愛上統計學：使用R語言（附練習題與解答）
Statistics for People Who (Think They) Hate Statistics Using R•1st Edition
原文作者╱
 Neil J. Salkind、Leslie A. Shaw
作　　者╱
 尼爾•J•薩爾金德、萊絲莉•A•肖
譯　　者╱
 余峻瑜
出版社別╱
 五南
出版日期╱
2023/03/08   (1版 2刷)
  
即日起五南舊官網僅提供書籍查詢，如欲購書，請至五南新官網 https://www.wunan.com.tw/
I  S  B  N ╱
 978-986-522-453-0
書　　號╱
 1H2L
頁　　數╱
 592
開　　數╱
 16K
定　　價╱
 680
教學資源╱
 投影片((外加)),題庫(隨書附送)


YA！我喜歡統計學！R語言版來了！
你也許常聽到「統計學好難喔」、「念統計有什麼用」這樣的話，
那只是很少人發現統計學的魅力，這本書將顛覆你的刻板印象！
外表看似枯燥又艱深，骨子裡卻是有趣又實用，
講解觀念親切生動，讓你一不小心就愛上統計學了。

※每章均附「真實世界的統計」，讓你知道統計其實默默地貼近你的生活。
※互動式學習網站加深你與統計學的情感連結。
※本書附有資料檔，請至五南官網輸入本書書號，即可找到資料下載處。

學統計學也可以很輕鬆！
讀者千呼萬喚的R語言版也出來囉！
這是一本關於基礎統計學，以及在不同情況下，如何應用統計學分析和理解資料的書。本書理論的部分、數學證明或特定數學程式的討論很少。為什麼呢？很簡單，因為目前的你還不需要。
這本書針對學生而寫，但並非降低標準，而是盡可能給予充分資訊，展現基本概念及最常用的技術。本書也沒有設定在接觸之前需要具備什麼知識，全書進度安排得宜，讓學生按自己的節奏安排進度。
本書將教你如何精準善用統計學，搭配廣泛運用於統計領域的R語言，讓它成為你研究或工作上最好的夥伴。

尼爾•J•薩爾金德（Neil J．Salkind, 1947∼2017）

於堪薩斯大學心理學和教育學系執教35年，同時兼任人類發展和家庭生活系的教授。35年來，開設的課程有發展理論、生命全程發展理論、統計學和研究方法。
獲得馬里蘭大學人類發展博士學位，發表了150多篇專業文章及一些大學教材，如《兒童發展、探索性研究和人類發展理論導論》(Sage，2004)。他也是1989~2002年《兒童發展摘要與傳記》的編輯。在兒童發展研究領域很活躍，在貿易領域也有頗多著述。喜歡烹飪、游泳、閱讀、藏書及尋找古董車和老舊建築。

萊絲莉•A•肖（Leslie A. Shaw）

堪薩斯大學心理學博士，專精於定量心理學。曾於堪薩斯大學發育障礙中心從事博士後研究，後於康奈爾大學就業與殘疾研究所擔任研究助理，與人共同發表了20多篇文章，同時擔任《知識與發展障礙》雜誌的統計顧問。現居紐約伊薩卡，喜歡讀書、旅行。
※譯者簡介
余峻瑜
余峻瑜

現職：臺灣大學工商管理學系暨商學研究所專任助理教授
學歷：英國牛津大學應用統計博士　　　　　　　
專長領域：
•作業分析學進行服務與營運模式創新
•以資料科學、管理科學及系統模擬進行服務最佳化
•系統思考及系統動力學之應用
•複雜決策之問題解構
•作業策略及行為作業管理
•設計思考與使用者研究

關於作者
序言
致謝
電子資源

PART I 耶！我喜歡統計學
1 統計學或虐待學？由你自己決定
　　為什麼要學習統計學？
　　五分鐘統計學簡史
　　統計學：它是什麼（以及它不是什麼）
　　我在統計學課堂上做什麼
　　使用這本書學習統計學的十種方式
　　這本書還涵蓋了哪些範圍呢？
　　小結

PART II 歡迎來到這個有趣、有用、有彈性、好玩、而且（非常）深入的R語言及RStudio的世界
2 這裡就是你跟R的初戀與緣分的起點
　　R語言的極簡史
　　R語言的優點
　　R語言的缺點
　　其他使用R的理由？
　　給你（以及你的老師）一個關於開源軟體的簡短註解
　　去哪裡尋找並下載R
　　R的套件及函式
　　格式注意事項
　　一堆免費的資料集！
　　在R中尋求幫助
　　用help來尋求幫助
　　一些重要的專門術語
　　去哪裡尋找並下載RStudio
　　我們來玩一下RStudio吧
　　從RStudio操作
　　小結
3 使用RStudio──比你想像中容易
　　盛大的旅程及四個窗格
　　RStudio 窗格的好處
　　小試身手─—使用剛才介紹的目錄、標籤、及一個樣本資料集來使用RStudio吧！
　　基本知識：+, -, ？ , *, 和更多：使用運算符處理資料
　　讓我們看看工作空間中的內容
　　讀取已存在的資料集
　　糟糕！你如何更正命令列錯誤？
　　指向或單擊以打開資料集
　　計算某些統計值
　　關於R和RStudio的十大重要事項（非依據重要程度排序）
　　小結

