本书基于社会学领域学生和学者的需求，将统计学的理论概念和详细的技术指导有机结合起来，通过众多来自社会学不同领域的有趣示例来呈现丰富的统计方法和模型，鼓励读者在了解理论的同时学习应用Stata软件来实现研究的目的。本书除了用5个章节渐进式地详细阐述线性回归模型之外，还进一步涵盖logistic回归、多层次分析、面板数据分析、探索性因子分析、结构方程模型和验证性因子分析等内容。本书通过配套网站提供各章配套的测试题、视频、数据集和Stata代码，方便读者学习并检查学习效果。 本书可作为社会学领域本科生或研究生定量研究课程的教材或参考书，也可作为想要学习应用Stata软件进行定量研究的社会学者的参考书。

前 言 对学生和学者来说，知道如何运用统计学来解决社会问题是一项关键技能。想要得 到和开发这样的技能需要理解不同统计技术（如线性回归模型、因子分析等）背后的原 理，同时学会使用灵活且用户界面友好的软件进行分析。在本书中，我们通过揭示每项 统计技术背后的原理并提供Stata软件的应用示例，试图帮助读者达到这两个重要目标。 基于我们的座右铭“万物皆回归”，我们将线性回归模型作为解释不同统计技术的首要 框架。 对线性回归模型的深入理解为学习其他统计技术打下了基础—不管这些技术是简 单的（如t检验）还是高级的（如结构方程模型）。这也是我们选择深入剖析线性回归 模型及其拓展技术的原因所在。在读过相关章节之后，你就会认识到线性回归模型可以 很好地替代传统的独立样本组间比较的方差分析（ANOVA）。线性回归方法也成为理 解多层次回归技术的纽带，而后者是分析重复测量数据时方差分析方法的有力替代。 若想从本书中有所获，读者最好具备关于基础统计学的背景知识，并对统计推断有 所了解。读者不需要具备使用Stata的经验，在将Stata应用于不同统计技术之前，我们 会用一章的内容来详细介绍该软件的使用方法。当你阅读本书的每一章时，我们强烈建 议你打开Stata软件，以便复制和重现相关统计分析的过程与结果。在此之前，你需要 登录网址https://study.sagepub.com/login?destination=node/30193，浏览并下载本书的配 套材料（如数据集、Stata代码、期刊文章示例等）。

版权图片链接