？万千心理.行为科学统计：从研究实践到思维培养（原著第9版）

作者简介

作者简介 戴维？C. 豪厄尔（David C. Howell） 美国佛蒙特大学心理学系的名誉教授和前任系主任；主要研究领域是统计和实验方法；《心理学统计方法》（Statistical Methods for Psychology，2013）的作者，以及《行为科学统计百科全书》（Encyclopedia of Statistics in Behavior Science，2005）的合著者；其他兴趣包括计算机和互联网，以及科学技术如何影响沟通交流、教学和研究。 译者简介 邵志芳 1985年毕业于华东师范大学心理学系并留校任教；1994年获得博士学位；长期从事认知心理学研究，并讲授心理统计学、认知心理学等课程；曾在SSCI和CSSCI期刊上发表论文20余篇，著有《心理统计学》（第一至三版）、《心理与教育统计学》（ 第一至三版）、《认知心理学―理论、实验和应用》（第二版）、《思维心理学》（第二版）、《社会认知》等教材和专著，翻译作品有《基础与应用心理学》（Münsterberg著）、《认知心理学》（第七版和第八版，Solso等著）和《认知心理学》 （第六版，Sternberg等著）。

内容简介

?第1章 ??导言 ??学生前来修读课程的时候，通常都想知道课程涉及哪些内容，以及自己将会取得怎样的成绩。本章首先介绍全书涵盖的所有内容和那些不会涉及的内容；接着将介绍统计学与数学之间的区别——两者在很大程度上根本不是一回事。正如我要指出的那样，本课程所需的所有数学知识，你都在高中时就学过——尽管你可能已经忘记了一些。然后将阐述我们为什么需要统计方法，这些方法的目的是什么，并说明将要学习的所有方法的结构。最后，本章将简要介绍数据的计算机分析。 ??多年来，在聚会等社交场合，如果有人问及我的职业，我总会回答说自己是一名心理学家（现已退休）。尽管我会立即补充说自己是一名实验心理学家，人们还是会评论说，在你面前说话做事都要小心了，好像我神通广大什么都知道似的。所以我后来改变了策略，回答说我教的是统计学——这个答案也完全没毛病。这个答案还解决了一个问题——大家不再直白地对我表示疑虑了；不过，它带来了另一个问题——现在大家都会说他们的数学是何等的差，以及多么成功地避开了统计学课程——对于将职业生涯投身于统计学教学的人来说，这些话听起来似乎还是不那么舒服。现在，我就只说自己讲授心理学研究方法达35年之久，大家听了似乎还挺满意。也许他们不知道研究方法涉及统计学。我还就不告诉他们。 ??让我们先来看第一个问题：统计学属于哪个领域？毕竟，你要投入一个学期的精力来学习各种统计学方法，现在首先应该了解一下将要学习的内容。“统计”这个术语至少有三种用法*。作为本书的标题，“统计学”指的是一整套程序和规则（不限于计算或数学），它们可以帮助我们将大量数据简化到可以把握的程度，并根据这些数据得出结论。本书介绍的基本上就是这些内容。 ??该术语的第二个用法（也是极为常见的义项）就是像这句话里面的意思——“统计表明，申请失业救济的人数连续第3个月下降”。这里的“统计”可以用来代替“统计数据”，但是后一种说法其实更好。根据我们这本书的目的，这个义项永远用不上。 ??该术语的第三个用法是指代数据经过某种算术或代数运算所得到的结果。因此，一组数字的均值（平均数）就是一种统计量。这一完全合理的用法将贯串本书。 ??这样一来，我们对这个术语有两个正确的用法：（1）一套程序和规则；（2）样本数据经这些规则和程序处理后得到的结果。根据上下文，你总能判断书上说的是哪一个含义。 ??对许多学生而言，“统计学”这个术语通常会引起一定程度的数学恐惧，好在数学和数学推导在统计工作者的生活中并不需要（通常也不会）居于主导地位。