PART III 西格瑪•佛洛伊德 (Σigma Freud) 和敘述統計
4 必須完成的功課」──計算和瞭解平均值
　　計算平均數
　　計算中位數
　　計算眾數
　　集中趨勢測量數的選擇（以及現在你所需要知道的測量尺度）
　　應用電腦和計算敘述統計值
　　真實世界的統計
　　小結
5 差異萬歲─—瞭解變異性
　　為什麼瞭解變異性很重要
　　計算全距
　　計算標準差
　　步驟引導
　　重要的是什麼？
　　計算變異數
　　標準差與變異數
　　使用R 計算變異性測量數
　　真實世界的統計
　　小結
6 一幅圖真的相當於千言萬語
　　為什麼要用圖形表示資料？
　　完成一張好圖的十種方法
　　第一要事：建立次數分配
　　圖變厚了：建立直方圖
　　下一步驟：次數多邊形圖
　　累積次數
　　其他圖示資料的絕妙方法
　　使用電腦(R)呈現資料
　　真實世界的統計
　　小結
7 霜淇淋和犯罪──計算相關係數
　　相關係數到底是什麼？
　　計算簡單相關係數
　　瞭解相關係數的涵義
　　決定性的努力：將相關係數平方
　　輸入資料來計算相關係數
　　透過匯入文件來計算相關係數
　　其他很酷的相關
　　談一談部分相關
　　用R來計算部分相關
　　真實世界的統計
　　小結
8 只是真相──瞭解信度和效度
　　信度和效度介紹
　　信度：再做一次，直到做對
　　信度的不同類型
　　計算a係數或克隆巴赫係數
　　使用R計算克隆巴赫 (Cronbach) 係數
　　瞭解R呈現結果的意涵
　　多大才是大？解釋信度係數
　　效度─—哇！真相是什麼？
　　最後的友善建議
　　信度和效度：非常親密的兄弟
　　真實世界的統計
　　小結

PART IV 抓住獲得樂趣和利潤的機會
9 假設和你─—檢定你的問題
　　因此你想成為一位科學家……
　　樣本和母體
　　虛無假設 (Null Hypothesis)
　　研究假設 (Research Hypothesis)
　　好的假設標準是什麼？
　　真實世界的統計
　　小結
10 來和鐘形曲線玩耍吧─—機率和機率的重要性
　　為什麼是機率？
　　常態曲線（或鐘形曲線）
　　我們最中意的標準分數：z分數 (z score)
　　假設檢定和z分數：第一步
　　環肥燕瘦的分布型態
　　真實世界的統計
　　小結

PART V 顯著性差異─—使用推論統計
11 顯著的顯著性─—對你我來說，它意味著什麼
　　顯著性的概念
　　顯著性與有意義 (meaningfulness)
　　推論統計介紹
　　顯著性檢定介紹
　　變得更有信心
　　真實世界的統計
　　小結
12 只有孤單一個──單一樣本Z檢定
　　單一樣本z檢定的介紹
　　通往智慧和知識的道路
　　計算檢定統計量
　　使用R來做z檢定
　　特殊效果：這是真正的差異嗎？
　　真實世界的統計
　　小結
13 兩個群體的t檢定─—不同群體的平均數檢定
　　獨立樣本t檢定的介紹
　　通往智慧與知識的道路
　　計算t檢定統計量
　　t(EA) 的效應量
　　使用R來計算t檢定量
　　真實世界的統計
　　小結
14 兩個群體的t檢定─—相關群體的平均數檢定
　　相依樣本t檢定的介紹
　　通往智慧與知識的道路
　　計算檢定統計量
　　使用R進行t檢定
　　t(EA) 的效應量（再一次）
　　真實世界的統計
　　小結
15 兩個群體是否太多？─—嘗試進行變異數分析
　　變異數分析的介紹
　　通往智慧與知識的道路
　　ANOVA 的不同選擇
　　計算F檢定統計量
　　使用R計算F比率
　　簡單變異數的效應量
　　但差異在哪呢？
　　真實世界的統計
　　小結
16 兩個以上的因子─—因子變異數分析的簡要介紹
　　因子變異數分析的介紹
　　通往智慧與知識的道路
　　ANOVA的新選擇
　　一堆效應
　　主要事件：因子ANOVA的主效應
　　其他列
　　按組別繪製平均值
　　或許更有趣的：交互效應
　　關於變異的假設
　　使用R計算F檢定統計量
　　計算效應量對於因子變異數分析
　　真實世界的統計
　　小結
17 親戚或只是好朋友？─—用相關係數檢定關係
　　相關係數檢定之簡介
　　通往智慧與知識的道路
　　計算檢定統計量
　　原因與相關（再一次！）
　　使用電腦計算相關係數
　　真實世界的統計
　　小結
18 使用線性迴歸─—預測未來
　　線性迴歸簡介
　　預測是怎麼一回事
　　預測的邏輯
　　為你的資料繪製最佳直線
　　我們的預測有多好？
　　使用R計算迴歸直線 　
　　瞭解R的輸出報告
　　預測變數越多就越好？可能……
　　真實世界的統計
　　小結

