Wszelkie sugestie dotyczące dobrego podręcznika wprowadzającego do statystyki?

Mam nadzieję, że możesz dać mi jakieś sugestie. Uczę w bardzo zróżnicowanym (złożonym z grup mniejszościowych) kolegium, a studenci to w większości kierunki psychologiczne. Większość uczniów pochodzi ze szkoły średniej, ale niektórzy z nich to powracający uczniowie w wieku powyżej 40 lat. Większość uczniów ma problemy motywacyjne i niechęć do matematyki. Ale wciąż szukam książki obejmującej podstawowy program nauczania: od opisowego do pobierania próbek i testowania aż do ANOVA, a wszystko w kontekście metod eksperymentalnych. Dział wymaga ode mnie używania SPSS w klasie, ale podoba mi się pomysł zbudowania analizy w arkuszu kalkulacyjnym, takim jak Excel.

ps inni nauczyciele używają książki, która mi się nie podoba z powodu dużego polegania na formułach obliczeniowych. Uważam, że używanie tych formuł obliczeniowych - zamiast bardziej intuicyjnej i intensywnej obliczeniowej formuły spójnej z racjonalnym i podstawowym algorytmem - jest nieintuicyjne, niepotrzebne i mylące. To jest książka, do której nawiązuję do Essentials of Statistics for the Behavioural Sciences, 7. wydanie Frederick J Gravetter State University of New York, Brockport Larry B. Wallnau State University of New York, Brockport ISBN-10: 049581220X Dziękujemy za przeczytanie!

Statystyki Freedmana, Pisaniego i Purvesa pochodzą z popularnego i udanego kursu prowadzonego na Uniwersytecie Kalifornijskim w Berkeley. Użyłem go jako wstępu do statystyk dla studentów, pożyczyłem niektóre z jego pomysłów podczas nauczania kursów statystyki dla absolwentów i rozdałem wiele kopii kolegom i klientom. Istnieje wiele powodów jego popularności:

• Narracja i problemy oparte są na prawdziwych studiach przypadków i rzeczywistych danych o oczywistym znaczeniu, a nie na wymyślnym motorze, który występuje w wielu tekstach. Są to naprawdę interesujące i niezapomniane, w tym próby szczepionki przeciw polio Salk, klęska sondażu Literary Digest w 1936 r., Pozew o dyskryminację absolwentów Berkeley (oparty na paradoksie Simpsona), krytyka Fishera na wyniki groszku Mendla i wiele więcej.

• Ma poważne problemy na trzech poziomach: na końcu każdego podrozdziału (którego są setki), na końcu każdego rozdziału (ponad 30) i na końcach głównych grup rozdziałów (około 4, pamiętam) . Problemy te wymagają minimalnej lub żadnej matematyki: koncentrują się na potencjalnych nieporozumieniach, które autorzy, dzięki swojemu bogatemu doświadczeniu, odkryli wśród studentów.

• Koncentruje się raczej na ideach statystycznych i wnioskach niż na matematyce.

• Nie używa (prawie) żadnych wzorów matematycznych. Relacje ilościowe są zwykle wyrażane graficznie i słownie. (Zostały tak wyraźnie przekazane, że kiedy po raz pierwszy przeczytałem tę książkę, jako student matematyki całkowicie nieświadomy statystyki, byłem w stanie bez problemu odtworzyć wszystkie teorie matematyczne).

• Obejmuje większość tradycyjnego materiału, w tym rozkłady dwumianowe i normalne, przedziały ufności, testy z, testy t, testy chi-kwadrat, regresję oraz minimalną ilość prawdopodobieństwa i kombinatoryki potrzebną do ich zrozumienia.

Niektóre potencjalne wady obejmują:

• Bez traktowania statystyk bayesowskich. To sprawi, że ta książka stanie się przestarzała w ciągu dekady.

• Brak leczenia ANOVA (studenci psychologii mogą najbardziej tego przegapić).

• Brak dyskusji na temat komputerów.

Uważam, że dwa ostatnie nie są krytyczne: dobry instruktor może z łatwością dostarczyć materiał ANOVA i może nauczyć tyle komputerów, ile zechce. To, czy pominięcie statystyk bayesowskich jest ważne, zależy od upodobań i celów instruktora.

