聪明统计学

出版者:中南大学出版社

作者:周支瑞

页数:274

出版时间:2016-5

价格:49.00

装帧:平装

isbn号码:9787548722892

具体描述

《聪明统计学》共分为四个专题：统计学趣谈、统计软件实战、大数据与科研、数据纵横。“统计学趣谈”专题主要由胡志德医生操刀，其中丁香园鼎鼎大名的四叶虫——郑炜平医生，号称临床医生中统计学好的张天嵩医生也加入其中，贡献了一把火。这一专题力图以“趣谈”的形式让艰涩深奥的统计学知识润物细无声。“统汁软件实战”专题以案例的形式讲解具体统计学方法的软件实战，把第壹部分的理论知识化为实际的战斗力，这一部分主要由上海静安区中心医院的张天嵩、复旦大学附属中山医院沈亚星、胡志德，以及我本人操刀。“大数据与科研”专题属于目前临床科研领域较热门的话题，我们也赶了趟时髦，希望能给读者一些启发。最后一个专题“数据纵横”，由浙江大学金华医院的章仲恒医生操刀，章医生也是我们的朋友，擅长临床数据收集与处理、临床数据库构建、数据统计分析，看起来这也是他业余时间最重要的爱好。《聪明统计学》的四个专题逐层递进，先易后难，但书中的案例坚持从临床实际运用出发，相信定会让您觉得开卷有益。

目录信息

丛书介绍
序（一）
序（二）
第一部分统计学趣谈
第一章标准差和标准误：两个经常被混淆的概念
第二章多组比较之后是否有必要进行两组比较？
第三章戏说卡方检验
第四章四格表统计中该用Fisher确切概率法还是卡方检验？
第五章OR、HR、RR：三个经常被混淆的概念
第六章OR能否用于队列研究？答读者问
第七章有病例和对照的研究就是病例对照研究？
第八章倾向匹配（PSM）分析：观察性研究的统计学利器
第九章调整基线差异：协方差分析
第十章Cox回归、logistic回归、多元线性回归到底有啥区别？
第十一章诊断准确性试验的偏倚来源及其控制
第十二章Ⅱ类误差与样本量估计
第十三章实验组和对照组的样本量一定要“均衡”才行？
第二部分统计软件实战
第十四章随机区组方差分析在SPSS软件中的实现
第十五章重复测量资料的方差分析在SPSS软件中的实现
第十六章析因设计资料方差分析在SPSS软件中的实现
第十七章多重线性回归的SPSS软件实现
第十八章二分类Logistic回归在SPSS软件中的实现
第十九章cox回归的SPSS软件实现
第二十章随访资料的生存分析——基于Stata软件的统计学实现
第二十一章生存数据的Logrank检验——基于MedCalc软件实现
第二十二章生存数据的cox回归——基于MedCalc软件实现
第二十三章诊断准确性试验数据处理——基于MedCalc软件实现
第二十四章如何利用Sigmaplot和SPSS作联合诊断
第二十五章实例演示Stata软件实现倾向性匹配得分（PSM）分析
第二十六章循证杂谈20——两样本均数比较的样本量计算——基于PASS软件实现
第二十七章循证杂谈21——两样本率比较的样本量计算——基于PASS软件实现
第二十八章循证杂谈22——诊断准确性研究的样本量计算——基于PASS软件实现
第二十九章循证杂谈23——有关生存资料预后研究样本量计算（LogrankTest）——基于PASS软件实现
第三十章如何用Sigmaplot进行简单的样本量估计
第三十一章如何用图形完美展示临床研究中亚组分析的结果
第三部分大数据与科研
第三十二章大数据与临床科研
第三十三章“RCT研究”与“接力赛”
第三十四章再谈大数据临床研究
第三十五章三谈BCT（大数据临床研究）
第三十六章四谈BCT：临床诊疗行为相关的数据是否应该被采集？
第四部分数据纵横
第三十七章Logistic回归的模型建立方法：协变量的目的性选择
第三十八章逐步回归法和最佳子集法进行变量选择
第三十九章通过R语言进行大数据临床研究：创建新变量、重编码和重命名
第四十章R语言中处理缺失值的一些基本技能
第四十一章一图抵千言：缺失数据的可视化方法
第四十二章缺失数据的单一插补
第四十三章MICE程辑包进行多重数据插补
· · · · · · (收起)

用户评价

我必须承认，我之前对某些统计方法存在着根深蒂固的误解，很多都是在早期自学时留下的“二手知识”。这本书犹如一股清泉，帮助我彻底清理了这些认知上的杂草。它对“显著性”的讨论尤其精辟，没有将P值神化，而是将其置于整个实验设计的大背景下去审视。作者强调了效应量（Effect Size）的重要性，这在当前许多强调“统计显著即可”的浮躁氛围中显得尤为珍贵。通过书中的一系列对比实验展示，我清晰地认识到，即使一个结果在统计学上成立，如果其实际效应微乎其微，那么它在现实世界中可能毫无意义。这种对“意义”的深度挖掘，将统计学从冰冷的数学推导中解放出来，使其重新回归到对客观世界的精确描述这一本质上来。而且，书中的图表设计极为考究，并非仅仅是为了美观，每一个坐标轴的设置、每一个异常值的标记，都服务于信息的最大化传递。阅读时，我经常会停下来，细细品味那些信息图，它们本身就是一种高效的沟通艺术。

