本书详细阐述如何选择统计检验方法，以及在应用这些方法时如何为统计理论和最佳实践提供基础。本书聚焦于可应用于实际用户研究项目的方法，是作者实际工作经验、调查研究，以及对最新的统计学、心理学、人因工程学的文献资料研读的结晶。它不只是对传统统计学的复述，而是为当今从业者提供了全新和切题的解读。

Amazon五星级畅销书，资深用户体验专家、统计分析师、心理学专家10余年工作经验结晶，着眼于用户体验设计人员工作中所遇到的疑难问题，推荐最佳解决方案。

阅读本书是一种愉悦的享受。它涉及用户体验领域的统计推理。它既不居高临下，也不难以理解。
—— Joe Dumas，用户体验顾问，著有《Practical Guide to Usability Testing》


当要求你用统计方法量化可用性改进的效果时，即使你拥有统计学背景，也会感到犹豫，因为你可能不确定应该使用哪种统计检验，而且在为可用性研究中采用小样本检验辩解时感到棘手。
本书是使用统计学解决用户研究中常见问题的实用指南。它包含了你每天都要面对的常见问题，例如：当前的产品是否比竞争者的产品更易用？我们能确信70%的用户在第一次尝试时就完成任务吗？用户在网站上购买商品需要花费多长时间？本书详细阐述如何选择统计检验方法，以及在应用这些方法时如何为统计理论和最佳实践提供基础。
本书聚焦于可应用于实际用户研究项目的方法，是作者实际工作经验、调查研究，以及对最新的统计学、心理学、人因工程学的文献资料研读的结晶。它不只是对传统统计学的复述，而是为当今从业者提供了全新和切题的解读。
为各种项目中可用性测试的统计问题提供了操作指南，包括使用六西格玛的项目
更新了标准化可用性调查问卷的内容
新增了相关性分析、回归分析和方差分析等内容
向从业者展示了选择哪种检验方法，其适用的原因以及应用中的最佳实践，并为分析数据提供易于使用的Excel公式和网页形式的计算器
向从业者推荐使用通俗易懂的语言与相关人员沟通结论的一些方法

作者简介
Jeff Sauro
资深用户体验专家、统计分析师、资深用户体验设计咨询顾问，Measuring Usability公司主要创始人。多年来，他一直在Google、eBay、Walmart、Autodesk、Lenovo和Dropbox等公司中推行可用性项目并进行统计分析，发表过20多篇论文，出版过5本专业书籍，其中包括大家所熟知的《Customer Analytics for Dummies》。Jeff经常在人机交互和可用性专家协会大会发表演讲，同时也是《Journal of Usability Studies》的编委会成员。他拥有斯坦福大学设计和技术专业硕士学位。

James R. Lewis
资深人因工程师、实验心理学专家，国际公认可用性测试和测量方面的专家，有30多年的用户体验从业经验，目前专注于用户体验的测量和评估。他曾受邀撰写《Handbook of Human Factors and Ergonomics》第3版和第4版的可用性测试章节，并著有《Practical Speech User Interface Design》。他是IBM大师级的发明家，拥有88项美国专利局颁发的专利。

内容简介
如何量化用户体验对有效提高产品的可用性而言至关重要。用户体验从业者可能经常会遇到这样的问题或挑战：测试多少样本足以揭示问题？用小样本研究结果能说明总体情况吗？如何对结果进行科学衡量？针对用户研究中的这些实践性问题，作者全面深入地梳理了自己及国际上最前沿的研究结果，并结合自身工作经验，深入浅出地介绍不同情况下可用性测试中的数据搜集方法和衡量方式，推荐最佳解决方法。对于用户研究从业者或关注用户体验的人，相信在本书帮助下能获得极大启发。
第2版更新了标准化可用性调查问卷的内容，新增了相关性分析、回归分析和方差分析等内容，通篇可见更新的示例和案例研究。
全书共10章，主要内容包括汇总数据及计算误差幅度、基准比较、组间比较、选择合适的样本量、标准化可用性问卷、与用户研究相关的统计学知识等，涵盖用户研究项目实施、分析、汇报阶段所遇到的常见疑问和问题根源的分析。