PART VI 更多統計！更多工具！更多樂趣！
19 卡方和其他無母數檢定─—非常態時該如何
　　無母數統計的介紹
　　配適度（單樣本）卡方檢定
　　計算卡方檢定統計量
　　獨立性卡方檢定
　　計算獨立性卡方檢定的統計量
　　使用R進行卡方檢定
　　瞭解R的輸出報告
　　你應該瞭解的其他無母數檢定
　　真實世界的統計
　　小結
20 你應該瞭解的其他重要統計方法
　　多變量變異數分析 (Multivariate Analysis of Variance)
　　重複量測的變異數分析 (Repeated-Measures ANOVA)
　　共變異數分析 (Analysis of Covariance, ANCOVA)
　　多元迴歸 (Multiple Regession)
　　多層次模型 (Multilevel Models)
　　後設分析 (Meta-Analysis)
　　邏輯斯迴歸 (Logistic Regression)
　　因素分析 (Factor Analysis)
　　路徑分析 (Path Analysis)
　　結構方程式模型 (Structural Equation Modeling)
　　小結

附錄A R和RStudio帶來更多樂趣
附錄B 表
附錄C 資料集
附錄D 練習題答案
附錄E 數學─—只是基礎而已
附錄F 10個（或更多）最佳（和最有趣）的統計網址
附錄G 資料蒐集的10 個誡律
附錄H 統計術語
附錄I 給你的獎賞—布朗尼食譜
Python量
化研究實作：D
eepnote
雲端平台應用
SPSS操作與
應用：問卷統計
分析實務（附資
料檔）
結構方程模型分
析：JASP的
運用
給論文寫作者的
進階統計指南：
傻瓜也會跑統計
Ⅱ (SPSS
+R)
問卷設計：如何
規劃、建構與編
寫有效市場研究
之調查資料
破案而非破頭：
論文解謎初學者
指南
投影片((外加)),題庫(隨書附送)

若要索取未隨書附送(外加)且未於此提供下載的教學資源，請詳洽業務人員(02-27055066#824)(僅提供教師使用)

1H2L DATA.ZIP



1 統計學或虐待學？由你自己決定

為什麼要學習統計學？
　　你以前一定都聽過，「統計學很難」、「統計學的相關數學很難應付」、「我不知道怎麼用電腦」、「學統計有什麼用」、「接下來要做什麼」，還有就是統計學入門課程學生的吶喊，「我就是不懂！」
　　好啦，放輕鬆。學習統計學入門課程的學生，在和其他學生或他們的配偶、同事、及朋友交流的時後，或多或少會發現他們自己曾在某個時候出現上面其中之一（甚至更多）的念頭。
　　而且，不是開玩笑，一些統計學課程很容易被描述為虐待學 (sadistic)。這是由於那些書無一例外的讓人厭煩，而且作者缺乏想像力。
　　本書將改變這種狀況。事實是，當你或者你的老師選擇了《愛上統計學》這本書時，表示你們已準備好航向正確的航道—讓人不害怕、內容豐富多元並且很實用（甚至有趣）的方法，我們教你如何善用統計學，讓它成為你的好工具。
　　如果選用這本書作為課程教材，這也意味著你的老師是站在你的立場，因為他（或她）知道統計學是令人害怕的，但他已採取措施來確保統計學不會讓你害怕。事實上，我們敢打賭你在幾個星期之後，很有可能變得開始享受這門課程。

