作者：[美]戴维·穆尔,[美]威廉·诺茨
出版社：中信出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
统计学的世界(第8版)试读：
致读者
这是一本写给文科类学生的统计学教科书，也就是说，它是非数学专业学生通识教育的一部分。本书的内容，以本书作者之一在普渡大学文学院为一、二年级学生授课的经验为基础发展而来。我们很高兴地发现，其他教师也认为本书对于各类学生都有用处，甚至对哲学和药学专业的学生也是如此。本书第8版修订了文字，也增加了新的内容，但是目标仍和原版相同：不是把统计学当作技术工具展示给大家，而是作为受过教育的人应有的知识素养。统计学是人文科学的一部分
作为最不“文科”的学科，统计学的这一名声已被广泛传播，要是有人说它的好话，多半是在说它的用处。医疗保健领域的专业人员必须拥有统计学知识，才能阅读医学研究报告；经理人也要懂统计学，因为需要对大量的数字进行统计分析，才能看得出所以然。普通老百姓只有了解统计学，才能看懂民意调查结果和政府发布的统计数据，例如失业率和居民消费价格指数（CPI）。因为数据和机会无处不在，所以本书的宣传语可以这样写：每个人都用得上的统计学，读者可以从中获利多多。
这些都是事实。我甚至可以说，对于大多数学生来说，本书的通俗讲法要比一般教科书采用的以介绍方法为主的方式更能够为他们将来的统计学研究打好基础。美国统计协会和美国数学协会的联合课程委员会，就建议任何统计学入门课程都应该“强调如何进行统计思考”，而且要体现出“更多的数据和概念，少一点儿公式和推导过程”。本书就是这样做的，其风格贴近文科教育：更多的概念、更多的思考、简单的数据、很少的公式，而且没有正式的推导过程。
应该掌握统计学的另一个理由是：统计学实际上属于人文学科。人文教育强调基本的知识技能，也就是适用于各种领域的通用分析方法。传统人文学科展示了这样的方法：文学和历史研究，政治和人类社会的社会分析，认识大自然的实验科学，数学中的抽象和演绎。之所以将统计学归入人文学科，是基于这样一个事实，即用不确定的经验数据推导得出结论，也是一种通用的思考方法。这本书的两个主题—数据和机会，普遍存在于我们的日常经验中。尽管我们使用数学工具来处理数据和机会问题，但这些工具并不是纯数学的。实际上，心理学家提出了令人信服的观点，认为精通正规的数学方法对于提高我们对数据和机会进行有效推理的能力，并没有多大帮助。
本书在作者能力和读者可接受的范围内，突出了统计学是一种独立且基本的思考方法的观点。本书的重点在于统计思维，也有人称之为量化或数据分析。本书的性质
统计学的书，有些专谈理论，有些专讲方法，而本书不谈这些。本书讲的是统计思维和统计推断，统计学与公共政策，以及包括从药学到社会学在内的人文科学的关系。我加入了许多基础的图表和数据分析技术，以使思想更生动，推理更有力。学生通过处理数据，可以学到怎样去思考数据。但是，我们没有让技巧超越概念成为主角，我们的意图是用文字而不是代数来教学，我们鼓励讨论甚至争辩，而不是只教授如何计算。当然，有些计算仍然是必要的。本书涵盖的内容要比传统的学期课程更丰富，从通识教育的精神出发，宁可涵盖更广泛也不愿过于追求细节。
虽然本书的风格并不那么正统，但仍然是一本教材。本书内容的编排是为了让学生们系统地学习，而且提供了很多练习，其中有不少需要学生们进行讨论或做出判断。即便那些喜欢从轻松阅读中获得快感的读者，也应该在读完正文后再做做练习。也请教师留意，尽管本书只用到了很简单的数学，但并不是一本轻松的教材。将重点放在观念和推理上，对于读者的要求反而要比通篇都是公式的教科书更高。第8版新增的内容
本书适用于当下的教育环境，延续了非数学化的方式，将统计学介绍给读者，帮助大家清晰地思考在个人和职业生活中可能会碰到的问题。以下是第8版新增的内容。
•内容。在调查中互联网的使用频率增加了，但也引起了更多的争议。因此，我们在第4章加入了一个关于网络调查的讨论。为了帮助澄清可靠性这个概念，我们在第8章引入了方差，在第17章增加了贝叶斯定理。
•小结。本书每章后面的“小结”包括“本章要点”，总结了该章的主要内容，并将本章和前一章、后一章的内容联系起来。这样做的目的是帮助学生厘清各章之间的关系，以及了解统计学的整体实践。
•案例与练习。相较以前的版本，本书有超过1/3的案例和练习有所更新，以反映当下的数据和各种话题。这些案例和练习涵盖了广泛的应用领域，有助于增加学生的兴趣和亲切感。新的案例和练习包括脸谱网和评级，低脂肪食物和肥胖症，以及短信。
•设计。本书配有极具现代感的插画，以帮助学生更好地理解文字内容。文中的知识普及旨在引导学生了解“现实生活中的统计学”。网上练习现在都已经加了练习编号，可以把学生直接带到本书配套网站，了解最新的内容和资源。
•EESEE（统计案例与练习的电子百科全书）案例分析。由俄亥俄州立大学统计系开发的这些电子案例分析，为学生们提供了及时和真实的数据案例。EESEE增加了超过40个新的案例分析，有些被用作本书每章开头的案例。
•小应用程序。小应用程序是指与本书内容有关的统计应用程序，可以在本书配套网站上获得。有些程序已经做了修改，也增加了一些新的程序。
除了以上新增加的内容，本书还保留了以前各版本的优点。
•案例分析。在每章的开篇，案例分析让学生置身于与本章概念相关的真实生活场景中。每章结尾的“案例评估”会提出问题，促使学生重读开篇案例，评估他们学到的知识。
•统计学中的争议。列出了有争议的问题，并将其与该章的内容联系起来。在“关于‘统计学中的争议’的答案”中给出了后续讨论和解决建议。
•新闻中的练习。从受欢迎的新闻媒体中摘录，反映了当下发生的事件和新的数据来源。
•网上练习。每章都有，这些练习引导学生在网上浏览并认真思考统计数据和概念。序言了解统计学
统计学是关于数据的学问。数据就是数字，但又不仅仅是“数字”，数据是有上下文联系的数字。比如，数字10.5本身没任何意义，[1]但是，假如我们听说一位朋友刚出生的孩子体重为10.5磅，那么我们会恭喜她生了一个健康的宝宝。结合数字的上下文联系和个人知识，就可以做出判断。我们知道，体重10.5磅的新生儿个头相当大，而新[2]生儿的体重不太会是10.5盎司或10.5千克。因此，上下文联系可以使数字含义明确。