［其实，像科恩（Jacob Cohen）这样一位能最清楚、最有说服力地阐述行为科学统计学问题的作者也说，自己就是因为数理统计学知识贫乏，才能如此成功地向别人解释统计学概念的。你别说，读者还真能理解他说的话。］当然，如果不学习一些公式、不做深入理解，你也看不懂任何统计学文章。好在这不需要很高的数学水平，你在高中学的数学已经绰绰有余了。 ??比起担心代数和学习应用方程，用统计方法和程序将一个实验的结果与指引该实验的假设联系起来，才是更要紧的。从本书最早的几个版本开始，我就花大力气将那些对理解数据分析没有多大帮助的数学材料尽数删去。对于统计学公式，我不再呈现那些专门为了使用计算器而设计的公式，而是将其简化为定义公式。不过，这意味着你要稍微多思考一下做统计分析的逻辑了。这里说的逻辑并不限于假设检验的逻辑。我的意思是，你要明白解题方法背后的逻辑。如果两个群体的平均数之差与你要问的实际问题没有任何关系，就不用考察两个群体的平均数有没有差异。如果不知道差异有多大以及差异是否重要，那么谈该差异是不是随机产生的就没有意义。如果我们过分强调公式，就很可能陷入其中，只知道用这些公式对数据进行计算，却忘记了原本究竟要回答什么问题。 ??某些学生还有另一个想法（我的前一段话可能也多少促成了这种想法）：修读统计学课程的唯一理由就是为了分析实验研究的结果。当然，老师们希望你们能够为了达到这个目标而使用统计程序，但是那些程序（更重要的是与之相应的思想方法）不只被用于标准的实验研究。我希望像我这样的博雅教育信徒能注意到，统计学也是博雅教育的内容。这里介绍的大部分内容在你们大学毕业后的工作中还能用上。不管你们是在大公司还是小型家族企业工作，都必须处理数据；你们甚至还需用计算机来解决问题。如果你在城市规划委员会任职，就要知道规划中的各种变化会对房地产和商业发展产生什么影响，还须了解这些影响反过来又能造成就学人口的变化和由此产生的学校预算变化，以及诸如此类的事项。你们可能不需要为这些城市规划问题做方差分析（见本书第16—18章，不过稍微懂点第9—11章的回归模型可能会有些帮助），但是方差分析处理数据用的逻辑方法在这些问题上是同样需要的。（如果你把城市规划弄得一团糟，全城百姓都会埋怨你。） ??统计学这门课不是因为必修才学，而等学期结束就能抛到脑后的。（可能很多人都有这个打算，但我更希望你们带走的不只是成绩单上那3个学分。）如果教学得当，统计学知识就能成为可供运用（和交易）的工作技能。这是我努力淡化该领域的数学基础的一个重要原因。那些数学基础现在很重要，但以后就不起作用了。能够想通一个实验或一组数据的逻辑和理论，才是一项可以一直跟着你的重要能力，而能够求出回归方程的解却不是这样的能力。这就是为什么本书的大多数例子都与人们的实际工作有关。这种类型的工作需要的是思考。如果举例时用“假设我们有3个组，分别标记为A、B、C”开头，理解起来比较容易；而一个真实存在的实验，理解起来就很难。但是前者很无聊，对你们教益不大。而一个真实的例子会更有趣，还能教你们更多东西。 ??…… ?第1章 ??导言 ??学生前来修读课程的时候，通常都想知道课程涉及哪些内容，以及自己将会取得怎样的成绩。本章首先介绍全书涵盖的所有内容和那些不会涉及的内容；接着将介绍统计学与数学之间的区别——两者在很大程度上根本不是一回事。正如我要指出的那样，本课程所需的所有数学知识，你都在高中时就学过——尽管你可能已经忘记了一些。然后将阐述我们为什么需要统计方法，这些方法的目的是什么，并说明将要学习的所有方法的结构。最后，本章将简要介绍数据的计算机分析。 ??多年来，在聚会等社交场合，如果有人问及我的职业，我总会回答说自己是一名心理学家（现已退休）。尽管我会立即补充说自己是一名实验心理学家，人们还是会评论说，在你面前说话做事都要小心了，好像我神通广大什么都知道似的。