白话统计

一本书如果没有作者自己的观点，而只是知识的堆叠，那么这类书是没有太大价值的。尤其在当前网络发达的时代，几乎任何概念和知识点都可以从网络上查到。但是有一点你很难查到，那就是统计分析的思路和观点。比如，你可以很容易地在网上查到什么是线性回归，但你却查不到怎么“做”线性回归分析，在你遇到实际数据时仍然不知道如何分析。在本书中，你可以获得这些思路和观点。尽管这些观点未必是所有人都认可的，但根据笔者多年的分析经验，它们在实践中通常是奏效的。
《白话统计》凝结了作者冯国双十多年来对统计分析的理解，对各种方法的介绍采用全新的理念和思路，不再是介绍方法本身，而是试图将各种方法之间的联系阐述清楚；不再是介绍方法如何计算出结果，而是尽量说明方法背后的思想。当然，本书同时提供了如何实现结果的软件（涵盖SAS、R、JMP、SPSS等）操作。

冯国双，北京大学医学部博士，具有十多年的数据统计分析经验，知名统计学平台“小白学统计”的创始者与维护者。已主编多部统计学专著，出版《小白学SAS》，同时兼任多个与统计有关的学术委员会委员。
兴趣爱好：在热爱统计分析之余，还对古玩奇石、盆景制作和诗词鉴赏略有心得。

第1篇基础篇
第1章为什么要学统计2
1.1统计学有什么用3
1.2生活世事皆统计4
1.3如何学统计4
第2章变异——统计学存在的基础6
2.1随机与变异6
2.2特朗普与罗斯福的胜出——抽样调查到底可不可靠8
2.3什么是抽样误差9
第3章郭靖的内力能支撑多久——谈概率分布11
3.1累积分布与概率密度的通俗理解12
3.2是生存还是死亡？这是一个问题——用Weibull分布寻找生存规律16
3.32003年的那场SARS——用Logistic分布探索疾病流行规律20
3.4“普通”的正态分布23
3.5几个常用分布——t分布、χ2分布、F分布28
第4章关于统计资料类型的思考35
4.1计数资料等于分类资料吗36
4.2计数资料可否采用连续资料的方法进行分析37
4.3分类资料中的无序和有序是如何确定的38
4.4连续资料什么时候需要转换为分类资料39
4.5连续资料如何分组——寻找cut—off值的多种方法41
4.6什么是虚拟变量／哑变量47
第5章如何正确展示你的数据52
5.1均数和中位数——你被平均了吗53
5.2方差与标准差——变异的度量54
5.3自由度——你有多少自由活动的范围56
5.4百分位数——利用百分数度量相对位置57
5.5如何比较苹果和橘子——利用Z值度量相对位置59
5.6某百岁老人调查报告说：少运动才能活得久——谈一下比例和率61
5.7在文章中如何正确展示百分比63
第6章寻找失踪的运动员——中心极限定理64
6.1中心极限定理针对的是样本统计量而非原始数据65
6.2样本量大于30就可以认为是正态分布了吗67
第7章从“女士品茶”中领会假设检验的思想70
7.1女士品茶的故事70
7.2零假设和备择假设72
7.3假设检验中的两类错误73
7.4P值的含义76
7.5为什么P值小于0.05（而不是0.02）才算有统计学意义78
7.6为什么零假设要设定两组相等而不是两组不等79
第8章参数估计——一叶落而知秋81
8.1点估计81
8.2最小二乘估计82
8.3优选似然估计84
8.4贝叶斯估计86
第9章置信区间估计——给估计留点余地88
9.1置信区间的理论与实际含义88
9.2置信区间与P值的关系90
9.3利用标准误计算置信区间91
9.4利用Bootstrap法估计置信区间92
第2篇实用篇
第10章常用统计方法大串讲98
10.1一般线性模型——方差分析与线性回归的统一99
10.2广义线性模型——线性回归与Logistic回归的统一103
10.3广义可加模型——脱离“线性”束缚107
10.4多水平模型——打破“独立”条件112
10.5结构方程模型——从单因单果到多因多果119
第11章正态性与方差齐性127
11.1用统计检验方法判断正态性127
11.2用描述的方法判断正态性130
11.3方差分析中的方差齐性判断133
11.4理解线性回归中的方差齐性135
第12章t检验——不仅是两组比较138
12.1从另一个角度来理解t检验138
12.2如何正确应用t检验140
12.3t检验用于回归系数的检验141
12.4t检验的替代——Wilcoxon秩和检验142
第13章方差分析与变异分解145
13.1方差分析中变异分解的思想145
13.2为什么回归分析中也有方差分析147
13.3铁打的方差分析，流水的实验设计148
13.4方差分析后为什么要进行两两比较152
13.5多重比较方法的选择建议154
13.6所有的多组都需要做两两比较吗——兼谈固定效应和随机效应164
13.7重复测量方差分析详解166
13.8方差分析的替代——Kruskal—Wallis秩和检验176
13.9多组秩和检验后的两两比较方法178
第14章卡方检验——有“卡”未必走遍天下181
14.1卡方检验用于分类资料组间比较的思想181
14.2卡方用于拟合优度评价——从Hardy—Weinberg定律谈起184
14.3似然比χ2、M—Hχ2、校正χ2与Fisher准确检验186
14.4等级资料到底可不可以用卡方检验191
14.5卡方检验的两两比较193
14.6Cochran—Armitage趋势检验194
14.7分类变量的赋值是如何影响分析结果的196
第15章相关分析与一致性检验200
15.1从协方差到线性相关系数200
15.2线性相关系数及其置信区间203
15.3如何比较两个线性相关系数有无差异206
15.4分类资料的相关系数207
15.5基于秩次的相关系数210
15.6相关分析中的几个陷阱213
15.7用ICC和CCC指标判断一致性215
15.8用Bland—Altman图判断一致性218
15.9Kappa检验在一致性分析中的应用219
第16章线性回归及其分析思路222
16.1残差——识别回归模型好坏的关键223
16.2回归系数的正确理解226
16.3回归系数检验VS模型检验227
16.4均值的置信区间VS个体的预测区间228
16.5逐步回归筛选变量到底可不可靠——谈变量筛选策略230
16.6如何评价模型是好还是坏——交叉验证思路237
16.7线性回归的应用条件——你的数据能用线性回归吗240
16.8如何处理非正态——Box—Cox变换247
16.9如何处理非线性——Box—Tidwell变换248
16.10方差不齐怎么办——加权最小二乘法250
16.11当共线性导致结果异常时怎么办——岭回归、Lasso回归254
16.12发现异常值应该删除吗——谈几种处理异常值的方法260
16.13如何处理缺失值——是删除还是填补268
16.14一个非教材的非典型案例——线性回归的综合分析276