统计学通过数据获取真知灼见并且得出结论，所用的工具是图表和计算。但是，这些工具要在符合常识的思考方式下使用。让我们先快速地了解一下新闻媒体、热门政治和社会争议的数据和统计研究方面的丰富成果，迈出学习统计学旅程的第一步。在后文中，我们将对序言里列举的案例展开更为详细的研究。数据胜过逸闻
信仰不能取代算术。亨利·斯宾塞
一则逸闻就是一个引人入胜的故事，它之所以能够深入人心，就在于其内容能打动人。逸闻可以让事情人性化，所以新闻报道通常以逸闻开头（和结尾）。但是逸闻无法用作决策的依据，正是因其内容生动，所以也常常误导我们。我们判断一个说法可信与否的依据，是它是否有数据支持，而不是它是否来自一个动人的故事。
住得离高压电缆太近，是否会导致儿童患上白血病？美国国家癌症研究所花了5年时间和500万美元，来收集有关这个问题的数据。结果发现，在白血病和暴露在高压电缆产生的电磁场之间没有任何相关性。和这篇研究报告同时发表在《新英格兰医学期刊》上的社评大声疾呼，是时候不要在这个问题上“再浪费我们的研究资源了”。
比较一下两则报道产生的影响：一则是有关历时5年、花费500万美元的调查研究的电视新闻报道，另一则是对一位能说会道的母亲的电视采访，她患有白血病的孩子恰好住在高压电缆附近。在公众心目中，几乎每次都是逸闻胜出。但事实上，我们应该心存疑问，因为数据要比逸闻更可靠，数据可以系统地描绘出整体图景，而不是聚焦于个别事件。
我还打算补充一句，“数据胜过自封的专家。”新闻行业通常所秉持的所谓公正的立场，就是各找一名正反方“专家”发表简短的评论。我们永远无法知道是否其中一方代表的是整个学科的共识，而另一方则是蝇营狗苟于某些特殊利益的骗子。媒体这种处理冲突的做法使现在的公众认为，对应每一位专家，都有一个持相反观点的专家。如果你真的关注某个话题，就应该尝试从数据中找出结论，还要判断数据的质量是否良好。很多问题确实还未得到解决，但也有很多问题，只在那些不重视证据的人的头脑中才悬而未决。你至少可以了解一下这些“专家”的背景，还有他们引用的研究结果是否曾刊载于那些文章必须先通过外部评审之后才能发表的严谨期刊上。数据来源非常重要
数字不会说谎，但说谎的人会算计。查尔斯·格罗夫纳
数据是数字，而数字总显得非常可信。其实有的数字是这样，有的却并非如此。任何统计研究中最重要的事，就是数据的来源。专栏作者安·兰德斯问她的读者，如果可以重新来过，是否还会生孩子？回答的人中有70%坚定地说“不要”。但是，你对于兰德斯从泪迹斑斑的信中，引述读者哭诉他们的孩子如何像野兽一样的话语，大可一笑置之。因为兰德斯从事的是娱乐业，她邀请读者回答这个问题时，回应最热烈的应该是那些后悔生孩子的父母。大部分的父母并不后悔生小孩。我们知道这个事实，是因为曾经有人对许多父母做过调查，而且为了规避偏见，受访的父母是随机抽取的。民意调查当然也不是没有瑕疵——这点我们后面会谈到——但它仍比邀请有一肚子不满的人来回答问题要好得多。
即使是信誉卓著的期刊，也不一定能对坏数据免疫。《美国医学会杂志》刊登过一篇文章，声称用管子将冷却的液体输送进胃里，可以缓解溃疡症状。这种治疗对病人的确有效果，但那只是因为病人通常会信服医生的权威性。也就是说，安慰剂（placebo，虚拟治疗）发生了作用。后来终于有人产生了质疑，做了有控制组的比较研究——有些病人接受了这项治疗，有些只使用了安慰剂——结果表明安慰剂组（控制组）的“表现”更好。“没有比较，就没有结论”，这是判断医学研究好坏的一个很好的依据。比如，我对于最近突然流行的“自然疗法”就心存怀疑。在这些疗法当中，极少会通过比较实验来证明它们不只是装在贴着漂亮植物图片的瓶子里售卖的安慰剂。小心潜在变量
我的钱足够我这辈子花了，只要我不买东西。杰基·梅森
有报道说，在美国，设有赌场的县犯罪率较高。有位大学教师说，在线上课的学生比在教室里上课的学生表现好。政府报告强调，受过良好教育的民众比受教育少的民众赚钱多。最好不要太快下结论，而要先问一句：“有没有什么是他们没告诉我的，却可以用来解释这些事？”
有赌场的县的确犯罪率较高，但是在城市或是较穷的县，犯罪率也比较高。什么样的县会开设赌场呢？这些县是否在开设赌场之前，犯罪率就已经很高了呢？在线上课的学生学得比较好，但是和在教室里上课的学生比起来，前者的年龄比较大，底子也比较好，因此他们表现好很正常。受教育程度高的人的确赚钱多，但受教育多的人和受教育少的人相比，平均来说前者的父母受的教育也较多，也比较有钱。而且，前者在更好的环境中长大，上更好的学校。这些有利条件让他们接受到更多的教育，即使他们不接受这么多教育，这些有利条件也可能会帮他们赚到很多钱。
以上这些案例，都涉及两个变量之间的相关性，并且引导我们得出结论，即其中一个变量影响了另一个变量。“赌场会增加犯罪率”和“想变富有就要多读点儿书”，是它们传达的信息。这些信息有可能是正确的，但我们看到的相关性，大部分说不定还可以由隐藏在背景中的一些变量来解释，比如开设赌场的县的本质，以及受教育程度高的人生来就具备的有利条件。好的统计研究会考虑许多的背景变量，这当然需要技巧，不过你至少可以找一找，看它们有没有这样做。变异性无所不在
当事实改变时，我就改变主意。您呢？约翰·梅纳德·凯恩斯
如果你的舌下温度超过37摄氏度，是不是就代表你在发烧呢？也许不是，每个人的“正常”体温都存在差异。你自己的体温在一天当中也会有变化，早上6点时稍高，下午6点时稍低。美国政府宣布上个月的失业率上升0.1个百分点，而新屋开工率下降3个百分点，导致股市波动。股市波动常常是不理性的。政府的数据是根据那些给出乐观预测的样本得出的，是好的估计，但不是百分之百的事实。同样的调查再做一遍，结果会有一些差别。和经济有关的因素原本就会上下波动，影响它的因素包括气候、罢工事件、节假日以及各式各样的其他原因。
