Irgendwelche Vorschläge für ein gutes Einführungslehrbuch in die Statistik?

Ich hoffe, dass Sie mir einige Vorschläge geben können. Ich unterrichte an einem sehr unterschiedlichen (aus Minderheiten bestehenden) College und die Studenten sind größtenteils Psychologiestudenten. Die meisten Schüler sind frisch von der High School, aber einige von ihnen sind älter und kehren über 40 zurück. Die meisten Schüler haben Motivationsprobleme und Abneigung gegen Mathematik. Aber ich suche immer noch nach einem Buch, das den Grundlehrplan abdeckt: von der Beschreibung über die Probenahme und das Testen bis hin zur ANOVA und alles im Kontext experimenteller Methoden. Die Abteilung verlangt, dass ich SPSS im Unterricht verwende, aber ich mag die Idee, die Analyse in einer Tabelle wie Excel zu erstellen.

ps die anderen lehrer benutzen ein buch, das ich nicht mag, weil ich mich stark auf rechnungsformeln verlasse. Ich finde es nicht intuitiv, unnötig und verwirrend, diese Rechenformeln zu verwenden, sondern die intuitivere und rechenintensivere Formel, die mit dem rationalen und grundlegenden Algorithmus konsistent ist. Dies ist das Buch, auf das ich mich beziehe. Grundlagen der Statistik für die Verhaltenswissenschaften, 7. Auflage, Frederick J. Gravetter, Staatliche Universität New York, Brockport, Larry B., Wallnau, Staatliche Universität New York, Brockport, ISBN-10: 049581220X Vielen Dank fürs Lesen!

Die Statistik von Freedman, Pisani & Purves ging aus einem beliebten und erfolgreichen Kurs hervor, der an der UC Berkeley unterrichtet wurde. Ich habe es als Einführungstext für Studenten verwendet, einige seiner Ideen beim Unterrichten von Kursen zur Absolventenstatistik übernommen und viele Exemplare an Kollegen und Kunden verschenkt. Es gibt viele Gründe für seine Popularität:

• Ihre Erzählung und ihre Probleme werden eher von realen Fallstudien und tatsächlichen Daten von offensichtlicher Bedeutung bestimmt, als von dem erfundenen Drivel, der in so vielen Texten zu finden ist. Diese sind wirklich interessant und unvergesslich, einschließlich der Versuche mit Salk-Polio-Impfstoffen, des Debakels um die Literaturübersicht von 1936, des Diskriminierungsverfahrens gegen Studenten in Berkeley (in Anlehnung an Simpsons Paradoxon), Fischers Kritik an Mendels Erbsenergebnissen und vielem mehr.

• Es gibt umfangreiche Probleme auf drei Ebenen: am Ende eines jeden Kapitels (von denen es Hunderte gibt), am Ende eines jeden Kapitels (über 30) und am Ende der Hauptgruppen von Kapiteln (ungefähr 4, erinnere ich mich). . Diese Probleme erfordern nur minimale oder gar keine Mathematik: Sie konzentrieren sich auf mögliche Missverständnisse, die die Autoren aufgrund ihrer umfangreichen Erfahrung bei den Studenten festgestellt haben.

• Es konzentriert sich eher auf statistische Ideen und Argumente als auf Mathematik.

• Es werden (fast) keine mathematischen Formeln verwendet. Quantitative Beziehungen werden normalerweise grafisch und in Worten ausgedrückt. (Sie werden so deutlich vermittelt, dass ich als Student der Mathematik, der sich mit Statistik überhaupt nicht auskannte, bei der ersten Lektüre dieses Buches die gesamte zugrunde liegende mathematische Theorie problemlos reproduzieren konnte.)

• Es deckt den größten Teil des traditionellen Materials ab, einschließlich der Binomial- und Normalverteilungen, Konfidenzintervalle, Z-Tests, T-Tests, Chi-Quadrat-Tests, Regression und der Mindestwahrscheinlichkeit und Kombinatorik, die erforderlich sind, um diese zu verstehen.

Einige mögliche Nachteile wären:

• Keine Behandlung der Bayes'schen Statistik. Dies wird dieses Buch innerhalb eines Jahrzehnts veralten lassen.

• Keine Behandlung von ANOVA (Psychologiestudenten könnten dies am meisten vermissen).

• Keine Diskussion über Computer.

Ich glaube, die beiden letzteren sind nicht kritisch: Ein guter Ausbilder kann das ANOVA-Material problemlos bereitstellen und so viel oder wenig Computing unterrichten, wie er möchte. Ob das Weglassen der Bayes'schen Statistik wichtig ist, hängt vom Geschmack und den Zielen des Lehrers ab.

