目录

第一部分  初级心理统计回顾
  第1章  概率与矩阵运算  / 
1.1  概率及其运算  / 
1.1.1  概率的各种定义  / 
1.1.2  概率的运算  / 
1.1.3  条件概率及其应用  / 
1.2  矩阵及其运算  / 
1.2.1  矩阵的定义  / 
1.2.2  矩阵的基本运算  / 
1.2.3  利用SPSS进行矩阵运算  / 
  第2章  概率分布  / 
2.1  正态分布  / 
2.1.1  正态分布的概率密度函数与分布形态  / 
2.1.2  标准正态分布  / 
2.2  t分布  / 
2.3  χ2分布  / 
2.4  F分布  / 
2.5  二项分布  / 
2.6  如何用R查概率分布表  / 
  第3章  抽样分布  / 
3.1  抽样调查与抽样方法  / 
3.1.1  抽样调查的基本概念  / 
3.1.2  抽样方法  / 
3.2  抽样分布  / 
3.3  计算机模拟随机抽样  / 
3.3.1  利用R生成随机数据  / 
3.3.2  常见的抽样分布  / 
  第4章  参数假设检验  / 
4.1  假设检验  / 
4.1.1  假设检验的基本概念  / 
4.1.2  个体差异的显著性检验  / 
4.2  参数假设检验（t检验、方差分析）  / 
4.2.1  t检验  / 
4.2.2  初级的方差分析  / 
4.2.3  协方差分析和重复测量的方差分析  / 
  第5章  非参数检验·随机化检验  / 
5.1  常见的非参数检验  / 
5.1.1  单样本游程检验  / 
5.1.2  正态分布拟合优度检验  / 
5.1.3  双独立样本——曼惠特尼U检验、柯斯检验  / 
5.1.4  单向秩次方差分析  / 
5.1.5  双相关样本——符号检验、符号秩次检验  / 
5.1.6  双向秩次方差分析  / 
5.2  χ2检验  / 
5.2.1  单向χ2检验  / 
5.2.2  独立样本χ2检验  / 
5.2.3  相关样本χ2检验  / 
5.3  随机化检验  / 
5.3.1  随机化检验  / 
5.3.2  自助法  / 
第二部分  多元分析方法
  第6章  多元线性回归分析  / 
6.1  从线性回归分析到结构方程模型  / 
6.1.1  一元线性回归分析  / 
6.1.2  多元线性回归分析  / 
6.1.3  中介效应模型与路径分析  / 
6.1.4  潜变量、因子分析、结构方程模型  / 
6.2  多元线性回归模型的前提、建立、检验和应用  / 
6.2.1  线性回归模型的前提  / 
6.2.2  线性回归模型的建立  / 
6.2.3  线性回归模型的检验  / 
6.2.4  线性回归模型的应用  / 
6.3  多元回归分析应用举例  / 
6.3.1  一元线性回归  / 
6.3.2  多元线性回归——逐步回归  / 
6.4  分类变量的回归及其与t检验、方差分析的关系  / 
6.4.1  虚拟变量和效应变量  / 
6.4.2  线性回归分析与t检验、方差分析的关系  / 
6.5  回归诊断  / 
6.5.1  关于异质子样本  / 
6.5.2  关于离群点的影响  / 
6.5.3  关于多重共线性  / 
6.5.4  关于非线性回归  / 
  第7章  Logistic回归分析  / 
7.1  Logistic回归分析的目的和类型  / 
7.1.1  Logistic回归分析的目的  / 
7.1.2  Logistic回归分析的类型  / 
7.2  Logistic回归分析的原理  / 
7.2.1  logit P的引入  / 
7.2.2  Logistic回归系数的含义  / 
7.2.3  Logistic模型的检验  / 
7.3  Logistic回归分析法应用举例  / 
7.3.1  二项Logistic回归分析  / 
7.3.2  多项Logistic回归分析和序次Logistic回归分析  / 
7.3.3  与Logistic回归分析相近的两种回归分析法  / 
7.3.4  Logistic回归分析与聚类分析、判别分析的关系  / 
  第8章  聚类分析  / 