很多人会像股市一样，对数据的一些微小变化做出过度反应，而事实上这些并不是实质性变化，根本微不足道。以下是全美最大的市场研究公司的领导人阿瑟·尼尔森的经验之谈：
太多商界人士对白纸黑字印出来的数字都深信不疑。他们认为数字就代表“事实”，让他们用“概率”的视角来看事情有点儿困难。他们不了解，数字只是一种简化的表示方法，它描述了一个范围，这个范围表明我们在现有情况下对某个问题的实际了解有多少。
变异性无所不在。个体之间有差别，对同一个个体多测量几次，结果也会不一样，并且几乎每件事都会随着时间的变化而变化。至于一些所谓的专家对每天股市变化背后的深入原因分析，或者对一场其实是最后一秒才定输赢的球赛，却硬要归咎于输球球队的能力或战术，你尽可以对这些嗤之以鼻。统计结论不是百分之百确定的
数学定律不能百分之百地应用于现实生活，能百分之百地用数学定律来描述的就不是现实生活。阿尔伯特·爱因斯坦
因为变化无所不在，所以统计结论并不是绝对的。大部分中年妇女会定期做乳腺X线检查，以便能及早发现乳腺癌。但是，乳腺X线检查真的可以降低女性死于乳腺癌的风险吗？高质量的统计研究发现，对于50~64岁的妇女来说，乳腺X线检查可以减少26%的死亡率。但这个数字是该年龄阶段妇女的一个平均数字。因为总是存在着个体差异，所以对于不同的妇女来说，结果可能大不相同。有些每年做乳腺X线检查的妇女最后却死于乳腺癌，也有一辈子没做过这种检查的妇女却活到了100岁，最终死于车祸。
该报告事实上说的是，“乳腺X线检查可以将乳腺癌死亡率减少26%（置信度为95%，置信区间为17%~34%）”。而根据尼尔森的观点，26%这个数字是“某个范围的简化说法，这个范围描述了我们对现时情况的实际了解程度”。在这个案例当中，这个范围是17%~34%，而且我们对它有95%的把握。也就是说，我们相当有把握，但不是百分之百确定。当你阅读新闻报道时，可以找找看有没有诸如“95%的置信度”或“有统计学显著性”等字眼，如果有，就代表这个研究结果虽不能说百分之百确定，但有很大的把握。数据可反映社会价值
要用统计数据骗人很容易。但如果不用统计数据，骗人就更容易了。弗里德里克·莫斯特勒
好的数据确实胜过逸闻。比起逸闻和大声争论未来会发生什么，数据要客观得多。和其他的公开论述相比，统计数据建立在事实的基础上，而且比较科学和理性。对于存在争议的话题，统计数据应该比其他大部分证据受到更多的重视。不过，世界上没有百分之百客观这回事。社会环境会影响我们关于度量什么以及如何度量的决策，从而影响到统计数据。
以自杀率为例，它在不同国家之间有很大的差别。各国公布的自杀率之所以存在差别，似乎大部分要归因于社会观念，而不是因为自杀率真的有差别。自杀人数是根据死亡证明书计算的。填写死亡证明书（证明书上的细节在不同的国家或不同的州之间有所不同）的官员，对于诸如没有目击证人的溺死或摔死事件，可以决定其是否算作自杀。在视自杀为耻辱的地方，就有较多的自杀被报告为意外死亡。比如，在大部分人信奉天主教的国家，其公布的自杀率就比其他国家低。在日本文化中，有遇到羞辱时就光荣自杀的传统，这种传统使人们不太将自杀视为耻辱，因此日本的自杀事件被报道的比例较高。在有些国家，因为社会价值观的改变，使得自杀事件的数量在增加。一个越来越普遍的看法是，抑郁症应该被视为生理上的疾病，而不是人性的弱点，自杀是这种疾病的悲剧性结局，而不是道德瑕疵。因此，死者家属和医生愿意把自杀列为死者的死因。
在不像自杀那么敏感的问题上，社会价值观依然可能会影响统计数据。美国的失业率是每个月由美国劳工部劳工统计局用一个很大而且很专业的全国性样本计算出来的。但是，“失业”的定义是什么呢？它指的是，虽然你想工作却没有工作，而且过去两周在积极找工作。如果你过去两周没在找工作，你就不算失业人员，而只是“非劳动人口”。这样去定义失业率，反映了我们加诸工作的价值观。如果换一种定义，我们可能就会得到不一样的失业率数字。
我的意思并不是叫你不要相信失业率数字。失业率的定义已经使用了好一段时间，在各个国家之间，这个定义也大致吻合，所以我们可以在国家间做比较。失业率是由不受政治干扰的专业人士计算出来的，是重要且有用的信息。我要强调的是，并不是每件重要的事都可以用数字表示。此外把事情简化为数字的人，会受到各种压力的影响，不管有意的还是无意的。统计学与你
这不是一本关于统计工具的书，本书写的是统计学的观点及其对日常生活、公共政策和其他不同研究领域的影响。当然，你将会从本书中学到一些统计工具。如果你手上有一台内置了统计功能的计算器，你的生活将会容易很多，特别是这台计算器可以计算平均值、标准差和相关系数。找一台可以做“双变量统计”或“相关性分析”的计算器，如果你的电脑上有统计软件，就更好了。另一方面，你需要懂一点儿数学。如果你理解并会使用一些简单的方程式，就再好不过了。不过要记住，我们要求你学会思考，思考对于大脑的训练要远胜过数学公式。本书将从4个方面展现统计学思维方式：
•数据生产讨论了数据产生的方法，可以对特定问题给出解决方案。数据来自何处至关重要，关于如何选择样本和设计实验的基本概念，是统计学中最有影响力的内容。
•数据分析关注的是收集、组织，以及用图表、数字描述数据的方法和策略。你可以学会使用非常简单的工具聪明地分析数据。
•概率是我们用来描述机会、变化和风险的语言。由于变化无处不在，概率思维有助于将现实与背景噪声区分开。
•统计推断是指通过我们手中掌握的数据得出结论，考虑到变化无处不在，结论是不确定的。
最终数据会被用于得出结论或做出决定。本书的各个部分讨论了影响这一过程各个步骤的质量问题。读者很容易把注意力放在每章的细节上，而忽略了这些细节背后的整体图景。为了帮助你避免这种见树不见林的问题，看清楚每章与整体图景的关系，我们在每章结尾处简短地说明这一章在整体图景中的位置。你可以在每章的小结中看到这部分内容。
