导语

  

内容提要

  

本教材是配合教育类、经济类等专业的学生开展调查研究时对数据分析技术的迫切需求，并在作者多年从事《社会科学统计分析软件应用及实践》课程教学的基础上而撰写的。本教材的内容主要包括以下几个模块：大数据时代数据统计分析的概念、需求与策略，数据预处理与统计描述，数据的差异性检验（含T检验、方差分析、非参数检验），数据的关联性与一致性分析（相关性分析、回归分析、信度检验），降维与归因分析（聚类分析、判别分析与因子分析）、信度与效度保证、结构方程模型的设计及使用。对于具体的数据分析需求，本教材兼顾SPSS和Excel中的实现技巧，以便学习者能够从不同层面、在不同的计算机环境下开展有效的数据统计分析。

    马秀麟，山东临沂人，教育技术学博士，北京师范大学教育学部副教授、硕士生导师，北京师范大学计算机公共课课程主任。主要从事信息技术教学、网络课程建设、教育信息管理领域的研究。目前，已发表学术论文50余篇。出版学术专著2部、教材15部，于2004年获得北京师范大学第三届最受本科生欢迎的“十佳教师”称号，2014年获得钱瑗教育基金奖，2015年获得北京师范大学本科教学优秀奖、全国多媒体教学课件大赛一等奖，2016年获得北京师范大学教学名师奖。

第1章  数据分析与量化研究
  1.1  数据分析能力培养的时代背景与意义
  1.2  量化研究方法
  1.3  数据分析的基础概念
  1.4  数据分析及其技术
  1.5  数据分析工作环境
第2章  数据预处理与统计描述
  2.1  数据规范化简介
  2.2  利用Excel实现数据预处理
  2.3  SPSS的数据预处理
  2.4  重编码与变形处理
  2.5  数据的统计描述
第3章  差异显著性检验
  3.1  差异显著性检验概述
  3.2  案例需求与数据情况
  3.3  T检验——两分组数据的均值差异性检验
  3.4  方差分析——多分组数据的均值差异性检验
  3.5  差异显著性检验基本算法及其应用
  3.6  非参数检验
第4章  变量之间的关联性分析
  4.1  关联性分析概述
  4.2  案例需求及数据情况
  4.3  相关性分析
  4.4  线性回归分析技术
  4.5  二元逻辑回归分析技术
  4.6  曲线回归分析技术
第5章  聚类与降维分析
  5.1  基于数据的归纳分析
  5.2  案例需求及数据准备
  5.3  系统聚类分析
  5.4  K-Means聚类分析
  5.5  判别分析
  5.6  因子分析
第6章  信度与效度的检验
  6.1  信度与效度概述
  6.2  信度检验方法
  6.3  效度检验方法
  6.4  如何构造有效的调查指标体系
第7章  量化研究论文选编
  7.1  大学信息技术公共课翻转课堂教学的实证研究
  7.2  视频资源类型对学生在线学习体验的实证研究
关键术语表
参考文献