本书是一本完全基于SPSS和R实现全部例题计算与分析的统计学教材，每章附录均给出了例题解答的SPSS操作步骤和用到的R程序。全书内容共12章，包括数据的描述性分析方法、推断方法以及实际中常用的一些统计方法等。每章开头均给出了本章的学习目标，最后给出了本章的内容框架。在写法上完全立足于统计应用，避免统计公式的推导，力求通俗易懂。本书可作为高等院校经济管理类专业本科生统计学课程的教材使用，也可作为其他文科专业及部分理、工、农、林、医、药专业的教材或参考书，对广大实际工作者也极具参考价值。
本书可作为高等院校经济管理类专业本科生统计学课程的教材使用，也可作为其他文科专业及部分理、工、农、林、医、药专业的教材或参考书，对广大实际工作者也极具参考价值。
贾俊平 中国人民大学统计学院副教授。研究方向：统计方法在经济各领域的应用，统计教学方式和方法。主要著作有：《统计学》、《描述统计》、《工商管理统计》、《市场调查与分析》等。主持研究的“非统计学专业本科公共基础课——统计学教学改革”项目获2001年国家级教学成果二等奖、2001年北京市教学成果一等奖。2001年荣获北京市经济技术创新标兵称号，2003年荣获宝钢优秀教师奖等。
第1章数据与统计学
1.1统计学及其应用
1.1.1什么是统计学
1.1.2统计学的应用
1.2数据及其来源
1.2.1变量与数据
1.2.2数据的来源
本书图解：统计方法分类与本书框架
软件应用
思考与练习
第2章用图表展示数据
2.1类别数据的图表展示
2.1.1用频数分布表观察类别数据
2.1.2用图形展示类别数据
2.2数值型数据的图表展示
2.2.1用频数分布表观察数据分布
2.2.2用图形展示数值型数据
2.3使用图表的注意事项
本章图解：数据类型与图表展示方法
软件应用
思考与练习
第3章用统计量描述数据
3.1水平的描述
3.1.1平均数
3.1.2中位数和分位数
3.1.3水平代表值的选择
3.2差异的描述
3.2.1极差和四分位差
3.2.2方差和标准差
3.2.3变异系数
3.2.4标准得分
3.3分布形状的描述
3.4数据的综合描述
本章图解：数据分布特征与描述统计量
软件应用
思考与练习
第4章随机变量的概率分布
4.1什么是概率
4.2随机变量的概率分布
4.2.1随机变量及其概括性度量
4.2.2随机变量的概率分布
4.2.3其他几个重要的统计分布
4.3样本统计量的概率分布
4.3.1统计量及其分布
4.3.2样本均值的分布
4.3.3其他统计量的分布
4.3.4统计量的标准误差
本章图解：随机变量的概率分布
软件应用
思考与练习
第5章参数估计
5.1参数估计的基本原理
5.1.1点估计与区间估计
5.1.2评价估计量的标准
5.2总体均值的区间估计
5.2.1一个总体均值的估计
5.2.2两个总体均值之差的估计
5.3总体比例的区间估计
5.3.1一个总体比例的估计
5.3.2两个总体比例之差的估计
5.4总体方差的区间估计
5.4.1一个总体方差的估计
5.4.2两个总体方差比的估计
5.5样本量的确定
5.5.1估计总体均值时样本量的确定
5.5.2估计总体比例时样本量的确定
本章图解：参数估计所使用的分布
软件应用
思考与练习
第6章假设检验
6.1假设检验的基本原理
6.1.1怎样提出假设
6.1.2怎样做出决策
6.1.3怎样表述决策结果
6.2总体均值的检验
6.2.1一个总体均值的检验
6.2.2两个总体均值之差的检验
6.3总体比例的检验
6.3.1一个总体比例的检验
6.3.2两个总体比例之差的检验
6.4总体方差的检验
6.4.1一个总体方差的检验
6.4.2两个总体方差比的检验
6.5总体分布的检验
6.5.1正态性检验的图示法
6.5.2ShapiroWilk和KS正态性检验
本章图解：假设检验的内容框架
软件应用
思考与练习
第7章类别变量分析
7.1一个类别变量的拟合优度检验
7.1.1期望频数相等
7.1.2期望频数不等
7.2两个类别变量的独立性检验
7.2.1列联表与χ2独立性检验
7.2.2应用χ2检验的注意事项