统计思维和工具在人们处理数据的过程中逐步显现。两个世纪前，天文学家和勘测员面对的问题是，即便把许多观察结果非常小心地拼凑起来，仍然发现它们无法很好地吻合。他们努力处理数据的变化，因而产生了最初的一些工具。当社会科学在19世纪出现时，旧的统计思维发生了转变，新思维被发现，用于描述个体和社会的变化。对遗传和生物学总体变量的研究推进了统计学的发展。20世纪前半叶诞生了建立在概率之上的用于生成数据和进行统计推断的统计设计。直到20世纪中期，人们才清楚地看到了一门新学科的诞生。由于所有研究领域都更加注重数据，而且越来越明显地意识到数据变化是无法避免的，统计学已经成为核心知识。每个受过教育的人都应该了解统计推断，阅读本书，能够让你掌握这方面的知识。
[1]1磅≈0.454千克。—编者注
[2]1盎司≈28.35克。—编者注第1部分数据的生产
你和你的朋友不是典型人物。比如，你喜欢听的广播节目可能就和我喜欢的不一样。当然，我和我的朋友也不是典型人物。如果想要知道整个国家（或只是大学生）的状况，我们必须认清一个事实，那就是，整体状况也许和我们自己或我们周围的状况并不相似。所以，我们需要数据。从Arbitron（一家媒体研究机构）得到的资料显示，美国最受欢迎的广播节目是成人当代音乐（2009年秋天，每周的听众总人数达到7200万人）和乡村音乐（每周的听众总人数为6400万人）。如果你喜欢当代流行打击乐（每周的听众总人数为5900万人），而我喜欢各种新闻节目（每周的听众总人数为1500万人），那么我们可能对整个唱片消费群体的音乐品位一无所知。如果我们身处唱片业，或只对通俗文化感兴趣，就必须把自己的喜好放在一边，好好地检视数据。
你可以到图书馆或者网上找数据，但我们怎么知道这些数据可不可靠呢？好的数据可以被看作像毛衣或数码影音光碟机（DVD机）之类的产品，而草率生产的数据就像草率生产的毛衣或DVD机一样令人沮丧。你买毛衣前一般都会检查一下，如果做工很差，你就不会买。数据也一样，如果质量很糟，你就不该用。本书的第一部分将会告诉你怎样分辨数据的好坏。第1章 数据从哪里来案例分析
你可能读了几个月的报纸，或者看了几个月的电视新闻，却没有见过一个代数公式。难怪你会认为代数看上去和日常生活完全无关。但是，你不可能一整天都接触不到统计数据和结果。比如，一则新闻提到在18~24岁年龄段的人中，有70%的人认为从互联网上下载音乐与购买二手音乐光碟或从朋友那里借来转录的做法没有区别。而对于65岁或以上的人来说，持相同观点的人只有36%。一篇更长的文章写道，得到高质量日间看护的低收入家庭的孩子，几年后在学业方面的表现更佳，与其他低收入家庭的孩子相比，未来更有可能考上大学、找到好工作。
这些数据是从哪里来的呢？为什么我们可以相信这些数据，或者不应该相信这些数据？好的数据是人类智慧劳动的成果，坏的数据则源于懒惰或者不求甚解的行为，只能误导他人。当有人向你抛来一个数字时，你应该问的第一个问题就是：它来自何处？
2008年美国总统大选期间，有一个全国性的项目叫作“大家去投票”，人们从罐中选择一粒软糖，代表他们支持的总统候选人。在佛罗里达州彭布罗克派恩斯的“咖啡苑”（Coffee Scene），顾客可以在每次买东西时挑选一粒蓝色或者红色的软糖。蓝莓软糖表示投票给民主党总统候选人巴拉克·奥巴马，红色草莓软糖表示投票给共和党总统候选人约翰·麦凯恩。
全美有34个州的超过100家餐馆参与了这项活动，每周一清点投票结果。截至2008年10月13日，投票总数超过211000张，麦凯恩在这场全国性的软糖投票中获得了53.5%的支持率。2004年美国总统大选期间的软糖投票结果，曾准确预测出小布什将赢得总统大选。约翰·麦凯恩却没有那么幸运，投票结果错误地预测麦凯恩将在2008年的美国总统大选中胜出。
对于这个投票结果，我们该如何解读呢？在本章的最后，你将了解到，针对这个软糖投票活动产生的数据，如何提出一些基础性问题。对这些提问的回答，将帮助我们评估这个投票数据的优劣，我们将在第2章深入探讨这个问题。个体和变量
统计学是关于数据的科学。我们甚至可以说它是“数据的艺术”，因为只有通过正确的判断乃至好的品位和扎实的数学知识，才能得出好的统计数据。好的判断中的一大部分取决于你应该度量什么，以使得出的数据有助于解释你所关心的问题。我们先从一些与数据相关的基本术语入手。个体与变量个体是一组数据所描述的对象。个体可以是一群人，也可以是一些动物或者其他物品。变量指的是某一个体的特征，不同个体的变量可以取不同的值。
举个例子，这是统计学课程结束时，教授手中的成绩数据库中的头几行：
在这里，个体指的是选修这门课程的学生。除了学生的姓名之外，还有三个变量。第一个变量是这名学生的专业，第二个变量是该名学生所得的分数（总分为500分），第三个变量是该名学生的成绩等级。
尽管统计学是和数字打交道，但并非所有的变量都要用数字表示。有些变量代表的是“类别”，只需将个体归入不同的组别或种类即可。在这个例子的三个变量中，只有总分数是用数值表示的，专业和等级都是类别变量。统计类别变量时，我们采用的是计数或者百分比的方式。例如，我们可以给出得到等级A的学生的百分比，或者给出主修心理学的学生的百分比。
选择变量时的错误判断，可能导致在数据上浪费大量时间和金钱却徒劳无功。怎样才能做出好的判断，这可能是个富有争议性的问题。下面的例子展示了在判断应该收集哪些数据时面临的挑战。例1 谁在做资源回收？是谁不嫌麻烦地在做资源回收呢？在加利福尼亚州某个城市的两个社区，暂且命名为“上流社区”和“中低社区”，实验人员花费了大量的时间和金钱，将住户拿到屋外的垃圾过磅称重。因为垃圾和回收物的数量是按照住户而不是人头计算，在这里，个体就是两个社区的所有住户，变量是每周路边回收箱里垃圾的重量。“上流社区”每周平均的垃圾重量要比“中低社区”大，我们是否可以据此说富人更严肃地对待垃圾回收这件事呢？不能。有人注意到，“上流社区”的垃圾桶里有很多沉重的玻璃酒瓶。而在“中低社区”，人们扔进垃圾箱的多是轻质塑料汽水瓶和啤酒铝罐。结论是，重量很难告诉我们人们履行资源回收承诺的实际情况。例2 你是哪个种族？全美人口普查时调查人员会问“你属于哪个种族”，每个家庭成员都要回答这一问题。“种族”是一个变量，美国人口普查局必须给出种族的准确定义。