Na koniec powinienem zauważyć, że chociaż wymagania matematyczne są tak małe, jak można sobie wyobrazić, moje wstępne i końcowe testy uczniów wskazują, że ludzie, którzy przychodzą do książki z usposobieniem i nawykiem myślenia ilościowego, nadal czerpią znacznie więcej niż ci, którzy tego nie robią. Większość moich uczniów źle radziła sobie z testami wiedzy matematycznej (90% dostało oceny negatywne), ale ci, którzy również źle sobie radzili z testami krytycznego myślenia ( test poznawczy Shane'a Fredericka ) wykazywali znacznie mniejszą poprawę w trakcie semestru niż inni. Testy przed i po zawierały pełny 40-elementowy test CAOSpodstawowych pojęć, które powinien zawierać każdy wprowadzający kurs na poziomie uczelni. Uczniowie w tej klasie konsekwentnie wykazywali dwa razy większą poprawę niż ta opisana w literaturze CAOS; uczniowie o słabych wynikach refleksji poznawczej poprawili jedynie średnią kwotę (lub nie ukończyli kursu). Nie mam danych, które mogłyby przypisać przyczyny tej dodatkowej poprawy, ale podejrzewam, że podręcznik zasługuje przynajmniej na uznanie.

Statistics Unplugged to świetna książka do statystyk wprowadzających. Autor najpierw wprowadza logikę testu statystycznego, a następnie podaje wzór matematyczny. Takie podejście pomaga w trawieniu nowych koncepcji. W książce znajduje się kilka przykładów, które są przedstawione w postaci problemu wymagającego rozwiązania, a nie hipotetycznego stwierdzenia i kroków matematycznych.

Czytam Freedmana (prawie cała książka) i OpenIntro Statistics (ponad jedna trzecia). Obie te książki są całkiem dobre.

W końcu znalazłem książkę, która zbliżyła się do tego, czego szukałem: Nauka statystyki z R: Samouczek dla studentów psychologii i innych początkujących autorstwa Daniela Navarro. Jest on dostępny bezpłatnie online (legalnie), można również zamówić wersję drukowaną za około 30 USD (szczegóły na stronie książki).

Główne zalety tej książki to:

• Implementacje R osadzone w tekście w miarę wprowadzania tematów. R ma wbudowane funkcje dla większości metod wyjaśnionych w książce. Tam, gdzie R nie ma wbudowanego, autor napisał dla niego własną funkcję i udostępnił ją w CRAN pod swoją lsrbiblioteką, więc nauka jest całkiem ukończona. Osobiście uważam, że jest to największy plus tej książki.

• Książka jest bardziej wszechstronna niż Freedman i OpenIntro. Wraz z podstawami obejmuje tematy takie jak test Shapiro-Wilka, test Wilcoxona, korelacja Spearmana, średnie przycięte i rozdział o statystyce bayesowskiej, by wymienić tylko kilka.

• Motywacja każdego tematu jest jasno wyjaśniona. Za tematami kryje się również spora historia, więc docenisz sposób, w jaki opracowano metodę.

• Książka została napisana iteracyjnie z opiniami czytelników i uważam, że autor wciąż ją ulepsza.

Jedyną wadą jest to, że wersja papierowa jest duża i ciężka!

Thom Baguley, redaktor naczelny The British Journal of Mathematical and Statistics Psychology, opublikował książkę Serious Stats, która może okazać się przydatna. Jednak opiera się na R, a nie SPSS.

Jestem podejrzliwy w stosunku do książek, które są w 7. edycji. Z mojego doświadczenia dydaktycznego wynika, że ​​sekcje i problemy zostały przetasowane, aby uczniowie musieli kupić najnowszą edycję, aby wygenerować przepływy pieniężne dla wydawcy i tantiemy dla autorów, aby nadążyć za kursem. Kilka poważnych monografii na poziomie badawczym zostało poddanych drugiej edycji przez ich autorów, a każda większa liczba jest oczywiście wartością odstającą. (Biblioteka statystyczna Kendalla jest godnym uwagi wyjątkiem, ale tak naprawdę nie mogę wymyślić żadnej innej znanej mi książki, która byłaby w trzecim wydaniu).

