白話統計學 中文第三版 2026年 (Statistics in Plain English 5/E)

       這本書是統計學入門者的理想指南，以白話解釋與直覺式學習為核心，幫助讀者輕鬆理解統計概念，並能正確運用與解讀資料。本書涵蓋基礎到進階的統計技術，如集中趨勢、次數分布、t 檢定、迴歸分析、重複測量變異數分析及因素分析等，並透過案例分析與實際資料操作，引導讀者撰寫報告、解讀統計結果。

• 個人中心取向的資料分析：分析方式更貼近真實生活情境，涵蓋行為觀察、社會脈絡或使用者體驗。
• 強化無母數統計：更靈活應對多樣性的實務問題。
• 深入機率與統計假設的說明：幫助讀者了解統計推論的邏輯架構與限制。
• 效應量的強調：不只是關注顯著性，更探討結果的實際影響力和意義。
• 化繁為簡的敘事方式：透過研究資料、真實案例和媒體資訊降低學習門檻，提升直覺理解和應用能力。

適用課程︰一般統計學、研究方法課程均適用。
適用對象︰大學、技專校院各系所之大學、研究所學生皆適用。

第01章　引介社會科學研究的原則與術語

　統計與研究在生活中的重要性
　統計術語與研究方法
　理解分布與統計圖
　總結與展望

第02章　集中趨勢之測量

　細說集中趨勢的測量
　範例　偏斜分布的平均數、中位數與眾數
　撰文
　總結與展望

第03章　變異性之測量

　全距
　變異量
　標準差
　細說變異性之測量
　範例　檢視全距、變異量與標準差
　實用案例
　總結與展望

第04章　常態分布

　常態分布的特徵
　常態分布為何重要？
　細說常態分布
　抽樣方法與常態分布的關係
　偏態與峰度
　範例 1　將常態分布機率應用在常態分布
　範例 2　將常態分布機率應用在非常態分布
　總結與展望

第05章　標準化與 z 分數

　細說標準化與 z 分數
　詮釋 z 分數
　範例　比較原始分數與 z 分數
　實用案例
　總結與展望

第06章　標準誤

　標準誤是什麼？
　細說標準誤
　如何計算標準誤？
　中央極限定理
　常態分布與 t 分布：z 分數與 t 統計值的比較
　標準誤在推論統計值中的應用
　範例　樣本規模與標準差對平均數之標準誤的影響效應
　實用案例
　總結與展望

第07章　統計顯著性、效應量與信賴區間

　細說統計顯著性
　參數檢定的假設
　統計顯著檢定的限制
　細說效應量
　細說信賴區間
　範例　單一樣本 t 檢定的統計顯著性、信賴區間與效應量
　總結與展望

第08章　t 檢定

　t 檢定是什麼？
　t 分布
　單一樣本 t 檢定
　獨立樣本 t 檢定
　相依（配對）樣本 t 檢定
　細說獨立樣本 t 檢定
　細說配對或相依樣本 t 檢定
　範例1　男生與女生成績平均積點的比較
　範例2　五年級與六年級成績平均積點的比較
　撰文
　實用案例
　總結與展望

第09章　單因子變異數分析

　變異數分析與獨立樣本 t 檢定的比較
　細說單因子變異數分析
　事後檢定
　效應量
　範例　比較 5、8、12 歲兒童每日睡眠時數
　撰文
　實用案例
　總結與展望

第10章　多因子變異數分析

　何時使用多因子變異數分析？
　當心謹慎
　細說多因子變異數分析
　共變數分析
　多因子變異數分析、共變數分析與效應量範例
　範例　表現、選擇與評量隱密性
　撰文
　總結與展望

第11章　重複測量變異數分析

　何時使用不同類型的重複測量技術？
　細說重複測量變異數分析
　重複測量共變數分析
　加入一個群體自變項
　範例　對標準化測驗的態度改變
　撰文
　總結與展望

第12章　相關

　相關係數的應用時機與涵義
　細說皮爾森積差相關係數
　相關係數的比較與信賴區間的計算：費雪 Z 轉換
　淺談其他類型的相關係數
　範例　學業等第與測驗分數之間的相關
　實用案例：樣本相關係數的統計顯著性
　撰文
　總結與展望

第13章　迴歸

　簡單迴歸與複迴歸的異同
　細說迴歸分析
　複迴歸
　範例　預測學生自我設限策略的使用程度
　撰文
　實用案例
　總結與展望

第14章　無母數統計

　Mann-Whitney U 檢定
　細說 Mann-Whitney U 檢定
　Wilcoxon signed-rank 檢定
　細說 Wilcoxon signed-rank 檢定
　Kruskal-Wallis 檢定
　獨立性之卡方檢定
　細說統計獨立性之卡方檢定分析
　範例　世代身分與學業成績
　撰文
　實用案例
　總結與展望

