01 / 導讀
導讀
引用
Reidy, J., & Dancey, C. P. (2024). Statistics without Maths for Psychology (9th ed.). Pearson.
章節概要
第9版由Pearson於2024年11月出版，約516頁，共十六章，書末附有書中練習和SPSS習題的答案以及兩張統計表。出版社稱，本書的做法是講解心理學學生需要掌握的關鍵統計概念，而不使用常令學生望而生畏的數學公式，並指導讀者用SPSS完成每一種分析；全書穿插大量例子、練習和問題。各章自然地分為三個階段：基礎（第1–5章）、核心檢驗（第6–12章）以及更高階方法的入門（第13–16章）。
第1–2章：變數與研究設計；SPSS入門
本書從變數和研究設計的基本術語講起，此後每一次選擇檢驗方法都以此為前提；隨後介紹貫穿全書使用的軟體SPSS。
第3–5章：描述統計；機率、抽樣與分佈；假設檢驗與統計顯著性
這幾章為推斷統計打下概念基礎：資料的概括、機率、抽樣與分佈的思想，以及假設檢驗和統計顯著性的邏輯。
第6–7章：相關分析：皮爾遜r；兩種條件間差異的分析：t檢驗
最先介紹的兩種推斷檢驗：考察兩個變數之間關係的相關分析，以及比較兩種條件的t檢驗。
第8章：顯著性問題
本章放在最初幾種檢驗之後，在讀者實際使用過顯著性檢驗之後再回到統計顯著性，探討其使用和解釋中的問題。
第9章：關聯的度量
一章討論變數之間關聯的度量，本書把它與第6章的皮爾遜相關分開處理。
第10–11章：三種或更多條件間差異的分析；含多個自變數的方差分析
方差分析，先針對具有三種或更多條件的單個自變數，再針對含有多個自變數的設計。
第12章：迴歸分析
迴歸是用其他變數預測某一變數的方法，延伸了第6章的相關思想。
第13–15章：排除協變數影響的三組或多組分析；因子分析入門；多元方差分析（MANOVA）入門
三種超出標準檢驗的方法入門：在排除協變數影響的前提下比較各組、因子分析以及MANOVA。後兩章的標題本身即註明為入門。
第16章：非引數統計
最後一章介紹非引數方法，供資料不滿足前面所講引數檢驗之前提時使用。
核心概念
基礎（第1–5章）
- 變數與研究設計：決定何種分析合適的變數型別和設計型別。
- 描述統計：在檢驗之前對一組資料進行概括和描述。
- 抽樣與分佈：樣本與總體之間的關係，是推斷的基礎。
- 假設檢驗與顯著性：判斷觀察到的效應是否很可能出於偶然。
核心檢驗（第6–12章）
- 皮爾遜r：衡量兩個變數之間線性關係強度與方向的指標。
- t檢驗：檢驗兩種條件之間的差異。
- 方差分析（ANOVA）：比較三種或更多條件，以及含有多個自變數的設計。
- 迴歸：用一個或多個預測變數來預測結果變數。
進一步的方法（第13–16章）
- 協變數：在比較各組時將其影響排除的變數。
- 因子分析：找出能解釋眾多變數之間相關的潛在因子。
- MANOVA：含有多個因變數的方差分析。
- 非引數檢驗：對資料分佈所作假設較少的替代方法。
評析
優點
- 先概念，後計算。 出版社對本書的核心定位是不借助令人生畏的公式來講解統計概念。對於困難在於數學而不在於推理的學生來說，這掃除了理解一種檢驗做什麼、何時使用的主要障礙。
- 軟體貫穿全書。 SPSS在任何分析之前的第2章就已引入，書末附有SPSS習題及答案。據出版社介紹，配套網站為所在院校使用jamovi的學生提供jamovi操作影片，電子教材版則另有SPSS操作影片和章末選擇題測驗。
- 順序合理。 顯著性佔兩章：第5章講其邏輯，在讀者用過相關和t檢驗之後，再用單獨一章（第8章）討論顯著性問題。非引數檢驗集中在最後一章，而不是分散在各處。
- 內建練習。 出版社稱本書含有豐富的例子、練習和問題，練習和SPSS習題的答案均印在書中，因此也適合自學。
局限
- 不用數學的概念理解有其限度。 這種做法適合入門課程，但繼續學習高階方法的學生終究需要本書刻意省略的形式化處理。
- 高階方法僅止於入門。 因子分析和MANOVA以入門形式呈現，多層模型或貝葉斯分析等主題未出現在目錄中。
- 依賴SPSS。 書中的分析示例使用SPSS；jamovi使用者有配套影片，但使用R或其他軟體的讀者需要自行轉換操作步驟。
在課程中的定位
在研究方法與統計課程中，本書是一本平易的統計教材，與研究方法教材搭配使用十分自然。Rajiv Jhangiani等人的 Research Methods in Psychology（免費開放教材）或Beth Morling的 Research Methods in Psychology 講述研究如何設計和評價；本書第1章對研究設計的概述僅以選擇檢驗方法所需為限，並讀一本研究方法教材即可補足這一空白。
Andy Field的 Discovering Statistics Using IBM SPSS Statistics 同樣藉助SPSS講授類似的統計內容，但走得更遠，章節一直延伸到邏輯迴歸和多層模型。合理的順序是先在本書中學會某種檢驗，再讀Field書中同一檢驗的章節以加深理解。Scott Maxwell、Harold Delaney與Ken Kelley的 Designing Experiments and Analyzing Data 是一本通過模型比較來講授方差分析的研究生教材，對將來從事研究的學生而言，是讀完第10–11章和第13章後的自然下一步。Richard McElreath的 Statistical Rethinking 講授用R和Stan進行貝葉斯建模，與本書採用的顯著性檢驗框架完全不同，最好在紮實掌握標準檢驗之後再讀。
如何使用本書
本書不要求任何統計基礎；具備基本算術能力並熟悉心理學研究問題即可。它適合心理學專業一、二年級本科生，需要執行並理解標準分析的相鄰學科學生，以及曾被公式繁多的教材勸退、想重新學習統計的人。
實用的閱讀安排：
- 基礎（一年級）： 按順序閱讀第1–5章，包括講SPSS的第2章。不要跳過第5章，後面的每一種檢驗都依賴它的邏輯。
- 核心檢驗： 先讀第6–7章，再讀討論顯著性問題的第8章，然後繼續。第9–12章可按課程講授的順序閱讀。
- 進一步的方法（高年級或為課題所需）： 根據畢業論文的設計選讀第13–15章；資料違反引數檢驗前提時，隨時查閱第16章。
閱讀時開啟SPSS：自己重做每個示例分析，先完成SPSS習題，再對照書末答案。為每種檢驗寫一行筆記，說明何時使用（設計、變數型別、條件數量）；讀完第12章時，這些筆記就成了一份選擇分析方法的決策指南。如果課程使用jamovi，可藉助配套網站的影片把每個SPSS步驟對應到jamovi中。若學生最終還是想了解公式，可以在概念清楚之後，再去讀一本數學性更強的教材中的相應章節。