数据分析与Stata应用（新编21世纪社会学系列教材）
定 价：58 元
丛书名：新编21世纪社会学系列教材
- 作者：杨菊华 杨磊
- 出版时间：2023/3/1
- ISBN：9787300314891
- 出 版 社：中国人民大学出版社
- 中图法分类：C819
- 页码：344
- 纸张：
- 版次：1
- 开本：16
本教材是基础统计知识和Stata软件应用的入门教材。教材由浅入深、由易到难，包括定量分析研究方法与过程、数据处理技术、描述性统计分析和推断性统计分析四部分，共十章内容，详细介绍了基础统计的理论知识和Stata软件的应用。教材注重定量研究整体性与数据分析的统一、数据处理与数据分析的统一、统计理论与实际应用的统一、描述分析与模型分析的统一。它以社会科学研究领域定量分析过程与方法为基础，手把手地培养读者的数据处理能力这一定量研究的基本功；它介绍统计学的基本原理、数据处理的思路和缘由、研究方法等，帮助初学者既知道要怎么做，也知道为什么要这样做；它还详细讲解了描述性统计分析方法，如何利用图表展示变量分布及相互关系，以及参数估计、假定检验、方差分析、线性回归和logistic回归相关内容。本教材不仅适合作为社会学、人口学、管理学等各相关专业数据分析类课程的教学用书，也可供有数据分析技能学习需求的读者阅读。
杨菊华，1963年9月生，先后毕业于武汉大学历史系、美国辛辛那提大学人类学系和布朗大学社会学系，现为中央民族大学教授，博士生导师。主要从事婚姻家庭、迁移流动等方面的研究。曾主持国家社科基金重大项目、教育部重大课题攻关项目、国家自然科学基金项目等。在《中国社会科学》等国内外权威期刊发表论文150余篇；出版《人口社会学》《数据管理与模型分析》《社会统计分析与数据处理技术》等教材和多部学术著作。研究成果获第八届高等学校科学研究优秀成果奖（人文社会科学）一等奖和北京市第十六届哲学社会科学优秀成果奖二等奖；研究专著入选《国家哲学社会科学成果文库》。
杨磊，北京航空航天大学公共管理学院副教授。2017年毕业于芬兰赫尔辛基大学，获社会学博士学位。目前研究领域主要包括人口老龄化、老年健康、社会政策等。在《人口与经济》、《人口与发展》、Age and Ageing、Journals of Gerontology-Series B-Psychological Sciences and Social Sciences、Aging & Mental Health等中英文学术期刊发表论文20余篇。主持教育部和民政部等省部级课题及各地局课题10余项，2019年获全国民政政策理论研究三等奖。
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 生成分类变量
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——增加观察值
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（collapse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 变量的集中趋势和离散趋势
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 相关关系分析
9.2 回归分析基础
9.3 一元线性回归分析和二元及多元线性回归分析
9.4 回归分析诊断
9.5 回归分析中的交互作用
第十章 logistic回归
10.1 二分类因变量回归模型
10.2 多分类因变量回归模型
10.3 序次因变量回归模型
参考文献
书单推荐