Abschließend möchte ich darauf hinweisen, dass, obwohl die mathematischen Anforderungen so gering sind, wie man es sich nur vorstellen kann, meine Vor- und Nachuntersuchung von Studenten zeigt, dass Menschen, die mit einer Neigung und Gewohnheit zu quantitativem Denken an das Buch kommen, noch viel mehr aus ihnen herausholen es als diejenigen, die es nicht tun. Die meisten meiner Schülerinnen und Schüler haben Vorprüfungen der mathematischen Kenntnisse nicht bestanden (90% haben nicht bestanden), aber diejenigen, die auch Vorprüfungen des kritischen Denkens nicht bestanden (Shane Fredericks kognitiver Reflexionstest ), zeigten während des Semesters eine deutlich geringere Verbesserung als andere. Sowohl vor als auch nach dem Test wurde der vollständige CAOS-Test mit 40 Punkten durchgeführtGrundlegende Konzepte sollten in jedem Einführungskurs auf College-Niveau enthalten sein. Die Schüler dieser Klasse zeigten durchweg doppelt so viele Verbesserungen wie in der CAOS-Literatur angegeben. Die Schüler mit schlechten kognitiven Reflexionswerten verbesserten sich nur durchschnittlich (oder schlossen den Kurs nicht ab). Ich habe nicht die Daten, um Gründe für diese zusätzliche Verbesserung zu nennen, aber ich vermute, dass das Lehrbuch zumindest einen Teil des Verdienstes verdient.

Statistics Unplugged ist ein großartiges Buch für Einführungsstatistiken. Der Autor führt zuerst in die Logik des statistischen Tests ein und gibt später die mathematische Formel an. Dieser Ansatz hilft bei der Verdauung der neuen Konzepte. Es gibt mehrere Beispiele im gesamten Buch, die in Form eines Problems dargestellt werden, das gelöst werden muss, anstatt einer hypothetischen Aussage und mathematischen Schritten.

Ich habe Freedman (fast das gesamte Buch) und OpenIntro Statistics (mehr als ein Drittel) gelesen. Beide Bücher sind ziemlich gut.

Irgendwann fand ich das Buch, das meiner Suche sehr nahe kam: Learning Statistics with R: Ein Tutorial für Psychologiestudenten und andere Anfänger von Daniel Navarro. Es ist online (legal) kostenlos erhältlich und Sie können auch eine gedruckte Version für ca. 30 US-Dollar bestellen (Einzelheiten finden Sie auf der Buchseite).

Die Hauptvorteile dieses Buches sind:

• R-Implementierungen, die als Themen in Text eingebettet sind, werden vorgestellt. R verfügt über integrierte Funktionen für die meisten in diesem Buch erläuterten Methoden. Wenn R nicht über eine integrierte Funktion verfügt, hat der Autor seine eigene Funktion dafür geschrieben und diese in CRAN unter seiner lsrBibliothek verfügbar gemacht , sodass Ihr Lernprozess vollständig ist. Ich persönlich fand, dass dies der größte Pluspunkt dieses Buches ist.

• Das Buch ist umfassender als Freedman und OpenIntro. Neben den Grundlagen werden Themen wie Shapiro-Wilk-Test, Wilcoxon-Test, Spearman-Korrelation, getrimmte Mittelwerte und ein Kapitel zur Bayes'schen Statistik behandelt, um nur einige zu nennen.

• Die Motivation hinter jedem Thema wird klar erklärt. Hinter den Themen verbirgt sich auch eine Menge Geschichte, sodass Sie verstehen, wie eine Methode entstanden ist.

• Das Buch wurde iterativ mit dem Feedback der Leser geschrieben, und ich glaube, der Autor verbessert das Buch immer noch.

Der einzige Nachteil ist, dass die Hardcopy-Version groß und schwer ist!

Thom Baguley, ein scheidender Herausgeber des British Journal of Mathematical and Statistical Psychology, veröffentlichte das Buch Serious Stats , das Sie nützlich finden könnten. Es basiert jedoch eher auf R als auf SPSS.

Ich bin misstrauisch gegenüber den Büchern, die in ihrer 7. Auflage erscheinen. In meiner Unterrichtserfahrung bedeutet dies, dass die Abschnitte und Probleme neu gemischt wurden, so dass die Schüler die neueste Ausgabe kaufen mussten, um den Cashflow für den Verlag und die Lizenzgebühren für die Autoren zu generieren , um mit dem Kurs Schritt zu halten. Nur wenige seriöse Monografien auf Forschungsniveau wurden von ihren Autoren einer zweiten Auflage unterzogen, und jede höhere Anzahl ist offensichtlich ein Ausreißer. (Kendalls Library of Statistics ist eine bemerkenswerte Ausnahme, aber ich kann mir kein anderes Buch vorstellen, von dem ich weiß, dass es in der dritten Auflage erscheinen würde.)

