白話統(tǒng)計(jì)

目 錄
第 1 篇 基礎(chǔ)篇
第1 章 為什么要學(xué)統(tǒng)計(jì) 2
1．1 統(tǒng)計(jì)學(xué)有什么用 3
1．2 生活世事皆統(tǒng)計(jì) 4
1．3 如何學(xué)統(tǒng)計(jì) 4
第 2 章 變異――統(tǒng)計(jì)學(xué)存在的基礎(chǔ) 6
2．1 隨機(jī)與變異 6
2．2 特朗普與羅斯福的勝出――抽樣調(diào)查到底可不可靠 8
2．3 什么是抽樣誤差 9
第 3 章 郭靖的內(nèi)力能支撐多久――談概率分布 11
3．1 累積分布與概率密度的通俗理解 12
3．2 是生存還是死亡？這是一個(gè)問(wèn)題――用Weibull 分布尋找生存規(guī)律 16
3．3 2003 年的那場(chǎng)SARS――用Logistic 分布探索疾病流行規(guī)律 20
3．4 “普通”的正態(tài)分布 23
3．5 幾個(gè)常用分布――t 分布、χ2 分布、F 分布 28
第 4 章 關(guān)于統(tǒng)計(jì)資料類(lèi)型的思考 35
4．1 計(jì)數(shù)資料等于分類(lèi)資料嗎 36
4．2 計(jì)數(shù)資料可否采用連續(xù)資料的方法進(jìn)行分析 37
4．3 分類(lèi)資料中的無(wú)序和有序是如何確定的 38
4．4 連續(xù)資料什么時(shí)候需要轉(zhuǎn)換為分類(lèi)資料 39
4．5 連續(xù)資料如何分組――尋找cut-off 值的多種方法 41
4．6 什么是虛擬變量/啞變量 47
第 5 章 如何正確展示你的數(shù)據(jù) 52
5．1 均數(shù)和中位數(shù)――你被平均了嗎 53
5．2 方差與標(biāo)準(zhǔn)差――變異的度量 54
5．3 自由度――你有多少自由活動(dòng)的范圍 56
5．4 百分位數(shù)――利用百分?jǐn)?shù)度量相對(duì)位置 57
5．5 如何比較蘋(píng)果和橘子――利用Z 值度量相對(duì)位置 59
5．6 某百歲老人調(diào)查報(bào)告說(shuō)：少運(yùn)動(dòng)才能活得久――談一下比例和率 61
5．7 在文章中如何正確展示百分比 63
第 6 章 尋找失蹤的運(yùn)動(dòng)員――中心極限定理 64
6．1 中心極限定理針對(duì)的是樣本統(tǒng)計(jì)量而非原始數(shù)據(jù) 65
6．2 樣本量大于30 就可以認(rèn)為是正態(tài)分布了嗎 67
第 7 章 從“女士品茶”中領(lǐng)會(huì)假設(shè)檢驗(yàn)的思想 70
7．1 女士品茶的故事 70
7．2 零假設(shè)和備擇假設(shè) ． 72
7．3 假設(shè)檢驗(yàn)中的兩類(lèi)錯(cuò)誤 73
7．4 P 值的含義 76
7．5 為什么P 值小于0．05（而不是0．02）才算有統(tǒng)計(jì)學(xué)意義 78
7．6 為什么零假設(shè)要設(shè)定兩組相等而不是兩組不等 79
第 8 章 參數(shù)估計(jì)――一葉落而知秋 81
8．1 點(diǎn)估計(jì) ．81
8．2 最小二乘估計(jì) 82
8．3 最大似然估計(jì) 84
8．4 貝葉斯估計(jì) 86
第 9 章 置信區(qū)間估計(jì)――給估計(jì)留點(diǎn)余地 88
9．1 置信區(qū)間的理論與實(shí)際含義 88
9．2 置信區(qū)間與P 值的關(guān)系 90
9．3 利用標(biāo)準(zhǔn)誤計(jì)算置信區(qū)間 91
9．4 利用Bootstrap 法估計(jì)置信區(qū)間 ． 92
第 2 篇 實(shí)用篇
第10 章 常用統(tǒng)計(jì)方法大串講 98
10．1 一般線性模型――方差分析與線性回歸的統(tǒng)一 99
10．2 廣義線性模型――線性回歸與Logistic 回歸的統(tǒng)一 103
10．3 廣義可加模型――脫離“線性”束縛 107
10．4 多水平模型――打破“獨(dú)立”條件 112
10．5 結(jié)構(gòu)方程模型――從單因單果到多因多果 119
