社会统计分析与数据处理技术

本书是“21世纪人口学系列教材”之一，该书以Stata的第9版为例，详细介绍了STATA软件在社会科学研究领域的应用。全书共分十个章节，具体内容包括社会科学研究方法与过程、Stata入门、变量的生成与处理、数据的描述、图形的制作与数据的描述等。该书可供各大专院校作为教材使用，也可供从事相关工作的人员作为参考用书使用。

事物之间彼此联系，这些联系有其内在机制，并且以多样形式而存在。社会科学研究就是要发现这些形式，并解释这些机制。系统的研究理论、科学的研究方法、合理的研究步骤有助于更好地发现关联事物之间的显性和潜在规律。西方社会科学研究积累了大量的理论和方法，而在中国，由于研究对象的复杂性及量化水平偏低，社会科学研究至今依然停留在规范研究领域，侧重于理论思辨和逻辑推理，以事实为依据的实证研究才刚刚起步。     20世纪80年代以来，西方现代社会统计技术开始传入，定量分析方法得到推广。过去20年来，包括SPSS和SAS在内的一些统计软件在中国也逐步得到应用。其中SPSS传入中国较早，简便易学，故国内使用者众多；SAS功能十分强大，但学习应用相对比较困难，应用范围较小。这些软件凭借先入优势，占据了一定的市场，影响其他功能更强大、使用更方便的软件的进入，在西方社会科学分析中常用的Stata软件就是一例。虽然已经开始有了许多使用者，但是配套的教材却很稀缺。     鉴于以上情况，作者编写了《社会统计分析与数据处理技术——STATA软件的应用》一书，本书以Stata的第9版为例，详细介绍该软件在社会科学研究领域的应用。本书采取循序渐进的原则，由浅入深，由易到难。在遵循国外相关教材的体例的基础上，也考虑到国内学习者目前定量研究的数据处理能力，重点放在数据的处理上。与一般的Stata的使用手册不同，本书除介绍Stata的一些具体使用方法外，在一些章节还介绍相关的统计原理、数据处理的思路和缘由、研究方法等。     本书共分为四部分。第一部分介绍社会科学研究领域的定量分析过程与方法，作为社会统计、数据分析的理论指导。考虑到许多研究者对Stata软件还比较陌生，本书前面章节系统介绍了Stata的一些基本特征以及数据的读入与描述。     第二部分为数据处理，包括变量的生成、处理，以及数据分组、合并、转换两部分。这是该书的重点，也是本书拥有特色之处，许多有关统计软件应用的书籍均未涉及。而该技能也是目前定量研究者最为缺乏的。     第三部分为描述性分析，包括变量描述和图形的制作。前者是指获得变量的频数分布、均值等统计量，列联表的生成及解释等等。后者介绍Stata制图功能。与其他软件相比，Stata的制图功能十分强大。     第四部分是推断性统计，包括参数估计、假定检验、方差分析、一元和多元线性回归（OLS）和二元非线性（logistic）回归等内容。     为了方便读者，本书附有光盘一张，内容包括：     （1）每章正文使用的数据及数据处理程序。     （2）每章复习思考题使用的数据及答案程序。     （3）1989-2006年“中国健康与营养调查”（China Health and Nutrition Survey，简称CHNS）部分公开使用数据，可供读者练习使用。CHNS数据由美国北卡罗来纳大学和中国预防科学医学院联合采集。该调查旨在探讨中国社会和经济转型与计划生育政策对人们健康和营养的影响。关于该数据的详细情况和具体内容，请参考http://www.cpc.unc.edu/projects/china。     读完本书后，读者不仅可以掌握一定的社会统计分析原理和数据处理的技能，而且还可以掌握Stata软件的基本应用方法。当然，统计分析只是整个研究过程中的一个步骤，其具体实施还依赖于理论的指导。     本书的适用范围和读者对象包括社会学科的学生以及Stata统计软件的使用者。在国内社会学和人口学定量分析方法需求不断发展的情况下，希望本书能为专业教学和普及培训提供一本通用的教材，对国内定量研究方法的深入和发展起到推动作用。

第一部分  定量分析研究过程与方法   第一章  社会科学研究方法与过程     1.1  理论的作用     1.2  提出问题     1.3  生成假定     1.4  收集数据     1.5  分析数据     1.6  检验假定     1.7  陈述分析结果、避免误用分析结果 第二部分  数据处理技术   第二章  Stata入门     2.1  特点与功能     2.2  版本     2.3  运行方式     2.4  界面     2.5  帮助系统     2.6  语法和命令     2.7  本书的体例   第三章  Stata数据的读入与熟悉     3.1  Log（记录）文件     3.2  数据的记忆（存储）空间     3.3  数据的读入     3.4  数据的保存     3.5  数据的类型与压缩     3.6  数据库的描述   第四章  变量的生成与处理     4.1  变量的测量水平     4.2  新变量的生成、规则及注意事项     4.3  利用系统变量（下划线变量）生成变量     4.4  生成字符型变量     4.5  生成数值型变量     4.6  生成分组变量     4.7  生成虚拟变量     4.8  egen命令     4.9  日期变量     4.10  变量类型的转换     4.11  给数据、变量和变量的属性贴标签     4.12  重新命名变量   第五章  数据的合并、转换与集合     5.1  数据合并中的几个主要概念     5.2  纵向合并——增加样本量     5.3  横向合并——增加变量     5.4  数据的转换（reshape）     5.5  数据的分组（group）     5.6  数据的集合（Collapsc和Contract） 第三部分  描述性统计分析   第六章  数据的描述     6.1  频数分布     6.2  条件频数分布     6.3  频数分布的常见错误分析及解决方法     6.4  变量的中央趋势和离散趋势     6.5  描述数值型数据统计量的其他方法     6.6  列联表   第七章  图形的制作与数据的描述     7.1  散点图     7.2  线图     7.3  条形图     7.4  直方图     7.5  圆形图（饼图）     7.6  箱线图     7.7  矩阵图     7.8  图形的保存、编辑与合并 第四部分  推断性统计分析   第八章  参数估计、假定检验与方差分析     8.1  参数估计     8.2  假定检验     8.3  方差分析   第九章  线性回归     9.1  变量间的相关关系     9.2  线性回归概述     9.3  一元线性回归     9.4  多元线性回归   第十章  Logisitc（非线性）回归     10.1  基本原理     10.2  回归模型     10.3  模型的估计方法     10.4  模型的应用与分析结果的解释 部分复习思考题参考答案与提示 参考文献 后记