普查表格上列出了一个种族名单，多年来美国政治能够顺顺当当不出问题，主要归功于这个名单。名单上应该列出多少个种族？用什么名称来代表它们？需要把混合种族列为一个独立的类别吗？亚裔人想要划分出更多的种族，比如菲律宾人和越南人，因为亚裔人口一直在增长。太平洋岛国的人希望与其他较大的亚洲族群分开。黑人领袖不希望出现混合种族类别，因为担心太多的黑人选择这个类别，将减少黑人人口的官方统计数量。2010年的普查表（图1–1）最终列出了6个亚洲族群（加上“其他亚裔人”）和3个太平洋岛国族群（加上“其他太平洋岛国人”），表上没有出现混合种族一项，但人们可以选择多个选项。也就是说，填报混合种族的人可能会被计入多个族群，因此这个数据会比总人口大。因为无法确定如何称呼黑色人种，人口普查局用了“黑色皮肤，非裔美国人或黑人”这一说法。拉丁裔呢？这是另外一个问题，因为他们可能属于任何一个种族，而且无法找到一个能让所有人都满意的说法来代表他们。因此，只能问人们是否属于“西班牙裔、拉丁裔或祖先来自西班牙”。在种族问题上存在的争执提醒我们，数据反映了社会。种族是一个社会概念，而不是一个生物学事实。在普查中，你可以决定自己属于哪个种族。种族在美国是一个敏感问题，出现争执也不足为奇。人口普查局的方法似乎是一种不错的折中之策。图1–1 2010年美国人口普查表第1页观察研究
纽约扬基队的前接球手和经理约吉·贝拉，以其幽默的话语为人所知。他曾说：“你只要观察，就能看到很多东西。”有的时候，你能做的也只有观察了。想知道黑猩猩在野外的行为，你得观察。想研究老师和小朋友在教室中的互动行为，你也得观察。若观察者知道自己应该看的是什么，就会容易一些。黑猩猩专家可能对雌猩猩和雄猩猩的相互影响有兴趣，或者想知道黑猩猩群中的某几只黑猩猩是否有统治权，以及黑猩猩会不会猎食动物。事实上，大家一直以为黑猩猩是食草动物，直到珍妮·古道尔在坦桑尼亚的贡贝国家公园仔细观察了它们的行为。现在人们已经清楚地知道，肉类是黑猩猩日常饮食的一部分。
刚开始的时候，观察者可能不知道应该记录些什么。然而迟早会出现一些模式，帮助我们决定应该衡量哪些变量。比如，黑猩猩多久猎食一次？单独行动还是群体行动？多少只一起行动？只有雄性还是雌、雄都有？在它们的食物中肉类占多大比重？系统地观察，再加上清楚地定义变量，会比只观察更有说服力。以下是一个计划完善（且很花钱）的观察研究案例。例3 高压电缆会引发儿童白血病吗？电流产生磁场，所以电力会让人们暴露在磁场之中，住在高压电缆附近则增加了这种暴露的程度。强磁场确实会干扰实验室里做研究用的活细胞。如果我们住在高压电缆附近，那么磁场会对我们产生何种影响呢？一些数据表明，住在这种环境里，可能会有更多的儿童患上白血病。我们不能为了做实验而让孩子们几周或者几个月暴露在高压电缆的磁场中。由于白血病比较少见，而且除了磁场之外，居住地之间还有很多不同，因此对于住在或多或少暴露在磁场中的住所的儿童，很难比较癌症发病率。较为简单的方法是从那些已患白血病的儿童着手，把他们和未患白血病的儿童做比较。我们可以查找许多可能的原因，例如食物、杀虫剂、饮用水、磁场等，看看这些患白血病的儿童和正常儿童有何不同。这些广泛的研究表明，我们有必要对磁场做进一步深入研究。最终，有人花了5年时间和500万美元，对磁场进行了极为细致的研究。实验人员调查了638名白血病患儿和620名未患白血病的儿童的情况。实验人员走访了这些儿童的家，在他们的卧室和其他房间，以及房子的前门处测量了磁场强度。实验人员不仅对这些儿童住所附近的高压电缆情况做了记录，还对这些孩子的母亲在怀孕时的住处附近的高压电缆的情况也做了记录。结论是，没有任何证据证明磁场和儿童患白血病之间存在相关性。“没有证据”显示磁场和儿童患白血病有关，但这并不表示暴露在磁场下就完全没有风险，而是说在经过非常严谨的研究之后，不能得出“磁场有导致儿童患白血病的风险”的结论。换言之，该项研究不能为观察到的结果提供有说服力的证据。有些批评家认为这个研究漏掉了一些重要的变量，或者参与研究的儿童不具有代表性。不过，一个有详尽计划的观察研究，肯定比随口，甚至带有情绪化地说出几个癌症病例，更令人信服。反应变量与观察研究反应变量是用来表示研究结果的变量。观察研究指的是观察一些个体，并衡量我们感兴趣的变量，但并不试图影响反应变量。观察研究的目的是描述一个群体或一种状况。知识普及
你可能会大吃一惊，一个对记者和科学家的抽样调查竟然会发现巨大的沟通鸿沟。记者认为科学家骄傲自大，而科学家认为记者愚昧无知。我们无意偏向哪一边，但从这项抽样调查中得出了一个有趣的结果：82%的科学家认为“媒体对于统计学的了解很少，无法对医药和其他领域的新发现做出客观的阐释”。抽样调查
有句谚语说：“你不必吃完整头牛，就能知道肉老。”这就是抽样调查的精髓，即通过一部分获知全体的情况。“抽样调查”（sample survey）是一种很重要的观察研究方法。他们只研究目标对象中的一部分人，选中这些人并不是因为实验人员对他们特别感兴趣，而是因为他们具有代表性。以下是用来讨论抽样的词汇。总体和样本总体（population）是指我们研究的全体对象。样本（sample）是总体的一部分，我们从样本中搜集信息，以便对总体做出推断。
请注意，总体就是我们想研究的所有目标对象。如果我们想得到关于美国大学生的信息，那么所有美国大学生就是我们的总体；即使在选取样本时，因受条件所限只能从一所大学里抽样，总体仍然不变。要想从样本中得出结论，必须先知道该样本代表的总体是什么。比如说，选前民意调查到底问了哪些人的意见？是所有成年人，美国公民，已登记的选民，还是民主党人？样本只包括我们成功获取信息的那些人，如果在调查中有些被选中的人联络不上，那么这些人就不包括在样本中。
