本书是为高等院校统计专业编写的抽样调查教材。本书以适应现代应用需求为目的，对课程内容进行重构与取舍，形成了新的框架体系。 全书共十章。第1章至第3章介绍抽样调查的意义、作用和方法特征，对总调查设计、统计理论在抽样调查中的作用等基本问题作了阐述，给出了符合现代抽样调查理论和方法的基本概念体系，并基于一般抽样设计，介绍了结构简单且最重要的总体参数——总体总值的 估计量，对其基本统计性质和由数个 估计量构成的复杂估计量的统计性质进行了证明和讨论，为全书奠定了理论和方法基础。第4章和第5章介绍了抽样设计

本书为国内第一本基于Stata软件处理应用结构方程模型的教材。结构方程模型（SEM ）是一种全新的描述变量间复杂关系的建模方式，更是一种全新的定量研究思维方式，同时还是一种全新的定量论文写作方式。它不仅能将研究者的数据分析能力提升到新的层次，对提升研究者的研究能力、扩展研究视野、丰富研究领域也将产生潜移默化的作用。 全书共分12章，一方面，对结构方程模型的建模、回归与路径分析因子分析，标准结构方程模型，广义结构方程模型的连续潜变量、分类显变量和分类潜变量，结构方程模型的多组比较、多层效应和交互

本书根据统计教学的特点，结合大量的实例，介绍PASS软件15.0版本的使用方法和统计应用，对软件界面、检验功效和样本含量估计结果均进行了详细的解释。内容包括PASS检验功效和样本含量估计入门，以及定量资料、定性资料、比率和计数资料、相关、回归、生存资料、诊断试验、交叉设计、成组序贯设计、整群随机设计等统计方法的检验功效和样本含量估计。

本书提供了24个多元分析程序，涉及多元回归分析、多因素分析、聚类分析和概率统计模型等内容。为了方便读者使用本书中所提供的程序，每个方法都对数学原理做了简要的论述，对程序的使用做了较为详细的说明，并附有实例和计算结果。
本书可供从事多元统计分析的研究人员使用，也可作为大专院校数据科学与大数据技术专业及相关专业教师、学生学习多元统计分析或程序设计的参考书。

本书较全面地介绍了小波方法在统计学中的应用以及R语言的实现过程。 书中首先介绍了小波理论，详细讨论了小波的重要特性，为小波方法在统计学中的应用奠定理论基础。然后以统计学的知识内容为背景，具体说明了小波在统计学中的应用方法：一是介绍了具有高斯噪声的等间隔数据在非参数回归问题中使用小波估计的多种方法；二是讨论了互相关联的非高斯数据问题，讨论了如何用小波进行置信区间估计、密度估计、生存和危险率估计等，以及相应逆问题的解决方案和函数稀疏性问题；三是分析了小波方法用于平稳和非平稳时间序列的问题；

随着统计技术的发展，结构方程模型等统计技术被广泛的应用在学术研究当中。但是目前国内针对结构方程模型的教材，大多偏向数理统计方向，尚未有针对从事社会科学或教育科学学生的教材。针对应用者，在实际研究中“会用”是核心问题，对于方法本身数理统计的部分，学生并不需要掌握太多。基于此，本教材旨在通过丰富的案例和教育科学、社会科学中的实际问题来讲解方法的使用情况，在讲述方法的时候同时揭示我国和国际的教育问题和社会问题。

　　《应用抽样技术（第2版）/“十三五”全国统计规划教材》系统介绍抽样理论的核心抽样方法，包括简单随机抽样、分层随机抽样、系统抽样、单级整群抽样、两级抽样、以及比率估计、回归估计等。此外，还介绍了无回答问题和捕获再捕获抽样的专题，希望读者了解抽样技术的理论发展前沿。
　　《应用抽样技术（第2版）/“十三五”全国统计规划教材》坚持以科学性作为抽样技术的应用前提。力图给出每种抽样方法统计性质的必要推导过程，便于具有概率统计基础知识的读者顺利阅读，有助于帮助读者准确理解抽样技术的使用方法和适用范

　　《统计大数据及应用/二十一世纪财经类应用型本科系列教材》从大数据概念、思维方法、系统架构及应用领域几个方面进行了简要介绍，再从分析的理论、方法和SPSS软件操作三个层次介绍了大数据分析的完整过程。数据分析强调数据分析理论、数据分析方法及与软件的衔接，在操作上以SPSS For Windows软件为基础。关于数据分析的方法，《统计大数据及应用/二十一世纪财经类应用型本科系列教材》主要介绍了大数据、数据可视化、参数检验、方差分析、非参数检验、相关分析、回归分析、聚类分析和判别分析、主成分分析和因

本书选择通用性较强的Excel软件，每章在简要介绍相关基础知识的基础上，对每个统计实验列明详细操作步骤和输出结果，并提供相应的实验习题，供学生练习使用。本书既可以作为各类高等院校经济、管理专业学生学习统计学的实验教材或教学参考书，也可以供经济管理人员阅读和参考。

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