内容简介
本书源于作者多年教授回归分析的课程讲义。从基本的统计概念讲起，对线性回归分析的基本假定、回归中的统计推论和回归诊断做了详尽的介绍，同时还涵盖了对很多在社会科学中实际研究非常有用的内容，包括虚拟变量、交互作用、辅助回归、多项式回归、样条函数（spline function）回归和阶跃函数（step function）回归等。此外，本书还涉及到通径分析、纵贯数据模型、多层线性模型和logit模型等作为基本线性回归分析扩展和延伸。
作者简介
谢宇，美国密歇根大学Otis Dudley Duncan教授，任职于密歇根大学社会学系、统计系与公共政策学院，同时也是密歇根大学中国研究中心、人口研究中心教授，北京大学“千人计划”讲席教授，北京大学中国社会科学调查中心学术委员会主席。2004年当选美国艺术与科学院院士和台湾中研院院士，2009年当选美国国家科学院院士。其主要研究领域为社会分层、研究方法与统计、人口学、科学社会学和中国研究。主要著作有《分类数据分析的统计方法》《科学界的女性》《美国亚裔的人口统计描述》《婚姻与同居》《美国的科学在衰退吗？》等。
本书目录
内容摘要
我一直认为，社会科学与物理学存在本质上的差别。社会科学的分析单位是异质性的或彼此区别的，而物理学的分析单位则被假定为同质性的或可相互替换的。我将社会科学这一重要而普遍的属性称作“变异性原理”(Variability Principle )。
由于变异性原理的存在，社会科学要发掘出“放之四海而皆准”的规律注定是困难的，甚至是不可能的，尤其在个体层次上更是如此。正因为这个原因，社会科学似乎是一门软性的、不严谨的科学。这也是许多学者一直对社会科学中的定量方法提出质疑而偏好定性方法的主要原因。
然而，那些主张定性方法的学者并没有意识到，使定量方法遭到质疑的特性——变异性——也同样使定性研究遭到质疑，甚至问题更为严重。例如，因为每一个分析单位都不同于另一个分析单位，建立在单一个案基础上的定性研究得出的结论很可能会因案例的选择而发生根本性的改变。
我曾说过，“尽管带有自身的缺陷、局限和不完善，定量方法依然是理解社会及其变迁的最佳途径。在黑格尔哲学的意义上，那些使定量社会学不可靠、成问题的特征恰恰同时使它成为研究社会现象的不可缺少的工具，即……变异性原则。变异是人类社会的本质。没有一种定量的方法，我们就无法表述这种变异性。其他可供选择的方法，比如思辨、内省、个人体验、观察和直觉，确实也能增进我们的理解。不过，我大胆地提出，它们能够起到补充作用，但不应取代定量方法成为当代社会学的核心”。
本书所介绍的统计方法常用于描述社会现象的属性、规律性以及变异性，这些方法可被纳入回归分析这一广义范畴中。毋庸讳言，这些方法都有缺陷，因为它们都难以精确地反映复杂的社会现实，但这并不妨碍它们成为社会科学研究的有用工具。有的学生或许会有这样的错觉，即社会科学研究中存在某种完美的方法，或者某些方法本质上优于另一些方法。事实并非如此。没有一种完美的方案可以解决社会科学中所有方法论上的难题，也没有哪种方法能在一切情境中都必然地优于另一些方法。最好的方法就是最适用于既定研究情境的方法。
所有社会科学中的统计方法都存在这样或那样的缺陷。因此，对我们而言，重要的是能够在将这些方法有效地运用到研究情境之前就知道它们的局限以及为什么会有这些局限。在本书中，我们特别关注了社会科学应用中各种统计方法的局限性以及在适用条件下改进这些方法的途径。权衡取舍在实践中普遍可见，因此，我希望学生们能够以灵活的思维来学习这些统计方法。通常，方法论上更大的解释力来自更多的信息或是更丰富的数据，或是更强的理论基础。1996年，我在《美国社会学杂志》上评论CharlesManski发表于1995年讨论社会科学中识别问题的著作时，曾指出，“当观测数据不足时，我们只有通过强假定来获得清晰的结果。统计学中没有免费的信息。要么你收集它，要么你假定它”。
——摘自本书序言
编辑：郭 潇
校对：张心雨
审核：杜天翔