总体和样本的区别，在统计学里是很基本的知识。以下的例子会说明总体和样本的区别，介绍抽样调查的一些主要用途，还会指出我们对样本中的个体进行衡量所涉及的变量。例4 盖洛普民意调查盖洛普和许多新闻机构经常进行民意调查，询问人们对各种问题的看法。此处要测量的变量，就是人们对公共问题的看法。尽管在选举期间特别受关注，但其实这类民意调查每年都会定期开展。总体：18岁及以上的美国居民，其中包括非美国公民，以及非法移民。样本：通过电话访谈的1000~1500人。例5 当前人口调查美国政府的经济和社会数据，来自对全美国的个人、住户或企业所做的大规模抽样调查。美国最重要的政府抽样调查是每月一次的“当前人口调查”（Current Population Survey，CPS）。在当前人口调查记录的变量中，有许多和住户中16岁以上人口的就业状况有关。政府公布的每月失业率就来自于当前人口调查，当前人口调查也记录了其他经济和社会变量。总体：超过1.17亿个美国住户。请注意这里指的是住户，而不是个人或家庭。一个住户是由所有住在同一所房子中的人组成的，不管他们之间是否有血缘关系。样本：每月走访的大约60000个住户。例6 电视收视率调查“市场调查”（market research）被用于了解消费者的喜好和他们的产品使用情况。市场调查的一个典型例子就是尼尔森媒介研究所做的电视收视率调查。尼尔森给出的结果关系到广告商愿意花多少钱购买某个节目的广告时间，以及这个节目是否还会继续播下去。总体：超过1.14亿个拥有电视机的住户。样本：大约25000个同意尼尔森公司用收视率记录仪采集他们观看电视节目情况的住户。所记录的变量包括住户的人数、年龄和性别，是否每个时段都开着电视机，以及谁在看、看什么节目。例7 综合社会调查“综合社会调查”（General Social Survey，GSS）一般由芝加哥大学全国民意研究中心每隔一年进行一次，是最重要的社会科学抽样调查。调查变量涉及调查对象的个人和家庭背景、经历和习惯，以及对从堕胎到战争的各种话题的态度和看法。总体：美国住户中的成年人（18岁及以上），不包括诸如监狱囚犯和住在学校宿舍的成年人，也不包括无法用英语交流的人。样本：大约3000名在住所中接受调查的成年人。练习
1.1 联邦政府资助。美国有线电视新闻网民意调查公司在2010年9月1日~2010年9月2日做了一项民意调查，他们问：（a）你认为联邦政府是否应该资助从人体胚胎中提取干细胞的研究？（b）美国有线电视新闻网民意调查报告说对1024名随机挑选的美国成年人进行了电话访谈，你认为这个调查的总体是什么？样本是什么？
大部分统计研究使用的样本都是“广义”的样本。比如，例3中的638个白血病患儿被视为所有白血病患儿的代表。我们通常把“抽样调查”这个词留到有计划地抽取样本，对总体进行研究的时候才用。那些白血病患儿是专门治疗儿童癌症的治疗中心的病人，专家认为，即使他们全都来自一些特殊的医院，也可以代表所有的白血病患儿。抽样调查可不能依赖专家观点，而要从一个总体开始，采用可以量化的特定方法从中抽取能代表总体的样本。从第2章到第4章，我们将专门讨论抽样调查这门艺术和科学。普查
抽样调查只观察总体的一部分，为什么不观察全部呢？普查才需要观察总体。普查普查（census）是试图把总体纳入样本的抽样调查。
美国宪法规定每10年要做一次全国人口普查。要对这么大的总体做普查，既费钱又耗时。即使美国联邦政府负担得起普查费用，仍然还得利用抽样调查的方法，比如通过当前人口调查获取失业率及其他许多变量的即时数据。若政府真的询问全美每一个成人的工作状况，那么这个月的失业率数据恐怕要等到明年才会得到。为了省钱，2010年的普查只有10个问题，其中5个是常规问题，另外5个问题要求被调查的住户中的所有人都要回答。
所以，从时间和金钱的角度来看，抽样调查比普查划算，而且抽样调查还有其他优点。假如你要测试烟花或保险丝的功能是否正常，最好使用抽样调查法，因为测试过的产品就不能用了。还有，比起普查，抽样调查反而可能会得到更精确的结果。派职员去检查所有50万个零配件是否合格，不如让他仔细做一个样本抽查，人在烦躁的时候是不会得到准确结果的。
美国人口普查局的经验提醒我们，普查只能“试图”对总体进行抽样调查。在写本书的时候，美国2010年的普查结果还未公布，但人口普查局估计2000年普查遗漏了0.12%的美国人口，其中包括2.78%的黑人，他们大多住在内陆城市。即使有政府的强大资源做后盾，普查也不能做到不出错。那么，为什么要做普查呢？政府需要每个街区的详细资料，才能划分出人数大致相同的选区。美国人口普查的主要作用，就是提供这些本地信息。知识普及 普查是否过时了？
美国从1790年开始，每10年进行一次人口普查。但是，科技日新月异，全国性人口普查很有可能被其他方式取代。丹麦没有人口普查，法国也准备取消人口普查。丹麦对全国居民进行登记，居民有身份证，只要搬家就得变更登记信息。法国打算用一个大型抽样调查取代人口普查，这个调查将在不同的区域轮流进行。美国人口普查局也有类似的想法，美国社区调查（American Community Survey）项目已经启动，而且繁杂的普查问卷在2000年就被取消了。实验
抽取样本的目的，是为了了解总体的真实情况，而且在搜集信息时应尽量避免受到干扰。所有观察研究都遵循同一原则：观察就好，但别干扰。当珍妮·古道尔刚开始在坦桑尼亚观察黑猩猩时，曾设立了一个食物补给站，黑猩猩在那里可以吃到香蕉。随后她便认识到这个做法不对，因为这很有可能会改变黑猩猩的行为。“现在吃那根香蕉吧，那位和善的统计专家正盯着我们看呢。”
