因素方差分析反思与总结209
53  多因素方差分析 211
531  实战：多因素方差分析模型构建及调整211
532  多因素方差分析中的关键问题及反思 215
54  协方差分析217
541  协方差分析的概念 217
542  实战：排除控制变量影响的方差分析——协方差分析模型 218
55  多因变量方差分析 220
551  多因变量方差分析概述220
552  实战：面向多因变量的方差分析 221
思考题 224
综合实践题 224
第 6 章  关联性分析技术225
61  关联性分析综述 230
611  关联性分析的特点及类型230
612  SPSS实现关联性分析的主要技术233
62  相关性分析及应用 234
621  相关性分析算法及其适应性234
622  实战：学生的数学成绩与游戏时间相关吗？——中高测度数据相关性
分析237
623  实战：影响学生成绩的真实原因是上网时间吗？——偏相关分析 241
624  低测度变量的相关性分析243
63  线性回归分析技术 246
631  回归分析概述246
632  实战：一元线性回归249
633  实战：多元线性回归分析255
634  多元线性回归原理及反思 261
635  理论深化：多重共线性问题265
64  曲线回归分析技术 268
641  实战：以多元线性回归探究高次回归式268
642  实战：以曲线回归探究高次回归式 271
643  曲线回归的总结与思考274
65  二元逻辑回归技术 276
651  二元逻辑回归的工作原理276
652  实战：哪些因素导致学生喜欢数学课？——二元逻辑回归280
思考题 285
综合实践题 285
第 7 章  聚类分析技术287
71  聚类的概念及原理291
711  科研中的分类分析 291
712  核心知识：距离的计算与判定292
713  聚类分析的常见类型295
72  个案的聚类分析 296
721  实战：面向个案的系统聚类296
722  实战：快速聚类及其应用 301
73  变量的聚类分析 305
731  实战：面向变量的系统聚类305
732  对R聚类的反思与总结308
74  判别分析 309
741  判别分析的概念与类型309
742  实战：基于组质心的分类判别311
743  实战：基于分类判别式的分类判别 317
思考题319
综合实践题 320
第 8 章  因子分析与降维321
81  因子分析与降维简述 325
811  探索性因子分析与验证性因子分析325
812  降维与探索性因子分析328
82  主成分分析：EFA应用 329
821  原理：探索性因子分析原理329
822  实战：以主成分分析探究变量蕴含的关键因素 331
823  实战：以主成分分析检验测量指标的结构效度338
83  结构方程模型入门——CFA应用 342
831  结构方程模型概述342
832  以AMOS绘制模型图：AMOS使用之一345
833  解读SEM分析结果并优化：AMOS使用之二350
834  实战：以AMOS软件实现CFA354
思考题 360
综合实践题 360
附录 《大学生生活满意度调查问卷》及数据集362
参考文献364