欢迎阅读本书第2版！在这一版中，我们自始至终致力于提供关于如何检验和分析用户研究数据的最新且实用的信息。第2版的主要变化如下：
我们重新审阅了2012年以来的相关文献，并根据需要更新了内容和参考文献列表。
在本书涉及的话题中，自2012年以来在标准化的可用性问卷方面，有了最新的研究成果发表，所以我们全面更新了第8章的内容。
关于第1版，反馈最多的是希望加入相关性分析的内容。所以在第2版中我们增加全新的一章来介绍相关性分析、回归分析和方差分析。
由于全新的第10章，我们调整了第1章中的决策导图，以引导读者更好地理解书中的主题。
撰写本书的一个最主要目的是为尽可能广泛的用户体验设计师和研究人员提供切实可行的用户体验评估方法。我们从熟悉用户的研究人员最常遇到的数据着手，紧接着介绍适合分析这类数据的方法——显著性检验、置信区间和样本大小评估等。这其中包含一些较为常见的检验方法，例如t检验。然而，有一些检验方法是我们希望被纳入统计学的教学中，但目前还没有的，例如“调整的Wald二项分布比例的置信区间”（adjusted-Wald binomial confidence interval）。
我想我们可以做到的是，在基于背景因素的情况下，提供有理有据的方法建议。当遇到难以给出建议的案例时，我们也希望可以提供有效的信息，以帮助人们更好地做出决策。所有的这一切都是希望能够为创造更好的产品和服务出一份力，为使用它们的人们带来益处，为提供它们的企业带来价值。

计算机\Web设计

阅读本书是一种愉悦的享受。它涉及用户体验领域的统计推理。它既不居高临下，也不难以理解。
——Joe Dumas，用户体验顾问，著有《Practical Guide to Usability Testing》

当要求你用统计方法量化可用性改进的效果时，即使你拥有统计学背景，也会感到犹豫，因为你可能不确定应该使用哪种统计检验，而且在为可用性研究中采用小样本检验辩解时感到棘手。

本书是使用统计学解决用户研究中常见问题的实用指南。它包含了你每天都要面对的常见问题，例如：当前的产品是否比竞争者的产品更易用？我们能确信70%的用户在第一次尝试时就完成任务吗？用户在网站上购买商品需要花费多长时间？本书详细阐述如何选择统计检验方法，以及在应用这些方法时如何为统计理论和最佳实践提供基础。

本书聚焦于可应用于实际用户研究项目的方法，是作者实际工作经验、调查研究，以及对最新的统计学、心理学、人因工程学的文献资料研读的结晶。它不只是对传统统计学的复述，而是为当今从业者提供了全新和切题的解读。

·为各种项目中可用性测试的统计问题提供了操作指南，包括使用六西格玛的项目
·更新了标准化可用性调查问卷的内容
·新增了相关性分析、回归分析和方差分析等内容
·向从业者展示了选择哪种检验方法，其适用的原因以及应用中的最佳实践，并为分析数据提供易于使用的Excel公式和网页形式的计算器
·向从业者推荐使用通俗易懂的语言与相关人员沟通结论的一些方法