另一方面，我们做某些实验的目的就是要改变行为。在实验过程中，我们不只是观察个体或者问他们问题，而是刻意做了某些处理，以便观察其反应。实验可以帮助我们解答诸如“阿司匹林能降低心脏病发作的风险吗”，“如果让大学生在看不到商标的情况下品尝百事可乐和可口可乐，大部分学生会更喜欢百事可乐吗”之类的问题。实验实验（experiment）中实验人员会刻意对某些个体进行某些处理（treatment），以观察其反应。实验的目的是研究某个特定的处理是否会导致个体的反应发生变化。例8 帮助领取福利救济的母亲们找工作华盛顿特区城市研究所报告说，大多数领取福利救济的成年人都是有一个或两个孩子的二三十岁的单身母亲。针对这些领取福利救济的母亲的观察研究表明，大部分人都有工作能力，有些人还自愿参加工作培训以提高自身的工作技能。是否应该要求所有身体健康的领取福利救济的妈妈们都参加工作培训和找工作呢？这项观察研究无法告诉我们这样的政策会产生什么影响。就算这项观察的对象是所有领取福利救济的母亲们的一个合适的样本，那些参加培训和找工作的母亲也可能在很多方面与其他没这样做的母亲存在差异。例如，实验人员从观察中了解到前者接受过更多的教育，她们也有可能在价值观和动机方面不同于后者，而这些特征是无法观察到的。想要知道这样的计划能否帮助那些母亲脱离福利救济，可以采用这样的方法：选择两组申请福利救济的母亲，要求其中一组参加工作培训，而另一组不参加。这是一个实验。若干年后，通过比较两组人的收入和工作记录就可以看出，要求她们参加工作培训是否能达到我们预期的效果。练习
1.2 把讲义上传到班级网站上。为了确定怎样做对学生的帮助最大，一位教育研究者查阅了他所教的几个班级的学生的网上留言，他发现学生们提到最多的是教师讲义被上传到班级网站上供大家下载这件事。于是，该研究者建议教师将讲义上传至班级网站。这是一个观察研究还是一项实验？
福利救济的例子说明，实验比观察研究更有效。从原则上说，实验可以为“因果关系”（cause and effect）的存在与否提供良好的证据。如果我们适当地设计实验，就可以从两组较为相似的领取福利救济的母亲开始。她们之间当然会存在年龄、受教育程度、子女人数及其他方面的差别。但是，当我们检视两组中所有实验对象的年龄、受教育程度、子女人数时，发现这两个组的情况很接近。实验过程中，虽然她们的生活都不一样，但是两组实验对象之间只有一项“系统性差异”（systematic difference），那就是一组参加了工作培训，而另一组没有。大家都经过了同样的经济繁荣或不景气的状况，以及观念的改变，等等。如果参加培训的那一组在工作表现和赚钱方面都远胜另一组，我们就可以说参加工作培训确实带来了令人满意的结果。
实验可以提供好的证据，证明某项处理的确产生了某种反应，这是统计学的一个重要概念。这个概念还附带了一个重要的提醒：统计结论是针对一群个体从“平均的角度”（on the average）得出的结论，而非针对任何特定的个体。从平均的角度看，参加工作培训的实验对象的收入比没参加的人高。这说明我们预期的目标达成了，但并不代表每个参加培训的人都会受益。这个概念也会引发一个大大的疑问：如果我们希望工作培训计划能增加实验对象的收入，那么，只让某些女性参加，却不让其他人参加，会不会有点儿不道德？在第5章和第6章中，我们将会说明怎样设计好的实验，在第7章中我们将会讨论相关的伦理问题。小结本章要点
• 任何一个统计研究都会记录关于一些个体（人、动物或物品）的数据，也就是一个或多个变量的值。
• 有些变量，比如年龄和收入，属于定量数据数值，而有些变量，比如职业或性别，则属于定性数据。要确保研究变量可以给你想要的信息。
• 对于任何一项统计研究，你最需要知道的是数据是如何产生的。观察研究是指，在只观察而不造成干扰的情况下搜集信息。
• 抽样调查是观察研究当中很重要的一种方式。抽样调查是从某个特定的总体中抽取样本，然后从样本中获得有关总体的信息。
• 普查试图对总体中的每个个体进行测量。
• 实验会对个体做某种处理，然后观察个体的反应。实验的目的通常是，了解某种处理是否会引起某种反应。
在依靠数据信息推导出结论的过程中，我们面临的第一个问题就是数据来自何处。统计研究结论的本质和有效性都取决于这一点。数据来自两个渠道：观察研究和实验。观察研究适合在无干扰的情况下描述某个群体或状况并得出结论。抽样调查是一种观察研究，我们通过观察总体的一部分（样本），得出有关总体的结论。实验适用于判断一种处理是否会产生不同的反应。
在后面几章，我们将更深入地讨论数据的来源。我们将会看到怎样进行良好的观察研究和实验，我们还会看到糟糕的观察研究或实验是如何破坏我们想要获得的结论的有效性的。案例分析与评估
用你从本章所学知识来回答本章开头的软糖民意调查案例中的几个基本问题。为了参加这项调查，人们必须走进商店，并从碗里选择一块软糖。
• 这项调查是一个抽样调查、普查还是实验？
• 调查的总体是谁？
• 调查中的个体是谁？
• 对于每个个体，该研究测量了什么变量？
• 这些变量的值是数字吗？练习
1.1 见本书第12页。
1.2 见本书第16页。[3][4]
1.3 每加仑英里数。以下是描述2011年不同型号汽车的油耗状况（MPG，每加仑英里数）的数据集的一小部分。（a）在这个数据集里，个体是什么？（b）对于每个个体，该研究衡量了哪些变量？其中哪些变量的值是数字？
1.4 美国棒球运动员的年薪。以下是美国职业棒球大联盟在2011赛季的第一天公布的部分球员资料：（a）这个数据集描述的个体是什么？（b）除了球员姓名外，这个数据集还包括哪几个变量？哪些变量的值是数字？
1.5 谁在做资源回收？在例1当中我们提到在同一个城市的两个不同社区间比较资源回收的成效时，重量不是理想的变量。那么，你建议用什么变量来替代重量？
1.6 在孕妇中做抽样调查。怀孕和哺乳期女性每周至少应该吃12盎司鱼类或海鲜，才能使她们的婴儿的大脑得到最好的发育。这是来自一个私营和联邦机构的顶级科学家小组的建议。一位营养学家想知道孕期女性是否每周都会吃至少12盎司鱼类。为此，她找到了一份当地孕妇健身俱乐部的340名会员的名单，从中随机选择了60名并给她们寄出了调查问卷，最终她只收回了21份问卷。该项研究的总体是什么？用于获取信息的样本是什么？在该营养师联络的女性中，寄回问卷的人占比多少？
1.7 死刑。盖洛普新闻服务机构发布的一条消息说，根据2011年10月6日~2011年10月9日所做的民意调查，他们发现当被问到“你赞成对谋杀犯处以死刑吗”的问题时，61%的美国人回答“是”。在该消息的结尾，你会读到“这个结果是基于随机电话访谈全国1005名18岁及以上成年人得到的”。这个抽样调查测量的变量是什么？你认为盖洛普的这项民意调查的总体是什么？样本是什么？
