目 录 

1 研究与统计学 

1 

1.1 统计研究方法论 2 

1.2 统计方法 3 

1.3 统计推断的基本思想 5 

1.3.1 概率论 5 

1.3.2 总体规模 6 

1.3.3 研究总体时为什么需要显著性水平？ 8 

1.4 通用法则和理论 8 

1.4.1 客观性和批判现实主义 9 

1.5 定量研究论文 10 

1.6 总结 12

问题 13

延伸阅读 13

参考文献 14 

2 Stata简介 

17 

2.1 Stata是什么？ 18 

2.1.1 Stata界面 18 

VIII

Stata统计分析：社会科学应用指南 

2.1.2 如何使用 

Stata 20 

2.2 数据输入和导入 22 

2.2.1 输入数据 22 

2.2.2 导入数据 23 

2.3 数据管理 24 

2.3.1 打开数据 25 

2.3.2 检查数据 25 

2.3.3 修改变量 27 

2.3.4 生成变量 29 

2.3.5 数据子集 32 

2.3.6 标记变量 32 

2.4 描述性统计和图 33 

2.4.1 频率分布 33 

2.4.2 汇总统计 35 

2.4.3 纵向合并数据 38 

2.4.4 横向合并数据 39 

2.4.5 数据变型 40 

2.5 双变量统计推断 41 

2.5.1 相关 41 

2.5.2 独立 

t检验 41 

2.5.3 方差分析（ANOVA） 42 

2.5.4 卡方检验 43 

2.6 总结 44

问题 45

延伸阅读 45 

3 简单（双变量）回归 

47 

3.1 什么是回归分析？ 48 

3.2 简单线性回归分析 49 

目 录 

IX

3.2.1 普通最小二乘法 52 

3.2.2 拟合优度 54 

3.2.3 斜率系数的假设检验 57 

3.2.4 线性回归预测 59 

3.3 Stata实例 60 

3.4 总结 64

问题 64

延伸阅读 65

参考文献 65 

4 多元回归 

67 

4.1 多元线性回归分析 68 

4.1.1 估计 69 

4.1.2 拟合优度和 

F检验 70 

4.1.3 调整 

R2 71 

4.1.4 偏回归系数 71 

4.1.5 多元回归预测 73 

4.1.6 标准化和相对重要性 74 

4.2 Stata实例 75 

4.3 总结 81

问题 82

延伸阅读 82

参考文献 83 

5 虚拟变量回归 

85 

5.1 为什么使用虚拟变量回归？ 86 

5.1.1 生成虚拟变量 86 

5.1.2 虚拟变量回归的原理 89 

X

Stata统计分析：社会科学应用指南 

5.2 含有一个虚拟变量的回归 89 

5.2.1 Stata示例 90 

5.3 含有一个虚拟变量和一个协变量的回归 91 

5.3.1 Stata示例 93 

5.4 含有多个虚拟变量的回归 94 

5.4.1 Stata示例 96 

5.4.2 比较纳入组 97 

5.5 含有多个虚拟变量和一个协变量的回归 101 

5.5.1 Stata示例 102 

5.6 含有两组不同虚拟变量的回归 103 

5.6.1 Stata示例 105 

5.7 总结 107

问题 108

延伸阅读 108

参考文献 109 

6 回归中的交互 

/调节效应 

111 

6.1 交互 

/调节效应 112 

6.2 乘积项方法 

113 

6.2.1 一个连续预测变量与一个连续调节变量间的交互 115 

6.2.2 一个连续预测变量与一个虚拟调节变量间的交互 119 

6.2.3 一个虚拟预测变量与一个虚拟调节变量间的交互 123 

6.2.4 一个连续预测变量和一个多分类调节变量间的交互 125 

6.3 总结 131

问题 132

延伸阅读 132

参考文献 133 

目 录 

XI

7 线性回归的假设与诊断 

135 

7.1 正确设定模型 137 

7.1.1 所有有关的 

X变量，而没有无关的 137 

7.1.2 线性 139 

7.1.3 可加性 148 

7.1.4 不存在多重共线性 148 

7.2 残差的假设 150 