為什麼選擇 R 語言？
　　在這本書中，我們將為你展示如何使用這套統計分析的工具─—R語言，來進行數據分析。別擔心，我們將會親手演示如何操作，確保你能瞭解R語言及數據分析。
　　為何選擇 R 語言呢？很簡單，因為 R 免費且強大。你不需要租軟體或是嘗試去連線到學校網站共用軟體，只需要打開電腦，執行RStudio（或是你想要使用的其他編譯器，請看下一個章節的介紹）。這本書將使用 R 語言來簡單的計算和演示所有統計範例。我們將探索使用圖形視覺化我們的數據。而且我們將在前面幾個章節介紹其他方式去做相同的統計分析。在這本書的後半段，當統計開始變得有一點複雜時，在你已經學會了基礎 R 語言的前提之下，我們將會使用內建函式。我們希望你可以自在的學習 R 語言，而且藉由使用 R 語言，開始瞭解統計的力量。

五分鐘統計學簡史
　　在閱讀更多內容之前，有必要從歷史的觀點瞭解統計學。如你所知，幾乎所有的社會學、行為科學、生物學的大學生，還有教育學、護理學、心理學、社會福利與社會服務、及人類學的研究生，都必須選修這門課。所以多瞭解一些統計學的源起，應該還不錯吧？當然囉。
　　很久很久以前，當人們發現計數 (counting) 是個非常好的想法時（比方說「你需要多少個這些來交換那些中的一個？」），蒐集資訊也成為一個有用的技能。
　　如果用到計數，人們就會知道太陽在一季中升起多少次，度過整個冬天需要多少食物，以及一個人擁有多少資源。
　　這只是個起點。一旦數字成為語言的一部分，似乎接下來的步驟就是將數字連結到結果上。這工作在 17 世紀當人們蒐集第一組與人口相關的資料時，就已開始。從此以後，科學家（大多數是數學家，但之後是物理學家和
生物學家）需要發展特定的工具來回答特定的問題。例如，法蘭斯• 加東(Francis Galton)（順道一提，他是達爾文的表兄弟，生卒年是1822–1911年），他對人類智力的本質非常感興趣。他也推測掉頭髮是因為腦力過度運
用，不過這不是真的。讓我們回到統計的部分。
　　為了回答有關家庭成員智力相似的主要問題之一，他使用了特定的統計工具相關係數（一開始是由數學家開發的工具）。接著他把相關係數廣泛地應用於行為科學和社會科學。你將在第 7 章對這個工具有全面的瞭解。事實上，你學到的大多數基本統計方法，最初都是發展及應用自於農業、天文學、甚至政治學領域；統計學在人類行為領域的應用相對晚得多。
　　在過去的 100 年中，發展新方法來運用原有的觀念出現快速的進展。用於比較兩個群體的平均數差異的最簡單檢定方法，在 20 世紀初由威廉•戈塞 (William Wealy Gosset) 首次突破，我們會在第 14 章再次提到他。以此概念為基礎而發展出來的技術，在數十年後大放異彩，更為精深。個人電腦以及像 Excel 這樣的軟體的盛行，讓所有想探索這些有趣主題的人，都可以輕鬆使用如此複雜精細的技術。
　　使用這些功能強大的個人電腦，事實上利弊互見。優點是大多數統計分析不再需要使用龐大、昂貴的中央處理器，且價格不超過 250 美元的個人電腦就能滿足 95% 的人 95% 的需求。但反過來說，學藝不精的學生（如已經
通過這門課的同學）把手邊有的舊資料丟入電腦軟體中、跑一些複雜的分析，他們就會得到可靠的、可信的、且有意義的結果。很可惜並不是這樣。你的老師會說「垃圾進，垃圾出」(Garbage in, garbage out)，這是因為如果
你一開始就不是用可靠和可信的資料，那麼分析這樣的資料所得到的結果，就既不可信也不可靠。
　　現在，在不同領域，如刑事司法、地球物理學、心理學，或驗證NBA球賽中是否存在手氣效應（沒在開玩笑，你可以看 2014 華爾街期刊的文章https://www.wsj.com/articles/SB100014240527023040710045794090710157453
70）的統計學家發現，他們基本上使用相同的技術來回答不同的問題。當然，在資料蒐集方面有重要的差別，但是大體上來說，緊接在資料蒐集之後所進行的分析，即使名稱有所不同，也是非常類似的。這事的寓意是什麼呢？這
個課程會提供你為瞭解統計學如何用在所有學科中所需要的工具。更棒的是，這只需要 3 個或 4 個學分。
　　如果你想進一步瞭解統計學的歷史，而且想看歷史發展軸線，可以從一個很棒的地方開始，那就是英國的南安普頓大學的網站，網址是 http://www.economics.soton.ac.uk/staff/aldrich/Figures.htm。
　　五分鐘到啦，你已經知道你該知道的統計學歷史了。我們來看看統計學是什麼以及它不是什麼。