1.8 政治倾向的性别差异。在美国，政治倾向似乎存在性别差异，女性比男性更倾向于支持民主党。一位政治学者访问了许多选民，男性和女性都有。她问他们，上一次国会选举时把票投给了民主党还是共和党。这项研究是不是实验？你做出判断的理由是什么？该项研究测量了哪些变量？
1.9 总体是什么？针对下面几个抽样调查，将总体尽可能明确地指出来。也就是说，总体是由哪些个体组成的，哪些个体属于总体？如果题目提供的信息不足，你可以做出合理的假设。（a）一项民意调查联络了972位成年人，问他们：“你更愿意为政府工作还是在公司工作？”（b）视频接口线的一端有能插入电脑显示器插口的针型槽。如果里面的插针弯曲或损坏了，这条接口线就不能用了。一家电脑商店从供应商处批量采购视频接口线，从每批中抽出5条线检查插针情况。如果发现有插针弯曲或损坏的情况，则将整批接口线退回给供应商。（c）美国社区调查计划联络300万个美国住户，全美每一个县中都有一些住户会被调查。该调查会询问每个住户关于居住状况、经济情况及社会地位等问题。
1.10 总体是什么？针对下面几个抽样调查，将总体尽可能明确地指出来。也就是说，总体是由哪些个体组成的，哪些个体属于总体？如果题目提供的信息不足，你可以做出合理的假设。（a）一位社会学者想知道，有多大比例的青少年认为美国各州应把法定最低饮酒年龄降至18岁。她选择了一个样本，是一个大城市的5所高中，并访谈了每所学校所有的12年级学生。（b）一名医学研究者想知道前美国国家橄榄球联盟（NFL）运动员中患阿尔茨海默病的比例。他从仍在世的人员名单中随机挑选了20名，并通过访谈来判断他们是否患有阿尔茨海默病的迹象。（c）当地电台脱口秀主持人想知道有宗教信仰的人是否比没有宗教信仰的人更信任他们的邻居。电台收到了51个听众的电话反馈。
1.11 青少年的睡眠需求。《华盛顿邮报》一篇文章报道了一个关于青少年睡眠需求的研究。实验人员测量了一天当中各个时间段青少年唾液中产生的促进睡眠的褪黑素的含量。他们发现，青少年的褪黑素水平在夜间要比成年人和儿童的褪黑素水平高，在早上仍保持在较高水平上。参加该项研究的青少年都是自愿的。褪黑素水平较高表明需要睡眠，因此实验人员建议高中生的上课时间应该推迟一些，以满足学生的睡眠需求。这项研究是一个实验、抽样调查还是观察研究？请给出答案并说明你的理由。
1.12 高压电缆和白血病患儿。在例3对于高压电缆和白血病患儿关系的研究中，实验人员比较了两组个体，并且测量了许多可能关乎两组之间差异的变量。请详细说明为何这项研究不是实验。
1.13 治疗前列腺疾病。一项大型研究使用了加拿大全民医疗系统的记录，来比较两种前列腺疾病治疗方法的有效性。其中一种是传统的手术治疗，另一种是不需要做手术的新疗法。记录中有许多病人的资料，这些病人，有的选择了手术治疗，有些选择了新疗法。研究显示，选择新疗法的病人在8年内的死亡率较高。请说明为何这是观察研究而非实验。
1.14 燕麦和胆固醇。吃燕麦餐可以降低坏胆固醇（LDL）的水平？以下是研究这个问题的两种方法：
第一种方法是：一位研究者找到500位40岁以上的成年人，他们都定期食用燕麦或燕麦类食品。他将每个人都和一位不定期食用燕麦或燕麦类食品的同龄成年人进行比较，测量他们的坏胆固醇水平。
第二种方法是：另一位研究者找了1000位40岁以上的成年人，他们都没有定期食用燕麦或燕麦类食品，也都愿意参与这项研究。她随机安排其中500人每天早餐食用燕麦，而其他人继续按平时的习惯吃早餐。6个月后，她比较了两组人的坏胆固醇水平。（a）请说明为什么第一种研究方法是观察研究，而第二种研究方法是实验。（b）为什么在燕麦是否可以降低坏胆固醇水平的问题上，实验可以提供更多的有效信息？
1.15 酒精和女性癌症患者。《华盛顿邮报》有一篇关于女性饮酒与癌症的研究报道。从1996年起，一群英国的实验人员开始收集128万名50~64岁女性的详细信息。实验人员记录了三年中这些自愿参加该研究的女性报告的饮酒量，并探究了在平均7年后出现的68775个女性癌症患者与她们饮酒之间是否有关联。他们发现，即使这些女性每天平均只摄入10克酒精（大约相当于一杯酒），她们患乳腺癌、肝癌和直肠癌的风险也会增加。（a）这是不是实验？请说明理由。（b）我们更喜欢在志愿参加调查研究的人中做抽样调查。那么，实验人员感兴趣的总体是什么？他们测量了哪些变量？
1.16 课本的成本。一名学生想知道一本教材的成本是否取决于其页数。于是，该学生走进校园书店，从书架上随机选择了一本教材，并记录下它的页数和价格。这项研究的总体是什么？样本是什么？该学生测量的变量是什么？
1.17 选择你的研究类型。你认为，要回答下列三个问题，实验、抽样调查或观察研究，哪种方式最好？（a）你们学校的篮球队在主场比赛中犯规次数多还是在客场比赛中犯规次数多？（b）大学生对学校提供给他们的娱乐设施满意吗？（c）可以进行课程录音的大学生是否比那些不能进行课程录音的学生表现更好？
1.18 选择研究目标。研究一个有关大学生或其行为、想法的问题，最适合用以下哪种方法。（a）抽样调查。（b）观察研究。（c）实验。
1.19 网上练习。从例4到例7所提到的抽样调查都可以在网上找到：
• 盖洛普民意调查（例4）：www.gallup.com。
• 当前人口调查（例5）：www.bls.gov/cps。
• 电视收视率调查（例6）：www.nielsen.com/us/en/measurement/television-measurement.html。
• 综合社会调查（例7）：www.norc.org/Research/Projects/Pages/general-society-survey.aspx。
我们建议读者浏览盖洛普网站，了解当前民意调查的结果和有关调查方法的说明。
访问盖洛普调查网站，选择一个可供非订阅用户浏览的民意调查，判断其中的总体和样本是什么，以及样本中包含了多少人。
1.20 网上练习。你可以在美国国家环境健康科学研究所
试读结束[说明：试读内容隐藏了图片]