7.2.1 误差项的条件均值为零 150 

7.2.2 同方差 151 

7.2.3 不相关的误差 152 

7.2.4 正态分布误差 153 

7.3 强影响点 155 

7.3.1 杠杆作用 155 

7.3.2 DFBETA 156 

7.3.3 库克距离 157 

7.4 总结 159

问题 160

延伸阅读 160

参考文献 160 

8 logistic回归 

163 

8.1 什么是 

logistic回归？ 165 

8.1.1 假设检验 168 

8.2 logistic回归的假设 169 

8.2.1 Stata示例 171 

8.3 条件效应 178 

8.4 诊断 180 

8.5 多类 

logistic回归 183 

XII

Stata统计分析：社会科学应用指南 

8.6 有序 

logistic回归 188 

8.7 总结 192

问题 193

延伸阅读 193

参考文献 194 

9 多水平分析 

197 

9.1 多水平数据 199 

9.1.1 使用多水平分析的统计学原因 202 

9.2 空模型或截距模型 203 

9.2.1 Stata示例 205 

9.3 方差分解或组内相关 206 

9.4 随机截距模型 207 

9.5 水平 

2解释变量 209 

9.5.1 因变量被解释的量 211 

9.6 logistic多水平模型 212 

9.7 随机系数（斜率）模型 213 

9.8 交互效应 216 

9.9 三水平模型 219 

9.9.1 交叉分类多水平模型 223 

9.10 加权 223 

9.11 总结 

225

问题 226

延伸阅读 226

参考文献 227 

10 面板数据分析 

229 

10.1 面板数据 230 

目 录 

XIII

10.2 混合 

OLS 233 

10.3 组间效应 239 

10.4 固定效应（组内估计） 243 

10.4.1 解释固定效应 244 

10.4.2 固定效应总结 252 

10.4.3 时间固定效应 252 

10.5 随机效应 253 

10.6 时间序列横截面方法 255 

10.6.1 非平稳性检验 259 

10.6.2 滞后选择 262 

10.6.3 TSCS模型 263 

10.7 二分类因变量 264 

10.8 总结 268

问题 269

延伸阅读 269

参考文献 270 

11探索性因子分析 

273 

11.1 什么是因子分析？ 

274 

11.1.1 因子分析的用途 276 

11.2 因子分析过程 

276 

11.2.1 提取因子 277 

11.2.2 确定因子数量 280 

11.2.3 旋转因子 281 

11.2.4 提炼和解释因子 283 

11.3 综合得分和信度检验 

285 

11.4 Stata示例 286 

11.5 总结 

292

问题 293 

XIV

Stata统计分析：社会科学应用指南

延伸阅读 293

参考文献 294 

12 结构方程模型和验证性因子分析 

297 

12.1 什么是结构方程模型？ 298 

12.1.1 结构方程模型的类型 299 

12.2 验证性因子分析 301 

12.2.1 模型设定 301 

12.2.2 模型识别 303 

12.2.3 参数估计 305 

12.2.4 模型评价 306 

12.2.5 模型修正 314 

12.3 潜路径分析 316 

12.3.1 LPA模型的设定 317 

12.3.2 测量部分 318 

12.3.3 结构部分 322 

12.4 总结 324

问题 325

延伸阅读 325

参考文献 326 

13 重要问题 

329 

13.1 变量变换 330 

13.1.1 偏度和峰度 330 

13.1.2 变换 333 

13.2 加权 335 

13.3 稳健回归 338 

13.4 缺失数据 342 

目 录 

XV

13.4.1 处理缺失数据的传统方法 343 

13.4.2 多重填补 346 

13.5 总结 353

问题 353

延伸阅读 354

参考文献 354