本书的编写源于编者的海外学习经历，在美国哥伦比亚大学四年的学习和研究中，编者对Charles M．Judd和GarvH．McClelland两位学者1989年的。著述Data Anazysis：AModel—Comparison Approach印象深刻，感受颇深。该书在初等统计的基础上，实现了统计方法与实验设计的结合，其讲解思路非常适于初学者的学习，有利于无数学或理科背景的研究者和学生掌握相应的统计方法。编者回国后，以此著述为依据，连续六年为北京师范大学心理学院的硕士生和博士生开设心理学研究方法课程，受益良多。但在教授过程中，编者发现原著中的英文示例结构并不适于中国学生的学习。因此，编者为方便教学与学习，以该书为蓝本，在教学过程中结合中国学生的学习方式和特点，加入真实的中国数据，精炼内容，不断打磨讨论，最终形成本书。<br />目录<br />第1章 心理学研究方法概述<br />1．1　科学与心理学研究<br />1．2　心理学研究的特点和目的<br />1．3　因果关系<br />1．4　研究设计<br />1．5 小结<br />第2章 数据分析简介<br />2．1　数据和模型<br />2．2　数据分析的基本思路<br />2．3　最简单的模型<br />2．4　模型的检验<br />第3章　简单回归模型<br />3．1　模型的估计<br />3．2　双参数模型和单参数模型的比较<br />第4章　多重回归：多个连续预测变量的模型<br />4．1 多重回归模型<br />4．2 多重回归模型的统计推断<br />4．3　对偏回归系数的解释<br />4．4 多重回归应注意的几个问题<br />第5章　极端值和有不适当影响的数据<br />5．1　极端值<br />5．2　一个例子<br />5．3　预测指标Xi1，Xi2，…Xip是否异常<br />5．4　Yi是否异常<br />5．5 忽略Yk是否戏剧性改变b0，b1，…，bp<br />5．6　极端值检测概要<br />5．7　处理极端值<br />5．8　总结<br />第6章　交互作用和二次项回归——包含连续变量乘积的回归模型<br />6．1　预测变量间的交互作用<br />6．2　一种找出“简单”关系的通用方法<br />6．3　预测变量的检验力<br />6．4　更加复杂的非线性方程形式<br />第7章　单因素方差分析：包含分类变量的模型<br />7．1 两个水平的分类变量的模型<br />7．2　两个水平以上的分类预测变量<br />7．3　非均等单位规模的对照编码<br />7．4　βi的置信区间<br />7．5　非正交编码<br />第8章 因子设计方差分析——多个分类预测变量和乘积项<br />8．1 把因子方差分析转化为单因素方差分析<br />8．2　更好的编码<br />8．3　系数的解释<br />8．4　高阶的方差分析<br />8．5 因子设计方差分析中的其他细节<br />8．6 因子设计方差分析的统计检验力<br />8．7　总结<br />第9章　协方差分析——同时包含连续与分类预测变量的回归模型<br />9．1 在因子设计中控制一个连续变量<br />9．2 在实验设计情境之外，包含连续预测变量与分类预测变量的模型<br />第10章　重复测量的方差分析——误差不独立的模型<br />10．1 嵌套设计中的非独立性<br />10．2 交叉设计中的非独立性<br />10．3 多重被试内因子的设计<br />10．4　混合设计中的非独立性<br />10．5　更为复杂的设计<br />10．6　被试效应的总和<br />附录　临界值和检验力表