如果用一个词来形容这本书带给我的感受，那就是“踏实”。它没有提供任何“捷径”，但却为你铺设了一条最坚实、最少弯路的康庄大道。我喜欢它在探讨复杂统计模型时所保持的谦逊姿态，总是提醒读者，工具的选择依赖于数据的性质和研究问题的本质，不存在一招鲜吃遍天的万能算法。尤其让我印象深刻的是关于非参数检验的介绍部分，很多入门书籍往往会一带而过，但这本书却用相当的篇幅，清晰地阐述了它们适用的具体场景，以及何时应优先考虑它们而不是依赖正态性假设。这体现了作者对统计学应用范围的全面掌握，没有将读者局限在正态分布的舒适区内。读完全书后，我感觉自己对于数据分析的信心得到了极大的提升，这种信心不是源于掌握了多少高级技巧，而是源于对底层逻辑的彻底洞察。它更像是一部经典的工具手册，我确定在未来的工作中，我将不止一次地翻阅其中的章节，去印证我的思考和决策。

说实话，这本书的篇幅并不算薄，但阅读起来却有一种“飞逝”的感觉，这对于一本学术性的书籍来说，是非常难得的成就。我发现自己很少需要频繁地查阅前面的章节来回顾上下文，这归功于作者在段落之间的逻辑过渡处理得无比顺畅。特别是关于回归分析的部分，这是我过去一直感到困惑的难点。许多教材在这里会陷入复杂的多元回归方程的泥沼，让人望而却步。但这本书采取了一种“循序渐进”的策略，先从最简单的线性关系入手，然后巧妙地引入残差分析的概念，并将“模型拟合优度”与“实际业务问题”挂钩。它在讨论模型局限性时也毫不含糊，直接指出了过度拟合的风险，这体现了作者深厚的实战经验和对统计伦理的尊重。读完这部分，我感觉自己手中的分析工具变得更加锋利，不再是盲目地追求R方的高低，而是真正懂得如何评估一个模型的“实用性”和“可靠性”。这种深入骨髓的理解，是靠死记硬背绝对无法获得的。

这本新近读完的书，坦率地说，给我带来了一种前所未有的学习体验。我通常对这类偏向理论与实践结合的题材抱持着一种审慎的态度，总担心内容会过于晦涩，或者反过来，又过于肤浅。然而，这本书的作者显然深谙平衡之道。它没有将读者置于一个充满复杂数学公式的迷宫中，而是像一位经验丰富的向导，耐心而清晰地指引我们穿越统计学的核心概念。我尤其欣赏它在案例分析上的细致入微。书中的每一个理论点，都紧密地嵌入到一个生动、贴近生活的场景中去，无论是市场调研的数据解读，还是日常决策中的概率考量，都让人茅塞顿开。读到关于假设检验那一部分时，我清晰地体会到，统计学绝非高高在上的象牙塔里的学问，而是解决实际问题的强大工具。作者的叙事节奏把握得极佳，总能在关键时刻穿插一些历史轶事或者思维误区提醒，让阅读过程充满了“原来如此”的顿悟时刻。对于那些渴望真正理解数据背后的逻辑，而不是仅仅学会操作软件的用户来说，这本书无疑提供了一份扎实的基石。我感觉自己不再是单纯地运用公式，而是开始“思考”数据了。

当我翻开这本书的扉页时，内心其实是抱着一种“试试看”的心态。我对市面上那些充斥着各种“速成”口号的书籍已经感到疲劳。这本书的开篇并没有急于抛出那些吸引眼球的标题，而是从基础概念的辨析入手，那种严谨和求真的态度立刻抓住了我。它没有回避统计学中那些看似枯燥但至关重要的细节，比如变量的类型区分、测量误差的来源等等，但高明之处在于，它将这些基础知识讲得极具画面感。我特别喜欢其中对于“抽样分布”那一章的阐述，作者没有止步于定义，而是通过一个生动的比喻，将原本抽象的中心极限定理具象化了。这使得我在脑海中构建了一个清晰的模型，去理解为什么大样本下我们能够如此自信地进行推断。这本书的结构设计也体现了极高的教学智慧，知识点层层递进，绝不跳跃。读完后，我发现自己看待新闻报道中引用的数据时，会不自觉地去审视其样本代表性，这种思维习惯的养成，远比记住几个公式来得更有价值。它不是在教你如何做报告，而是在教你如何成为一个更具批判性思维的数据消费者和生产者。

这个纸张反光，有点不好

这个纸张反光，有点不好

这个纸张反光，有点不好

这个纸张反光，有点不好

这个纸张反光，有点不好