Excel ist meiner Meinung nach ein gutes Werkzeug für statistische Analysen, wenn es nur von einem Doktoranden verwendet wird. Statistiker. Das Unterrichten von Undergraduate-Statistiken wird wahrscheinlich katastrophale Folgen haben und lehrt wenig Statistik im Vergleich zur Verwendung eines modernen Pakets wie R oder Stata. Versuchen Sie einfach, in Excel ein standardisiertes Diagramm von Residuen und Regression zu erstellen, und vergleichen Sie es mit den Einzeilern in diesen Paketen. Die statistischen Majors müssten die Theorie kennen, also müssten sie diese Diagramme von Grund auf neu erstellen, aber immer noch ein statistisches Paket verwenden, anstatt die Formeln in Excel zu kopieren und einzufügen. Nicht-Hauptstudenten müssen ein Gefühl für die Datenanalyse bekommen, und Excel verdeckt sie bestenfalls.

Wie wäre es mit The Statistical Sleuth von Ramsey und Schafer?

Ich denke, dieses Buch kommt an einigen wichtigen Punkten an, ohne a) zu viel Mathe oder b) Dinge niederzuschlagen.

Ich würde vorschlagen, dass ein Intro-Statistik-Kurs für Psychologie und andere sozialwissenschaftliche Typen betont, wie man nicht zu viel falsch macht. Ein Methodenüberblick wäre auch eine gute Sache für Studenten.

Lesen Sie das Einführungsbuch zur Statistik, Sinnvolles Machen von Daten durch Statistik: Eine Einführung(2014) von Dorit Nevo. Es ist auf äußerst zugängliche Weise verfasst und richtet sich an Studenten oder Doktoranden der Wirtschafts- und Sozialwissenschaften. Das Lehrbuch verwendet Beispiele, die für die heutigen Schüler von Bedeutung sind, und wird von Excel-Arbeitsblättern begleitet, die praktische Erfahrungen liefern und die behandelten statistischen Konzepte und Techniken unterstützen. Die Kursleiter erhalten ergänzende Unterrichtsmaterialien, einschließlich PPT-Vorlesungsfolien für jedes Kapitel, ein Lösungshandbuch für alle Übungen und Übungssätze zum Ende des Kapitels sowie eine Testbank. Das Buch wird nur in digitaler Form (.pdf) verkauft, was einen sehr günstigen Preis von 19,95 USD ermöglicht. Pädagogen können sich über das Legerity Digital Press Educator Preview-Portal für den kostenlosen Zugang zu Büchern und Lehrmaterialien registrieren .

Hier ist eine Liste von Büchern. Rätsel / Rätsel sind eine großartige Möglichkeit, Interesse für die Möglichkeiten von Mathematik / Statistik zu wecken. Auch Beispiele aus der Praxis helfen.

Ich war TA, Beobachter oder Student in vielen Kursen mit quantitativen Methoden für die Psychologie, mit SPSS als Hauptprogramm. In allen Fällen schien es mir, dass die Schüler sich für Field (2013) entschieden haben, unabhängig davon, ob der Kurskoordinator dieses Buch erwähnt hat oder nicht. In zahlreichen Fällen haben die Schüler ein empfohlenes Lehrbuch ignoriert und stattdessen das Lehrbuch von Field gelesen.

Ich bin nicht in der Lage, die Genauigkeit der Erklärungen im Buch richtig einzuschätzen, und mir sind auch keine Untersuchungen zu Lernergebnissen bekannt. Ich kann jedoch sagen, dass dieses Buch umfassend, billig (woher ich auch immer komme) und bei Studenten beliebt ist. Der Schreibstil des Autors beruht in hohem Maße auf persönlichen Anekdoten, die bei einigen Lesern Anklang finden. Ich habe jedoch festgestellt, dass es mindestens genauso vielen Studenten Spaß macht. Ich schien in den frühen Ausgaben auf viele Tippfehler und andere Probleme gestoßen zu sein, aber in der vierten Ausgabe scheinen die meisten davon ausgesondert zu sein.

Field (2013) ist also meine Empfehlung, da:

1. Ich habe gesehen, wie Psychologiestudenten sich damit beschäftigten und es genossen, es zu lesen.
2. Selbst wenn Sie ein anderes Buch empfehlen, ist es sehr wahrscheinlich, dass einige Schüler Field (2013) trotzdem verwenden. Dies kann dann zu Verwaltungsproblemen in Ihrem Kurs führen.
3. Das Buch ist beliebt und der Autor ist noch relativ jung, so dass weitere Auflagen und Verbesserungen wahrscheinlich sind.
4. Wenn Sie später entscheiden, dass Sie stattdessen R verwenden möchten, können Sie nahtlos zu Field, Miles und Field (2012) übergehen, bei denen die meisten der gleichen Beispiele verwendet werden. @ Jeremy-Meilen ist ein häufiger Beitrag zu dieser Website.

Field, A. (2013). Ermitteln von Statistiken mithilfe von IBM SPSS-Statistiken. Salbei.
Field, A., Miles, J. & Field, Z (2012). Entdecken von Statistiken mit R. Sage.