前 言

对学生和学者来说，知道如何运用统计学来解决社会问题是一项关键技能。想要得

到和开发这样的技能需要理解不同统计技术（如线性回归模型、因子分析等）背后的原

理，同时学会使用灵活且用户界面友好的软件进行分析。在本书中，我们通过揭示每项

统计技术背后的原理并提供Stata软件的应用示例，试图帮助读者达到这两个重要目标。

基于我们的座右铭“万物皆回归”，我们将线性回归模型作为解释不同统计技术的首要

框架。

对线性回归模型的深入理解为学习其他统计技术打下了基础—不管这些技术是简

单的（如t检验）还是高级的（如结构方程模型）。这也是我们选择深入剖析线性回归

模型及其拓展技术的原因所在。在读过相关章节之后，你就会认识到线性回归模型可以

很好地替代传统的独立样本组间比较的方差分析（ANOVA）。线性回归方法也成为理

解多层次回归技术的纽带，而后者是分析重复测量数据时方差分析方法的有力替代。

若想从本书中有所获，读者最好具备关于基础统计学的背景知识，并对统计推断有

所了解。读者不需要具备使用Stata的经验，在将Stata应用于不同统计技术之前，我们

会用一章的内容来详细介绍该软件的使用方法。当你阅读本书的每一章时，我们强烈建

议你打开Stata软件，以便复制和重现相关统计分析的过程与结果。在此之前，你需要

登录网址https://study.sagepub.com/login?destination=node/30193，浏览并下载本书的配

套材料（如数据集、Stata代码、期刊文章示例等）。