[美]杰夫·绍罗（Jeff Sauro），詹姆斯 R. 路易斯（James R. Lewis）著：

这是一次奇妙的翻译之旅，每翻开新的一页，都会为作者详尽的解析而赞叹。 感谢机械工业出版社，使我拥有了这宝贵的经历。
我们身边时时刻刻都发生着交互，人与人、人与物、人与环境、物与环境等。这些交互给我们留下了一段段体验，形成了我们对事物的认知。体验很重要，也无处不在，然而，自从用户体验提出以来，它就不是一个容易解读的概念。它看不见、摸不着，没有实在的产物。如何评估用户体验，更是一个难题。
2012年出版的本书第1版是一本系统阐述如何量化和评估用户体验的书籍。它利用统计学的知识，使用户体验从主观感受变成了一个个可以量化的参数，在无形和有形之间搭建起了桥梁。这也使本书成为用户体验领域的必读书籍之一，有着特殊的地位。感谢第1版的译者殷文婧、徐沙、杨晨燕、隋馨缘和陶伯仲——五位来自腾讯公司的资深用户研究人员和设计师。他们专业的知识背景、丰富的工作经验和辛勤的付出让本书第一时间拥有了高质量的中文版。在我翻译第2版的过程中，他们的翻译也给我带来了很多指导性的建议。本书作者没有停止对统计学和用户体验的科学研究，用户体验实践最为活跃的互联网领域也发展得很快。此次再版，作者增加了近几年用户体验度量的新方法，并结合互联网的发展，尤其是在移动互联网领域的实践，为我们带来了新的解读。
数据科学在我的工作经历中也十分重要。通过数据，我们观察每一个功能的表现，分析用户的使用流程，评估产品的用户体验。科学系统的用户体验度量不仅可以使我们在做产品设计的时候有理有据，还可以促进问题的发现和解决。希望本书可以帮助更多的从业者了解统计学在用户体验度量中的应用，丰富个人和团队的技能，提高产品的用户体验。
刘司南、李祯和金煜曦也参与了此次翻译工作。本书中文版的问世，少不了她们的努力和支持。以下是她们在翻译过程中的一些感想。在实际工作中经常会由于项目紧张而无法进行充分的用户研究和分析。如果有机会进行用户调研，定性分析也往往是大多数。如今数据驱动产品成为趋势，于是设计师从数据的角度发现和分析问题的能力变得非常重要。也就是说，用户研究中的定量分析也越来越值得重视。本书作者围绕量化用户体验的主题，结合在理论和实践中的不断积累，内容从第1版到第2版得到了极大地丰富，推荐了许多新的分析和解决方法。相信本书的再版能给从业人员带来更多的启发。
——刘司南
本书运用统计学的方法，详细介绍了用户研究中各种定量测量方法以及如何评估通过这些方法得到的参数。用户体验相关从业者们能从本书中获得非常多的理论知识，借此来评估我们所收集的数据，并得出提高产品体验的方法。甚至企业的决策者也可以从中得到启发，做出更符合用户需求的明智决定。
——李祯
通过参与本书的翻译工作，我对用户体验以及测量方法有了更深入的了解。以测试用户认知和满意度为目标的标准化问卷有许多种类型，量化问卷结果的统计方式种类也是极尽丰富的。不同类型的网站，要选用恰当的问卷和统计方法。另一方面，问卷的选项和用语也是一门学问，需要结合心理学等学科的理论，根据不同类型的网站和用户来设计。
——金煜曦
qux_cn@163.com是我专门为本书设立的电子邮箱，如果您有任何关于本书的建议和批评都欢迎发给我。我渴望得到您的反馈，并会跟进本书的勘误和改进。
另一方面，如果有机会通过此次翻译认识更多从事用户体验工作或对本书感兴趣的朋友，也将是我极大的收获。我十分期待和大家交流，任何读书心得和想法，也非常欢迎给我发邮件。