第15章　資料化約的技術——因素分析與信度分析

　細說因素分析
　一個探索性因素分析的具體範例
　驗證性因素分析簡介
　細說信度分析
　撰文
　總結與展望

第16章　個人中心取向的分析

　集群分析
　細說集群分析
　潛在類別分析
　細說潛在類別分析
　撰文
　總結與展望

附錄 A　常態曲線下累積至 z 分數之覆蓋面積　
附錄 B　t 分布之臨界值
附錄 C　F 分布之臨界值
附錄 D　司徒登氏全距統計值之臨界值（應用於 Tukey HSD 檢定）
附錄 E　相關係數之費雪 Z 轉換表
附錄 F　Mann-Whitney U 統計值之臨界值
附錄 G　Wilcoxon Signed-Rank 檢定之臨界值
附錄 H　X² 分布之臨界值


前言
為什麼需要引用統計數字？
       本書的第一版出版於 2001 年。那時 Facebook、Instagram 或 Twitter 尚未問世，網際網路仍處於科技改變世界的初期階段。隨著網際網路的發展，特別是社群媒體的崛起，開創了一個全新的時代——每個人，無論其專業背景如何，都可以表達自己的意見，並且有機會被廣泛聽見。早在 2001 年，我就對一個現象感到沮喪：人們常常因為自己的經歷而相信一些缺乏證據支持的觀點，即使這些觀點與現有證據相悖。然而現在，每個人都有了表達自己意見的平台，更容易找到數以百計支持相同觀點的人。在這樣的情況下，你能想像我有多沮喪嗎？

       儘管網路上的觀點、個人故事和陰謀論可能令人信服，但身為研究人員，我們必須超越個人故事或激烈的爭論，尋找更廣泛的證據。例如：我們如何判斷疫苗是否真的會導致自閉症？我們如何評估公立學校的成效、教師工會是否有助於或阻礙有價值的改革，以及特許學校（Charter Schools）（或稱實驗學校）在教育學生方面是否做得更好？為了回答這些問題，我們需要良好的資料，並使用適當的統計方法來分析資料。

       很多人對於統計數字抱持不信任的態度，甚至認為，技藝高超的統計學家「玩弄統計數字」、「利用統計數字說謊」。事實上，如果一位研究者正確地計算統計數字，他或她只能就統計值反映的事實而陳述，絕不可能誇大其詞，而且，統計數字絕對不會說謊；更甚者，訓練良好的研究者，可以透過各種方式詮釋統計數字。然而，若是沒有接受統計學訓練，無法了解統計學，只好接受統計學家的詮釋，不然就是全盤拒絕和否認統計數字。相信睿智的讀者，一定會選擇學習統計學知識，由自己詮釋必須面對的統計數字。本書的目的，就是以簡單、輕鬆的方式，引導讀者進入統計學的世界。

統計學的運用
       人們總是喜歡奇聞軼事。然而，奇聞軼事常是絕無僅有，或只是少數人才會發生的經驗。做為人類，我們的認知限制之一，就是傾向於將自己相信的事實當作真理。譬如，我們偶爾會聽到：「我每天服用綜合維他命，所以二十年來我從未生病」、「我的祖母五十年來每天抽一包菸，她長壽健康活到 90 歲」、「我的父母以前也打我，我不也好好的嗎」諸如此類的言論主張。可能（也可能不是）對於那些訴說故事的主人來說，的確如此。然而，對於其他人，甚至多數的人而言，事實並不一定如此。統計學能夠協助我們從許許多多的人們身上蒐集資料和資訊，總結常人的生活經驗。針對數量龐大的資訊，統計學可以運用少量的數值，像是平均數，摘要其內涵。當然，將為數眾多的資訊總結於單一的數字，必然減損許多的資訊，尤其無法識讀不同人們的差異經驗。因此，讀者必須了解，統計學無法提供了解個別經驗的資訊；反之，我們運用統計學的目的，乃是試圖了解一群人，甚或全體人群的概括經驗。總之，個人的故事也許引人入勝，但有時候，了解常人的典型經驗也非常重要。因為這個緣故，我們需要統計學。

       統計值能夠提出結論，用以描述群體之間的差異。舉例來說，某個家庭有四個孩子，兩男兩女，其中女孩比男孩長得更高，那麼，根據這家人的經驗，或許得到的結論是女生通常高於男生。可是，你我都知道，男性身高通常比女性更高，如果抽取一個男性的隨機樣本和另一個女性的隨機樣本，然後比較兩個群體的平均身高，即可知道結果。研究者時常進行諸如此類的比較：使用不同藥物的癌症患者，存活時間有沒有差別？不同的教學方法之下，學童的學習效果一樣嗎？男人和女人在電影的喜好程度上有何差別？若要回答這些問題，我們必須隨機選取樣本，從樣本蒐集資料，然後運用統計學加以比較分析。以這種方式所發現到的資訊，會比只是觀察隨意少數人的經驗更值得信賴。