第 11 章 正態(tài)性與方差齊性 ．127
11．1 用統(tǒng)計(jì)檢驗(yàn)方法判斷正態(tài)性 127
11．2 用描述的方法判斷正態(tài)性 130
11．3 方差分析中的方差齊性判斷 ．133
11．4 理解線性回歸中的方差齊性 135
第 12 章 t 檢驗(yàn)――不僅是兩組比較 ．138
12．1 從另一個(gè)角度來(lái)理解t 檢驗(yàn) 138
12．2 如何正確應(yīng)用t 檢驗(yàn) 140
12．3 t 檢驗(yàn)用于回歸系數(shù)的檢驗(yàn) 141
12．4 t 檢驗(yàn)的替代――Wilcoxon 秩和檢驗(yàn) 142
第 13 章 方差分析與變異分解 145
13．1 方差分析中變異分解的思想 145
13．2 為什么回歸分析中也有方差分析 147
13．3 鐵打的方差分析，流水的實(shí)驗(yàn)設(shè)計(jì) 148
13．4 方差分析后為什么要進(jìn)行兩兩比較 152
13．5 多重比較方法的選擇建議 154
13．6 所有的多組都需要做兩兩比較嗎――兼談固定效應(yīng)和隨機(jī)效應(yīng) 164
13．7 重復(fù)測(cè)量方差分析詳解 166
13．8 方差分析的替代――Kruskal-Wallis 秩和檢驗(yàn) 176
13．9 多組秩和檢驗(yàn)后的兩兩比較方法 178
第 14 章 卡方檢驗(yàn)――有“卡”未必走遍天下 181
14．1 卡方檢驗(yàn)用于分類(lèi)資料組間比較的思想 181
14．2 卡方用于擬合優(yōu)度評(píng)價(jià)――從Hardy-Weinberg 定律談起 184
14．3 似然比χ2、M-H χ2、校正χ2 與Fisher 精確檢驗(yàn) 186
14．4 等級(jí)資料到底可不可以用卡方檢驗(yàn) 191
14．5 卡方檢驗(yàn)的兩兩比較 193
14．6 Cochran-Armitage 趨勢(shì)檢驗(yàn) 194
14．7 分類(lèi)變量的賦值是如何影響分析結(jié)果的 196
第 15 章 相關(guān)分析與一致性檢驗(yàn) 200
15．1 從協(xié)方差到線性相關(guān)系數(shù) 200
15．2 線性相關(guān)系數(shù)及其置信區(qū)間 203
15．3 如何比較兩個(gè)線性相關(guān)系數(shù)有無(wú)差異 206
15．4 分類(lèi)資料的相關(guān)系數(shù) 207
15．5 基于秩次的相關(guān)系數(shù) 210
15．6 相關(guān)分析中的幾個(gè)陷阱 213
15．7 用ICC 和CCC 指標(biāo)判斷一致性 215
15．8 用Bland-Altman 圖判斷一致性 218
15．9 Kappa 檢驗(yàn)在一致性分析中的應(yīng)用 219
第 16 章 線性回歸及其分析思路 ．222
16．1 殘差――識(shí)別回歸模型好壞的關(guān)鍵 223
16．2 回歸系數(shù)的正確理解 226
16．3 回歸系數(shù)檢驗(yàn)VS 模型檢驗(yàn) 227
16．4 均值的置信區(qū)間VS 個(gè)體的預(yù)測(cè)區(qū)間 228
16．5 逐步回歸篩選變量到底可不可靠――談變量篩選策略 230
16．6 如何評(píng)價(jià)模型是好還是壞――交叉驗(yàn)證思路 237
16．7 線性回歸的應(yīng)用條件――你的數(shù)據(jù)能用線性回歸嗎 240
16．8 如何處理非正態(tài)――Box-Cox 變換 247
16．9 如何處理非線性――Box-Tidwell 變換 248
16．10 方差不齊怎么辦――加權(quán)最小二乘法 250
16．11 當(dāng)共線性導(dǎo)致結(jié)果異常時(shí)怎么辦――嶺回歸、Lasso 回歸 ．254
16．12 發(fā)現(xiàn)異常值應(yīng)該刪除嗎――談幾種處理異常值的方法 ．260
16．13 如何處理缺失值――是刪除還是填補(bǔ) 268
16．14 一個(gè)非教材的非典型案例――線性回歸的綜合分析 276