应用多元统计（原书第5版）_[美]芭芭拉·G.塔巴尼克[美]琳达·S.菲德尔著_9787111719335

本书是一本应用多元统计教材，是多元统计分析的实践指南.书中介绍了各类多元统计分析方法，并结合SAS、SPSS和SYSTAT给出了各分析方法的实现.本书主要侧重于应用，通过使用现实数据集的丰富实例，阐明了何时、为什么以及如何使用数据集，便于读者学习理解.
本书条理清晰，内容精练，言简意赅，可作为高等院校数学与应用数学、信息与计算科学等专业学生的教材，同时也可作为数学工作者和科技人员的参考书.

前言
由于篇幅过多，我们不得不考虑对章节内容进行缩减 本次修订仅仅增加了第15章，外加一些处理缺失数据的新方法（见第4章） 除此之外，我们进行了大量精简，删去了时间序列分析一章另一个遗憾是SYSTAT 然而，其恰到好处的统计分析结论和出色的图形分析技术使得我们依旧喜欢它 令人高兴的是，SYSTAT的大部分图形已经整合到SPSS中 虽然我们没有详细解释SYSTAT的程序代码，但是为了对比不同软件的特征，还是将SYSTAT代码列在第5～16章的最后一节 我们调整了一些章节的顺序：典型相关相对较难，不适合较早介绍；生存分析似乎需要依赖logistic回归 实际上，顺序似乎并不重要用书教师可以根据自己的需要选择任意章节进行讲解
多层线性模型(Multilevel Linear Modeling，MLM)似乎已经风靡全球如果没有它，我们会如何面对这个世界？现实生活是分层的——学生到不同的教室里上课；教师在不同的学校工作；病人共享着病房和医护人员；观众观看不同的表演 将群组分开进行研究会偏离研究目的，所以我们必须以完整的群组为样本数据来研究 MLM能够在不违背模型假设的前提下实现上述分析功能 SAS和SPSS可以处理这些模型，我们就准备好利用它们处理现实问题 因此，新增了一章
SAS和SPSS还提供了多种方法来利用多重插补技术估计缺失数据，并全面评估缺失数据模式我们扩展了第4章演示这些增强技术 SPSS和SAS不断添加一些好方法，我们都将其展示出来 和以前一样，我们将尽可能地利用Windows菜单调试程序 我们也更加注重效应大小（effect size），特别是效应大小的置信区间 澳大利亚国立大学的Michael Smithson教授非常友善地允许我们借用一些完美的SPSS和SAS语法以及数据文件 Jim Steiger和Rachel Fouladi慷慨地允许我们使用他们的DOS程序计算R2的置信区间
有一件事我们永远不会改变，那就是实用，聚焦于统计模型分析数据集的益处和局限性——什么时候、为什么以及如何做虽然数学很精彩，但是还是建议学生使用现成的软件来完成每章的矩阵或电子表格操作 而且，我们仍然认为，理解数学知识并不足以确保可以合理地分析数据 读者已经证实了确实能够运用软件，而不需要过多地关注数学内容.例子是小样本的，依旧很蠢 就最近有关本书的大部分评论（由出版商友情提供）而言，我们将其归结为三种情况：太难、太容易、刚刚好 所以我们没有改变基调或难度
密苏里大学哥伦比亚分校的Steve Osterlind和南伊利诺伊大学艾德华兹维尔分校的Jeremy Jewel提供了一些非常有用的建议 我们也衷心感谢罗得岛大学的Lisa Harlow，她为第4版写了一篇全面而富有洞察力的书评，发表在2002年的Structural Equation Modeling上 我们再次感谢本书前几版的审稿人，虽然他们不让将他们的名字列出，但我们依然记得他们！感谢这个版本的审稿人：内布拉斯加大学卡尼分校的Joseph Benz、西弗吉尼亚大学的Stanley Cohen、南达科他大学的Michael Granaas、田纳西州立大学纳什维尔分校的Marie Hammond、南伊利诺伊大学的Josephine Korchmaros和圣地亚哥州立大学的Scott Roesch
与往常一样，本书的改进在很大程度上要归功于审稿人以及那些通过电子邮件向我们提出建议和修订意见的同人 任何遗留的错误和表述不清晰都是我们的责任 同时，我们希望本书能为读者分析数据提供一些帮助
Barbara G Tabachnick
Linda S Fidell

我要评论