       統計學甚至可以用來檢視兩個變項的數值彼此之間有無關聯，並進一步進行預測。例如：我們可以運用統計學，分析抽菸是否更可能導致肺癌。多年來，菸草公司總是辯稱，抽菸與癌症兩者無關。雖然有些抽菸者罹患癌症，菸草公司仍然指出：(1) 許多抽菸者並未罹患癌症；以及(2) 那些罹患癌症的抽菸者，其實是因為其他一些生活方式（諸如不健康的飲食和缺乏運動）而導致。面對諸如此類的爭論，透過統計學的協助，現在許多的研究證實，抽菸與癌症兩者之間的確存在關聯。不過，我們也要知道，統計學乃是聚焦在總體的關係之上，而非指涉個別的個案，所以研究發現並不是證明每一個抽菸者皆會罹患癌症；反之，只是證實，平均而言，抽菸者罹患癌症的可能性較高。

       稍微思考一下，讀者將會發現，透過統計學的運用，可以協助我們回答許多重要的問題，藉以了解事物之間的關係。例如：自尊與學業成就表現之間是否有關？從一個地方政府的毒品處遇計畫經費是否能夠預測暴力犯罪率？如果知道父親的身高，是否能夠正確預測兒子的身高？諸如此類的種種問題，都能透過統計學的協助，而判斷母體中的變項之間是否存在關係。近來，網際網路蓬勃發展，各式各樣的資料無時無刻被創造和蒐集。舉例來說，多數的網路使用者或是社群媒體成員，經常會提供一些資訊，諸如年齡、性別、居住地、每日收入、固定花費、社交朋友圈、經常造訪的網站、個人喜好的事物、目前的婚姻、交友狀態等等。透過統計學的協助，資料分析人員可以判斷，當你造訪某一網站時，投放何種廣告可以獲取你的注意力，或是如何吸引你瀏覽那些網站，甚至可以讓你慫恿你的朋友（即便你並不知道）購買一些商品。較之過往任何時刻，統計學和資料已經深遠地影響我們的生活中每一角落。考量這些事實，我們是不是應該花點心力，學習了解如何運作統計學？

如何使用本書？
       較之傳統的統計學教科書，本書的內容相當淺顯、簡易。坊間的統計學教科書，大多篇幅龐大，鉅細靡遺地討論各式統計學議題，而且涵蓋許多技術性的內容，足令初學者望之卻步。這些資訊與知識的確非常重要，但有時候我們只是需要一本淺顯、簡單的教科書，告訴學生基礎的統計觀念，然後能夠上手應用。特別是對那些自認「數學不好」的學生來說，這將是一本友善的入門書籍。基於此一考量，本書提供許多統計學觀念的淺顯介紹，透過白話式的解釋，學生更能輕鬆學習統計學。

       為了配合學習需求，本書每章概由三個部分組成。第一個部分簡單描述該章主題，包括特定統計值之意義和應用；第二個部分稍加深入說明，討論特定統計值如何運作，解釋計算的公式，以及補充特定統計值的長處、限制，或其適用條件；最後，每章也會提供範例，說明特定統計值實際的應用方式。本書每一章都會提供一、兩個範例，介紹如何計算和解釋統計值。每章結尾也會放置一些案例，說明如何撰寫統計分析結果，最後提供一些練習題供讀者參考。

       另外，本書部分章節的內容略有差異。首先，有些章節介紹兩個以上的統計值，如第 2 章討論三個集中趨勢的測量（即平均數、中位數及眾數）；其次，有些章節以說明統計的概念為主，而非介紹特定的統計分析方法，如第 4 章討論常態分布；另外，也有章節專論統計顯著性、效應量和信賴區間。還有，本書的篇章其實並不需要依序研讀，我們也不是刻意按照順序編排，只是將基礎的統計值與統計學概念放在較前的章節，稍後的篇幅再來介紹更為複雜的概念。所以，讀者並不必然需要閱讀前章才能了解後章，其實每章都是獨立的，讀者應就自身的不同需求而閱讀特定篇章。例如：如果你在統計課學習 t 檢定時，對於 t 檢定的理解沒有問題，但發現自己很難理解單因子變異數分析，那麼你可以跳過 t 檢定的章節（第 8 章），直接閱讀變異數分析章節（第 9 章）；但如果讀者是個統計學的新手，提醒您，若要理解一些統計學的概念（如 t 檢定或是變異數分析），最好還是事先了解一些更為基礎的概念，像是平均數、變異量和假設檢定等，這樣才能更為容易上手。