7.3两个类别变量的相关性度量
7.3.1φ系数和Cramers V系数
7.3.2列联系数
本章图解：类别变量分析方法
软件应用
思考与练习
第8章方差分析
8.1方差分析的基本原理
8.1.1什么是方差分析
8.1.2误差分解
8.2单因子方差分析
8.2.1数学模型
8.2.2效应检验
8.2.3多重比较
8.3双因子方差分析
8.3.1数学模型
8.3.2主效应分析
8.3.3交互效应分析
8.4方差分析的假定及其检验
8.4.1正态性检验
8.4.2方差齐性检验
本章图解：方差分析过程
软件应用
思考与练习
第9章一元线性回归
9.1变量间的关系
9.1.1确定变量之间的关系
9.1.2相关关系的描述
9.1.3关系强度的度量
9.2一元线性回归模型的估计和检验
9.2.1一元线性回归模型
9.2.2参数的最小二乘估计
9.2.3模型的拟合优度
9.2.4模型的显著性检验
9.3利用回归方程进行预测
9.3.1平均值的置信区间
9.3.2个别值的预测区间
9.4回归模型的诊断
9.4.1残差与残差图
9.4.2检验模型假定
本章图解：一元线性回归的建模过程
软件应用
思考与练习
第10章多元线性回归
10.1多元线性回归模型
10.1.1回归模型与回归方程
10.1.2参数的最小二乘估计
10.2拟合优度和显著性检验
10.2.1模型的拟合优度
10.2.2模型的显著性检验
10.3多重共线性及其处理
10.3.1多重共线性及其识别
10.3.2变量选择与逐步回归
10.4相对重要性和模型比较
10.4.1自变量的相对重要性
10.4.2模型比较
10.5利用回归方程进行预测
10.6哑变量回归
10.6.1在模型中引入哑变量
10.6.2含有一个哑变量的回归
本章图解：多元线性回归的建模过程
软件应用
思考与练习
第11章时间序列预测
11.1时间序列的成分和预测方法
11.1.1时间序列的成分
11.1.2预测方法的选择与评估
11.2平稳序列的预测
11.3趋势序列的预测
11.3.1线性趋势预测
11.3.2非线性趋势预测
11.4多成分序列的预测
11.4.1Winter指数平滑预测
11.4.2分解预测
本章图解：时间序列预测的程序和方法
软件应用
思考与练习
第12章非参数检验
12.1单样本的检验
12.1.1中位数的符号检验
12.1.2Wilcoxon符号秩检验
12.2两个及两个以上样本的检验
12.2.1两个配对样本的Wilcoxon符号秩检验
12.2.2两个独立样本的MannWhitney检验
12.2.3k个独立样本的KruskalWallis检验
12.3秩相关及其检验
12.3.1Spearman秩相关及其检验
12.3.2Kendall秩相关及其检验
本章图解：非参数检验方法
软件应用
思考与练习
附录：SPSS和R简介
参考书目
本书是为大学本科生编写的一本统计学基础教材，可供一个学期（约3学分）的教学使用。全书内容共12章，第2章和第3章介绍数据的描述性分析方法，包括图表的使用和常用统计量的计算与分析方法。第4~6章介绍统计推断的基本原理和方法，包括作为推断理论基础的概率分布及参数估计和假设检验。第7~11章介绍实际中常用的一些统计方法，包括类别变量分析、方差分析、回归分析和时间序列预测等。第12章介绍几种常用的非参数检验方法。
本书特色
本书体现了作者的一贯写作风格，表述简明，强调应用。具体有以下几个特点：
强调统计软件的使用。本书所有例题的计算和分析完全使用统计软件来实现。书中使用了SPSS（190中文版）和R（312版本）两
种软件。其中以SPSS为主，SPSS能够实现的分析均给出SPSS实现结果，对于少数SPSS不能实现的部分内容给出了R的输出结果，并在每章的最后给出了SPSS的详细操作步骤和R的实现程序。同时，在本书最后的附录里给出了两种软件的使用简介。
注重统计思想和方法应用。本书完全避免统计方法的数学推导，并把繁杂的计算交给统计软件来完成，让读者拿出更多精力去理解统计方法的思想和原理。读完本书后你就会发现统计学并不那么难学，而且比你想象的有趣、有用。
书单推荐
