书的目的是讲解数据分析的方法、逻辑、艺术与实践。全书共17章，第1章介绍了R、RStudio和R Markdown的安装和使用，第2章介绍了数据分析的动机和四个构成要素：①描述数据并形成假设②模型的构建与估计③诊断④提出下一个问题，后续章节将按照数据分析构成要素的顺序来组织；对数据了解得越多，我们就越能够提出更好的问题，形成更好的假设，描述数据相关的概念和所需的工具，将在第3～9章中详述；模型的构建与估计是一个应该在理论和证据间来回往复迭代的过程，关于构建模型的练习将在第10～14章中进行；诊断

回归分析是社会科学定量研究方法中基本且应用广泛的数据分析方法，也是学习高阶定量方法或更加复杂的计量模型的基础。本书应用Stata统计软件，通过实际的社会研究案例，讲授回归分析的方法基础、社会研究中常用的统计模型，以及实用的数据分析和建模策略。本书淡化公式推导，侧重实用性和操作性，力求为有志于使用定量方法从事社会科学研究的学生和青年学者提供一个“道”与“术”有机结合的方法手册。

本书的特色在于结合实际案例来展现R在数据科学领域的灵活性，不仅能让读者学习统计知识，也能提升代码编写能力。全书共15章，第1章详细介绍了R和RStudio的安装方法；第2章至第3章介绍了导入数据的方法，以及R的基本工作原理；第4章介绍了R中重要的数据管理方法；第5章讲解数据可视化的知识；第6章至第15章，每一章对应了一个统计知识点，包括描述性统计、简单线性回归、多元线性回归、虚拟变量回归、Logistic回归、多层次和纵向分析、因子分析等。 为方便读者学习，本书提供了astatur包，这个工具包

《SAS数据分析》详细阐述了与SAS数据分析相关的基本解决方案，主要包括SAS编程入门，数据操控和转换，合并、索引、加密和压缩技术，统计、报表、转换过程和函数，高级编程技术：SAS宏，函数、选项和自动变量，Proc SQL高级编程技术，深入理解Proc SQL，数据可视化，报表机制和数据传输系统等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。 本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学用书和参考手册。

本书的目的在于为教育实践者在考试数据分析中应该使用哪种方法以及如何使用该方法提出具体化和合理化的建议。研究结果有助于提高多组被试测量结果比较的可靠性和有效性，避免在应用传统方法时对参数指数的错误选择所带来的影响，发挥Benjamini Hochberg法和校准法在这方面的潜在优势。

本书是在第5版11.8节及之后内容的基础上，基于软件SPSS 26，根据读者的反馈意见修订而成的。全书内容以统计分析应用为主，简要介绍各种统计分析方法的基本思想和基本概念；详细叙述操作方法，每种分析方法均设置了对应的例题，涉及各个领域。每个例题均从数据解释、数据文件结构、方法选择、操作步骤，以及对输出结果的分析解释方面给予了说明。本书保留第5版的统计分析方法，对基本操作的内容等进行了压缩、修正及简化。对于SPSS 26中的界面改动部分及新增按钮部分，本书进行了相应图形及文字方面的解释、修改和补充

本书是在上一版前11章（11.7节以前内容）的基础上，基于软件SPSS 26，根据读者的反馈意见修订而成的。本书内容以统计分析应用为主，简要介绍各种统计分析方法的基本思想和基本概念；详细叙述操作方法，对于每种统计分析方法均设置了对应的例题，涉及多个领域。每道例题均从数据解释、数据文件结构、方法选择、操作步骤，以及对输出结果的分析解释方面给予了说明。本书保留前5版的统计分析方法，对基本操作内容等进行了压缩、修正及简化。对于SPSS 26界面中的改动部分及新增按钮部分，本书进行了相应图形及文字方面的

本书以SPSS 28.0为平台，由浅入深地全面讲解SPSS软件的相关知识，通过图文并茂的方式讲解各项操作，讲解深入浅出，实例引导，内容翔实。 全书分为三部分共11章，详细介绍SPSS在社会科学调查、心理学、教育学、农业领域、经济领域、医学、市场营销、管理科学、房地产、生物学、环境保护、物流等领域的应用，涉及了数据编辑与整理、基本统计分析、参数估计与假设检验、非参数检验、方差分析、相关分析、回归分析、聚类分析、判别分析、因子分析、对应分析、信度分析、生存分析、时间序列分析等综合应用案例。本书涉及面

本书以SPSS 28.0为平台，由浅入深地全面讲解SPSS软件的相关知识，通过图文并茂的方式讲解各项操作，讲解深入浅出，实例引导，内容翔实，清晰、直观、易学易用。 全书分为三部分共17章，详细介绍SPSS的界面、数据文件的编辑、数据文件的整理、基本统计分析、参数估计与假设检验、非参数检验、方差分析、相关分析、回归分析、聚类分析、判别分析、因子分析、对应分析、信度分析、生存分析、时间序列分析、SPSS的综合应用案例等内容。本书涉及面广，涵盖了一般用户需要使用的各种功能，全书按逻辑顺序

本书是“对比 Excel”的第 4 本书，全书依旧突出对比学习的特点，通过对比 Excel 的方式来讲解如何利用 Python 学习统计学知识，即统计分析。本书是“对比 Excel”之前 3 本书的延续，同时也是数据分析师技能树的扩展。本书的主线是围绕统计学的理论知识展开的，层层递进，依次为描述性分析、概率和概率分布、抽样推断与参数估计、假设检验、方差分析、卡方分析、回归模型、相关性分析、时间序列。每个理论知识又由核心的 3 个部分组成：该理论知识在数据分析中的应用、理论知识讲解、Excel 和