8.1  聚类分析的目的和类型  / 
8.1.1  聚类分析的目的  / 
8.1.2  聚类分析的类型  / 
8.2  聚类分析的原理  / 
8.2.1  总的效果  / 
8.2.2  个体或变量间距离的计算  / 
8.2.3  类间距离的计算  / 
8.3  聚类分析法应用举例  / 
8.3.1  系统聚类法（层次聚类法）  / 
8.3.2  迭代聚类法（K中心聚类法）  / 
8.3.3  使用聚类分析时要注意的问题  / 
  第9章  判别分析  / 
9.1  判别分析的目的和类型  / 
9.1.1  判别分析的目的  / 
9.1.2  判别分析的类型  / 
9.2  判别分析的原理  / 
9.2.1  距离判别法  / 
9.2.2  费舍判别法  / 
9.2.3  贝叶斯判别法  / 
9.3  判别分析法应用举例  / 
9.3.1  一般判别分析  / 
9.3.2  逐步判别分析  / 
9.3.3  判别分析中应注意的问题  / 
  第10章  多元方差分析  / 
10.1  多元方差分析的目的和类型  / 
10.1.1  多元方差分析的目的  / 
10.1.2  多元方差分析的类型  / 
10.2  多元方差分析的原理  / 
10.2.1  多元方差分析的前提  / 
10.2.2  Hotellings T2检验的原理  / 
10.2.3  费舍判别法的第一判别函数  / 
10.3  多元方差分析应用举例  / 
10.3.1  单个2水平自变量的情形  / 
10.3.2  多水平自变量的情形  / 
10.3.3  多元方差分析中应注意的问题  / 
  第11章  因子分析  / 
11.1  因子分析的目的和类型  / 
11.1.1  因子分析的目的  / 
11.1.2  因子分析的类型  / 
11.2  因子分析的原理  / 
11.2.1  有关概念  / 
11.2.2  求解初始因子  / 
11.2.3  因子旋转  / 
11.3  因子分析应用举例  / 
11.3.1  准备工作：检验是否满足因子分析的前提  / 
11.3.2  确定因子数  / 
11.3.3  导出因子负荷矩阵  / 
11.3.4  因子旋转  / 
11.3.5  因子计分  / 
11.3.6  使用因子分析时要注意的问题  / 
11.4  综合应用举例——人格测验3个分量表的因子分析  / 
  第12章  结构方程建模  / 
12.1  结构方程建模的目的和组成  / 
12.1.1  结构方程建模的目的  / 
12.1.2  结构方程模型的组成  / 
12.2  结构方程建模的原理  / 
12.2.1  估计结构方程模型的基本思路  / 
12.2.2  模型识别  / 
12.2.3  模型估计  / 
12.3  结构方程建模的主要步骤  / 
12.3.1  模型设定  / 
12.3.2  初步判断模型能否识别  / 
12.3.3  模型估计  / 
12.3.4  模型评价  / 
12.3.5  模型修正  / 
12.4  综合应用举例  / 
12.4.1  结构方程建模与其他多元分析方法的结合使用  / 
12.4.2  因子分析与结构方程建模的关系  / 
12.4.3  关于模型的重复验证和最终选择  / 
12.4.4  结构方程建模的局限性  / 
12.4.5  综合应用举例——某测验3个分量表的结构方程建模  / 
  第13章  多层线性模型  / 
13.1  多层线性模型的目的  / 
13.1.1  多层数据与独立性问题  / 
13.1.2  多层线性回归分析的目的  / 
13.2  多层线性模型的原理  / 
13.2.1  多层回归分析的基本思想  / 
13.2.2  多层回归分析的常见模型  / 
13.3  多层线性模型的应用  / 
13.3.1  数据要求  / 
13.3.2  无条件模型（零模型）  / 
13.3.3  随机系数模型  / 
13.3.4  更复杂的模型  / 
13.3.5  关于样本容量问题  / 
13.3.6  模型及其待估参数小结  / 
  附录  例题SPSS操作指引/ 
  参考文献/