本书基于社会学领域学生和学者的需求，将统计学的理论概念和详细的技术指导有机结合起来，通过众多来自社会学不同领域的有趣示例来呈现丰富的统计方法和模型，鼓励读者在了解理论的同时学习应用Stata软件来实现研究的目的。本书除了用5个章节渐进式地详细阐述线性回归模型之外，还进一步涵盖logistic回归、多层次分析、面板数据分析、探索性因子分析、结构方程模型和验证性因子分析等内容。本书通过配套网站提供各章配套的测试题、视频、数据集和Stata代码，方便读者学习并检查学习效果。
本书可作为社会学领域本科生或研究生定量研究课程的教材或参考书，也可作为想要学习应用Stata软件进行定量研究的社会学者的参考书。

穆罕默德·梅赫梅托（Mehmet Mehmetoglu），挪威科技大学心理学系研究方法教师。

1 研究与统计学
1.1 统计研究方法论
1.2 统计方法
1.3 统计推断的基本思想
1.3.1 概率论
1.3.2 总体规模
1.3.3 研究总体时为什么需要显著性水平？
1.4 通用法则和理论
1.4.1 客观性和批判现实主义
1.5 定量研究论文
1.6 总结
问题
延伸阅读
参考文献
2 Stata简介
2.1 Stata是什么？
2 1.1 Stata界面
2.1.2 如何使用Stata
2.2 数据输入和导入
2.2.1 输入数据
2.2.2 导入数据
2.3 数据管理
2.3.1 打开数据
2.3.2 检查数据
2.3.3 修改变量
2.3.4 生成变量
2.3.5 数据子集
2.3.6 标记变量
2.4 描述性统计和图
2.4.1 频率分布
2.4.2 汇总统计
2.4.3 纵向合并数据
2.4.4 横向合并数据
2.4.5 数据变型
2.5 双变量统计推断
2.5.1 相关
2.5.2 独立t检验
2.5.3 方差分析(ANOVA)
2.5.4 卡方检验
2.6 总结
问题
延伸阅读
3 简单(双变量)回归
3.1 什么是回归分析？
3.2 简单线性回归分析
3.2.1 普通最小二乘法
3.2.2 拟合优度
3.2.3 斜率系数的假设检验
3.2.4 线性回归预测
3.3 Stata实例
3.4 总结
问题
延伸阅读
参考文献
4 多元回归
4.1 多元线性回归分析
4.1.1 估计
4.1.2 拟合优度和F检验
4.1.3 调整R2
4.1.4 偏回归系数
4.1.5 多元回归预测
4.1.6 标准化和相对重要性
4.2 Stata实例
4.3 总结
问题
延伸阅读
参考文献
5 虚拟变量回归
5.1 为什么使用虚拟变量回归？
5.1.1 生成虚拟变量
5.1.2 虚拟变量回归的原理
6 回归中的交互/调节效应
7 线性回归的假设与诊断
8 logistic回归
9 多水平分析
10 面板数据分析
11 探索性因子分析
12 结构方程模型和验证性因子分析
13 重要问题

基于我们的座右铭“万物皆回归”，我们将线性回归模型作为解释不同统计技术的首要框架。揭示每项统计技术背后的原理并提供Stata软件的应用示例，理解不同统计技术(如线性回归模型、因子分析等)背后的原理，同时学会使用灵活且用户界面友好的软件进行分析，更好的运用统计学来解决社会问题。