内容

目次

I章　データとデータ処理――数値データおよびデータ処理（統計）の基本的な考え方と概念 　1　「データ」とは何か 　2　なぜ「数字」なのか 　3　「数量化」・「尺度化」という考え方で「データ」にする 　4　「データ」としての条件 　5　何を「データ」にするのか――「変数」の設定 　6　ある種の「ものさし」の設定――「測定」と「尺度」という考え方 　7　基本的な4つの「ものさし」 　8　目的によって異なる「ものさし」の設定 　9　「ものさし」を使って「データ」を集める 　10　集めたデータは適切か――その1：妥当性とは 　11　集めたデータは適切か――その2：信頼性とは 　12　なぜデータ処理（統計）をするのか 　13　データ処理をするための手順 　14　モノを言うには適切な処理をする 　15　データ処理をしてモノを言う――その1：まとめて見やすくする 　16　データ処理をしてモノを言う――その2：納得させるデータにする 　17　データ処理をしてモノを言う――その3：いくつかの変数を同時に扱う 　18　コンピュータを用いてデータ処理をする II章　データを集める――データ収集の方法 　1　事例研究と計量的研究 　2　全数調査と標本調査 　3　ランダム・サンプリング 　4　観察法によってどんなデータが集まるか 　5　実験法によってどんなデータが集まるか 　6　調査法によってどんなデータが集まるか 　7　実験における概念定義と操作的定義 　8　代表的な実験デザインの紹介 　9　主効果と交互作用 　10　何を知るための実験なのか 　11　剰余変数の統制はなぜ必要か 　12　条件統制のための留意点 　13　調査の目的は何か 　14　横断的調査と縦断的調査 　15　質問と回答の種類 　16　質問項目を作成する 　17　調査票・質問紙を作成する 　18　調査を実施する III章　データをまとめる――データの特徴を把握する 　1　データを「表」にまとめる――度数分布表の作成 　2　データを「図」にまとめる――ヒストグラムと度数多角形 　3　目的に応じて「図」を変える――目的別によるグラフの種類 　4　「比率」と「比較」を図示する――比率と比較を示すグラフ 　5　「散らばり」も含めて図示する――箱図で示す 　6　データの特徴を「代表値」で知る――平均 　7　「平均」にもいろいろ――他にもある平均の示し方 　8　「代表値」を示す他の指標――モードとメディアン 　9　データの特徴を「散布度」で知る――標準偏差と分散 　10　「偏差値」とは――全体の中での位置を知る 　11　「散布度」を示す他の指標――レンジと四分位偏差 　12　「分布」として表現する――正規分布と標準正規分布 　13　2つ以上のデータの関連性を図表で示す――クロス表と散布図 　14　2つ以上のデータの関連性を示すのが「相関」――相関と回帰 　15　「クロス表」での関連性を求める――連関係数 　16　「順位」における関連性を求める――順位相関 　17　2つのデータの関連性を求める――ピアソンの相関係数 　18　3つ以上のデータの関連性を求める――重相関と偏相関 IV章　データを処理するI――統計的推計と統計的検定 　1　データから予測する――統計的推計の基本的な考え方 　2　データから予測するものとは――データと「母集団」の関係 　3　「平均」と「分散」を予測する――区間推定法 　4　データから調べる――統計的検定の基本的な考え方 　5　検定は「理論的な分布」に依存する――標準正規・t・x2・Fの分布 　6　目的と尺度の水準で異なる検定方法――何をどう検定するのか 　7　データの散らばりの「差」を検定する――F検定 　8　2つのデータの平均の「差」を検定する――t検定 　9　カテゴリーの「差」を検定する――x2検定の原理 　10　クロス表のカテゴリーの「差」を検定する――2×2のx2検定 　11　3つ以上のカテゴリーの「差」を検定する――いろいろなx2検定 　12　分布に依存しないデータの「差」を検定する――ノンパラメトリック検定法 　13　分散分析で全体的な「差」を検定する――ANOVAとは 　14　「交互作用」がそのポイント――2要因の分散分析 　15　全体の「差」を詳しく調べる――下位検定と多重比較 　16　カテゴリーでの全体的な「差」を検定する――「角変換」を用いた分散分析 　17　母集団での関連性を予測する――相関の有意性検定 　18　関連性での「差」を検定する――相関の差異の検定 V章　データを処理するII――多変量解析 　1　多変量解析とは 　2　重回帰分析 　3　数量化I類 　4　判別分析 　5　数量化II類 　6　因子分析 　7　数量化III類 付　録