W mojej bardzo mocnej opinii Excel jest dobrym narzędziem do analizy statystycznej tylko wtedy, gdy jest używany przez doktora. statystyk. Nauczanie statystyk licencjackich przyniesie prawdopodobnie katastrofalne konsekwencje i uczy niewielkich statystyk w porównaniu do korzystania z nowoczesnego pakietu, takiego jak R lub Stata. Po prostu spróbuj utworzyć znormalizowany wykres regresji rezydualnej w porównaniu z dźwignią w programie Excel i porównaj go z liniami w tych pakietach. Specjaliści statystyczni musieliby znać teorię, więc musieliby budować te wykresy od zera, ale nadal używając pakietu statystycznego zamiast kopiować / wklejać formuły w Excelu. Nieznaczni studenci muszą poczuć się na analizie danych, a Excel w najlepszym razie ją zasłania.

Co powiesz na The Statistics Sleuth autorstwa Ramseya i Schafera?

Wydaje mi się, że ta książka porusza ważne momenty bez: a) zbyt dużej matematyki lub b) głupstwa.

Sugerowałbym, że kurs statystyk wprowadzających dla psychologii i innych nauk społecznych powinien kłaść nacisk na to, jak nie popełnić błędu. Badanie metod byłoby również dobrą rzeczą dla studentów.

Zapoznaj się ze wstępną książką statystyczną Making Sense of Data through Statistics: An Introduction(2014) autorstwa Dorit Nevo. Jest napisany w niezwykle przystępny sposób i jest przeznaczony dla studentów studiów licencjackich i magisterskich w dziedzinie biznesu i nauk społecznych. W podręczniku wykorzystano przykłady znaczące dla dzisiejszych uczniów i towarzyszą mu arkusze programu Excel zapewniające praktyczne doświadczenie, które wzmacnia omówione pojęcia i techniki statystyczne. Instruktorzy otrzymują dodatkowe materiały dydaktyczne, w tym slajdy wykładowe PPT dla każdego rozdziału, Podręcznik rozwiązań dla wszystkich ćwiczeń jednostkowych i zestawów ćwiczeń na koniec rozdziału oraz bank testów. Książka jest sprzedawana tylko w formacie cyfrowym (.pdf), za bardzo rozsądną cenę 19,95 USD. Nauczyciele mogą zarejestrować się, aby uzyskać bezpłatny dostęp do książki i materiałów dydaktycznych, rejestrując się w portalu Legerity Digital Press Educator Preview .

Oto lista książek. Zagadki / zagadki to świetny sposób na wzbudzenie zainteresowania matematyką / statystyką. Pomagają też przykłady z życia.

Byłem TA, obserwatorem lub studentem na wielu kursach obejmujących metody ilościowe dla psychologii, z SPSS jako głównym programem. We wszystkich przypadkach wydawało mi się, że studenci skłaniają się ku Fieldowi (2013), niezależnie od tego, czy koordynator kursu wspomniał o tej książce, czy nie. W wielu przypadkach uczniowie zignorowali zalecany podręcznik i zamiast tego przeczytali podręcznik Fielda.

Nie jestem odpowiednio kompetentny do oceny rygorystycznych wyjaśnień w książce i nie jestem świadomy żadnych badań dotyczących efektów uczenia się. Mogę jednak powiedzieć, że ta książka jest obszerna, tania (skąd i tak pochodzę) i popularna wśród studentów. Styl pisania autora opiera się w dużej mierze na osobistych anegdotach, które docenią niektórzy czytelnicy. Przekonałem się jednak, że przynajmniej tak wielu studentom się podoba. Wydawało mi się, że napotkałem wiele literówek i innych problemów we wczesnych wydaniach, ale do czwartej edycji większość z nich wydaje się być wyeliminowana.

Tak więc Field (2013) jest moją rekomendacją, ponieważ:

1. Widziałem, jak studenci psychologii się w to angażują i lubią ją czytać.
2. Nawet jeśli polecisz inną książkę, jest całkiem prawdopodobne, że niektórzy studenci i tak skorzystają z Field (2013). Może to następnie powodować problemy administracyjne w trakcie kursu.
3. Książka jest popularna, a autor jest wciąż stosunkowo młody, więc prawdopodobnie pojawią się kolejne wydania i ulepszenia.
4. Jeśli później zdecydujesz, że zamiast tego chcesz użyć R, możesz dość płynnie przejść do Field, Miles i Field (2012), który wykorzystuje większość tych samych przykładów. @ jeremy-miles często przyczynia się do powstania tej witryny.

Field, A. (2013). Odkrywanie statystyk za pomocą statystyk IBM SPSS. Szałwia.
Field, A., Miles, J., i Field, Z (2012). Odkrywanie statystyk za pomocą R. Sage.