01 / 导读
导读
引用
Field, A. (2024). Discovering Statistics Using IBM SPSS Statistics (6th ed.). SAGE Publications.
章节概要
第六版共22章，全书1,144页。SAGE 介绍说，本书把幽默与循序渐进的指导结合起来，从最初的理论一直讲到回归、因子分析和多层次建模，用作者那些出人意料的例子和活动让统计和 SPSS 变得生动。列出的特色包括：覆盖面灵活、可跨学科使用，分析真实数据，突出常见的误解和错误，以及由视频、案例研究、数据集和题库组成的全新在线资源。本书覆盖多个版本的 IBM SPSS Statistics。内容分为五个阶段：基础、软件、线性模型与均值比较、多变量与分类方法，以及多层次模型。
第1–3章：Why is my evil lecturer forcing me to learn statistics?（为什么我那个邪恶的讲师非要逼我学统计？）；The SPINE of statistics（统计学的脊梁）；The phoenix of statistics（统计学的凤凰）
第1章讲研究过程：最初的观察、理论与假设、测量、研究设计和数据报告。第2章围绕 SPINE 这一助记词搭建统计模型：标准误、参数、（置信）区间、零假设显著性检验，以及估计。第3章讨论零假设显著性检验存在的问题，并把它们放在科学中更广泛的问题之中。题为“A phoenix from the EMBERS”的小节引出关于判断力（sense）、预注册与开放科学、效应量和贝叶斯方法的各节。
第4–6章：The IBM SPSS Statistics environment（IBM SPSS Statistics 环境）；Data Visualisation（数据可视化）；The beast of bias（偏差这头野兽）
第4章介绍软件：版本、数据编辑器、导入数据、查看器、语法编辑器和扩展。第5章教用图表构建器作图，从直方图、箱线图到误差条和散点图。第6章讲偏差、离群值、线性模型的假设，以及如何发现和减轻违反假设的情况。
第7–9章：Non-parametric models（非参数模型）；Correlation（相关）；The Linear Model (Regression)（线性模型（回归））
第7章介绍针对两组或多组独立或相关样本的基于秩的检验。第8章讲双变量相关、偏相关和半偏相关，第9章引入含一个和多个预测变量的线性模型，并有关于样本量、稳健回归和贝叶斯回归的小节。线性模型是后面各章的基础。
第10–11章：Comparing two means（比较两个均值）；Moderation and Mediation（调节与中介）
第10章引入线性模型中的分类预测变量，接着讲针对独立和相关均值的 t 检验。第11章用 PROCESS 工具讲交互作用和中介。
第12–16章：GLM 1 至 GLM 5
五章把模型扩展到分类预测变量：比较多个独立均值（包括对比和事后检验）、协方差分析、析因设计、重复测量设计和混合设计。其中若干章包含稳健和贝叶斯的替代方法，大多数章都讲效应量和结果报告。
第17–18章：Multivariate analysis of variance (MANOVA)（多元方差分析）；Exploratory factor analysis（探索性因子分析）
第17章介绍矩阵、MANOVA 的理论，以及后续的判别分析。第18章讲因子分析，也包括信度分析。
第19–22章：Categorical outcomes: chi-square and loglinear analysis（分类结果：卡方与对数线性分析）；Categorical outcomes: logistic regression（分类结果：逻辑回归）；Multilevel linear models（多层线性模型）；Epilogue（尾声）
第19、20章处理分类结果，从卡方和对数线性分析到二元和多项逻辑回归。第21章讲层级数据、多层次模型和增长模型。第22章是尾声。
核心概念
第1–3章：基础
- 统计学的 SPINE：标准误、参数、区间和零假设显著性检验，是基于模型的推断的核心。
- NHST 的问题：催生效应量、开放科学和贝叶斯方法的各种批评。
- 效应量与贝叶斯因子：与显著性检验一起或代替显著性检验来报告。
第4–9章：软件、假设与线性模型
- 偏差与假设：离群值、正态性、线性、方差齐性和独立性。
- 非参数检验：假设不成立时的替代方法。
- 线性模型：含一个或多个预测变量的回归，被当作后面各章的基础来讲授。
第10–22章：均值比较、多变量方法与多层次模型
- 一般线性模型：t 检验、方差分析、协方差分析和重复测量设计，被呈现为同一模型的不同变体。
- 调节与中介：交互作用与间接效应。
- 多变量与分类方法：MANOVA、因子分析、卡方、对数线性和逻辑模型。
- 多层次模型：层级数据和增长的分析。
评析
优点
- 对线性模型的统一看法。 第9章讲回归，第10章转向比较两个均值，题为 GLM 1 至 GLM 5 的第12至16章把同一思路扩展到方差分析的各种设计，使众多检验显得像同一模型的变体，而不是一堆互不相干的程序。
- 坦率对待显著性检验的局限。 用一整章讨论 NHST 的问题、效应量、预注册和贝叶斯方法，加上后面各章的稳健和贝叶斯小节，使学生为当前的实践做好准备。
- 实用的报告指导。 多数分析章节都有如何报告结果的小节，对实验报告和学位论文有帮助。
- 一册涵盖面广。 本书从基本的研究设计一直讲到 MANOVA、因子分析和多层次建模，一本书可服务于多门课程。出版社强调覆盖灵活、真实数据以及常见的误解和错误。
局限
- 与 SPSS 绑定。 软件出现在书名里，也出现在许多小节标题中；使用 R、jamovi 等其他软件的学生可以用概念，却用不上操作步骤。
- 篇幅。 1,144页远超一门课的需要，读者应选择路线阅读。
- 未涉及的方法。 目录中没有结构方程模型、时间序列或生存分析的章节，某些领域的学生需要另找资料。
在课程中的定位
Field 的书是这份清单中注重实践、以软件为基础的统计教材。Reidy 与 Dancey 的 Statistics without Maths for Psychology 同样使用 SPSS，并用文字和图表而不是公式来解释逻辑，适合想走最平缓路线的学生；Field 的目录涉及因子分析、逻辑回归和多层次模型，而另一本书的介绍中没有列出这些内容。
在研究设计方面，Jhangiani 等人的免费教材 Research Methods in Psychology 和 Morling 的 Research Methods in Psychology 讲授如何设计和解读研究，可与 Field 的第1至3章配合。Maxwell、Delaney 与 Kelley 的 Designing Experiments and Analyzing Data 以模型比较的方式处理方差分析，是研究生水平的著作，适合在第12至16章之后阅读。McElreath 的 Statistical Rethinking 是使用 R 和 Stan 的贝叶斯课程，与 Field 第3章介绍的贝叶斯方法自然衔接。
如何使用本书
本书面向需要在 SPSS 中运行并报告分析的心理学和社会科学学生，从本科生到研究生。出版社没有列出先修要求。
一条合理的路线是：用第1至6章学习基础、软件和假设，接着用第8至10章学习相关、回归和比较两个均值。第12至14章涵盖大部分本科阶段的方差分析内容，遇到重复测量和混合设计时再加上第15、16章。第11章以及第17至21章适合高级课程和项目，按需选读。
要动手操作：使用数据集和全新的在线资源，重复分析，并按报告小节写出每个结果。至于思想而不是点击步骤，SPINE 和 EMBERS 这些章节值得再读一遍。