所以我后来改变了策略，回答说我教的是统计学——这个答案也完全没毛病。这个答案还解决了一个问题——大家不再直白地对我表示疑虑了；不过，它带来了另一个问题——现在大家都会说他们的数学是何等的差，以及多么成功地避开了统计学课程——对于将职业生涯投身于统计学教学的人来说，这些话听起来似乎还是不那么舒服。现在，我就只说自己讲授心理学研究方法达35年之久，大家听了似乎还挺满意。也许他们不知道研究方法涉及统计学。我还就不告诉他们。 ??让我们先来看第一个问题：统计学属于哪个领域？毕竟，你要投入一个学期的精力来学习各种统计学方法，现在首先应该了解一下将要学习的内容。“统计”这个术语至少有三种用法*。作为本书的标题，“统计学”指的是一整套程序和规则（不限于计算或数学），它们可以帮助我们将大量数据简化到可以把握的程度，并根据这些数据得出结论。本书介绍的基本上就是这些内容。 ??该术语的第二个用法（也是极为常见的义项）就是像这句话里面的意思——“统计表明，申请失业救济的人数连续第3个月下降”。这里的“统计”可以用来代替“统计数据”，但是后一种说法其实更好。根据我们这本书的目的，这个义项永远用不上。 ??该术语的第三个用法是指代数据经过某种算术或代数运算所得到的结果。因此，一组数字的均值（平均数）就是一种统计量。这一完全合理的用法将贯串本书。 ??这样一来，我们对这个术语有两个正确的用法：（1）一套程序和规则；（2）样本数据经这些规则和程序处理后得到的结果。根据上下文，你总能判断书上说的是哪一个含义。 ??对许多学生而言，“统计学”这个术语通常会引起一定程度的数学恐惧，好在数学和数学推导在统计工作者的生活中并不需要（通常也不会）居于主导地位。［其实，像科恩（Jacob Cohen）这样一位能最清楚、最有说服力地阐述行为科学统计学问题的作者也说，自己就是因为数理统计学知识贫乏，才能如此成功地向别人解释统计学概念的。你别说，读者还真能理解他说的话。］当然，如果不学习一些公式、不做深入理解，你也看不懂任何统计学文章。好在这不需要很高的数学水平，你在高中学的数学已经绰绰有余了。 ??比起担心代数和学习应用方程，用统计方法和程序将一个实验的结果与指引该实验的假设联系起来，才是更要紧的。从本书最早的几个版本开始，我就花大力气将那些对理解数据分析没有多大帮助的数学材料尽数删去。对于统计学公式，我不再呈现那些专门为了使用计算器而设计的公式，而是将其简化为定义公式。不过，这意味着你要稍微多思考一下做统计分析的逻辑了。这里说的逻辑并不限于假设检验的逻辑。我的意思是，你要明白解题方法背后的逻辑。如果两个群体的平均数之差与你要问的实际问题没有任何关系，就不用考察两个群体的平均数有没有差异。如果不知道差异有多大以及差异是否重要，那么谈该差异是不是随机产生的就没有意义。如果我们过分强调公式，就很可能陷入其中，只知道用这些公式对数据进行计算，却忘记了原本究竟要回答什么问题。 ??某些学生还有另一个想法（我的前一段话可能也多少促成了这种想法）：修读统计学课程的唯一理由就是为了分析实验研究的结果。当然，老师们希望你们能够为了达到这个目标而使用统计程序，但是那些程序（更重要的是与之相应的思想方法）不只被用于标准的实验研究。我希望像我这样的博雅教育信徒能注意到，统计学也是博雅教育的内容。这里介绍的大部分内容在你们大学毕业后的工作中还能用上。不管你们是在大公司还是小型家族企业工作，都必须处理数据；你们甚至还需用计算机来解决问题。如果你在城市规划委员会任职，就要知道规划中的各种变化会对房地产和商业发展产生什么影响，还须了解这些影响反过来又能造成就学人口的变化和由此产生的学校预算变化，以及诸如此类的事项。你们可能不需要为这些城市规划问题做方差分析（见本书第16—18章，不过稍微懂点第9—11章