顾盼
2017年10月

当2012年本书第1版出版后，我立刻订购了一本。我和本书的两位作者很熟，他们热衷于用户体验研究，经常发表颇有见解的专业文章。当我在《Journal of Usability Studies》担任主编的时候，他们都是该杂志的审稿编辑。我常常发送这些专业文章的初稿给他们审核和修订，在工作中，他们总是使用大量的统计学方法。
在等待这本书送达的时候，我开始思考：在用户体验行业是否也需要我们自己的基础统计学书籍？最近有数十本为心理学家、社会科学家、工程师、市场和医学研究人员等撰写的统计学方法书籍，我们为什么不直接从中选择一本最好的呢？我们真的需要那么多种不同的方式来解释该怎么做t检验吗？
然后我意识到我可能问了一个错误的问题。首先我们应该思考为什么会有这么多关于统计学的书籍。我坚信的答案是，统计学的概念和公式在不考虑背景因素的情况下只是抽象概念。在什么时候需要进行一个t检验，又用哪种方式来检验都要基于这个背景因素。这个在今天更是如此，因为实在有太多的软件和工具可以帮我们完成基础的公式化计算了。
很多学生害怕学习统计学的基础概念，我也像个本科生一样有同样的恐惧。而且如果由另一个学科的老师来为该学科编写书籍，例如由一位统计学老师来为用户体验编写统计学书籍，那么学习这些概念将会变得更难。所以，我相信如果有一本书可以基于用户体验来学习相关的统计学概念，将会使学习变得容易。
那么本书在基于用户体验这个背景来表达统计学概念的方面做得有多好呢？当我使用了第1版并且阅读了第2版后，我的答案是非常好。几乎在每个段落中，作者都使用统计学来阐明用户体验的问题。例如，在关于t检验的章节中，比较两种评级量表的方式或可用性测试任务时间的时候，就很好地利用了统计学来揭示：如何通过形成性和总结性的研究，以及在产品开发的不同阶段确定样本大小。纵览全书，没有任何一处脱离背景因素的抽象讨论。
作者也很善于系统化地组织全书的内容，以方便学生和老师使用。例如，作者在第1章中提供了一系列的决策导图，以图形的方式为后续章节铺垫了背景。而第1章中的表格则将这些决策与本书中的相关部分进行了结合。希望我在授课的时候，这样的内容组织方式也是可行的。另外，每章的最后有本章要点、本章思考题及其答案。本书的作者花费了大量的时间和精力来组织全书的架构，以帮助读者更好地理解。这很好地体现了本书英文书名副书名中的“实用”（practical）一词。
我喜欢本书的写作风格。作者以一个用户体验从业者的姿态向另一位用户体验从业者娓娓道来，而不是像一位专家在为新手写书。每当作者谈到有关他个人轶事的问题时，都会使用“根据文档记载来看……”这样很友好的表达。这也增强了内容的丰富性和个性，使阅读变得非常有趣，感觉像正在和作者聊天。
值得一提的是，作者在第2版中引用了一些新的素材。如我们所知，在写作第1版的时候，用户体验文献中还鲜有关于任务测试和实验后评估量表的讨论，所以当时书中包含了大量关于主观测量的章节。在第2版中，作者不再需要如同我们过去做的那样，自己去创建评估量表，而是将那些在第1版发行以后出现的评估量表使用在了书中。例如，1996年公布的10项软件可用性量表（SUS）激起了大家对实验后快速评估用户满意度的兴趣。它出现在可用性测试已经成为最被认可的依托经验主义的可用性评估方法的时候，于是SUS在当时成为实验后最受欢迎的评估量表，人们希望利用它来缩短开发时间。而如今又有了几个可靠的快速评估量表可以用在任务测试后和实验后，本书不仅介绍了所有这些量表，还对它们进行了比较。
第10章是作者在第2版中新增的一章，其中介绍了相关分析、回归分析和方差分析这三种统计学的检验方法。有些讽刺意味的是，正如作者指出的，统计学往往就蕴藏在最古老的测量方法中。该章最让我喜爱的是作者整合这三种检验方法的方式，非常好地展现了三者之间的相关性。在我以往学习和教授统计学课程的过程中，我不曾把它们联系在一起，特别是方差分析向来被看作是与相关分析和回归分析无关的。
关于这本书，我还有一个问题是想问自己的：在10年甚至15年前，就有人可以为我们的专业——用户体验撰写这样的一本统计学书籍。可它为什么偏偏诞生在现在呢？首先，我相信这样的等待是值得的。我们使用的这些统计学方法正在日趋成熟，而对这些方法研究的积累也使其与本书更加相关。其次，自2000年以来，信息行业和用户体验领域已经有了长足的发展，这帮助我们更多地了解到统计学如何受到背景因素的影响。显而易见，互联网改变了一切。网站和网页本身已经成为一门学科，使一些新的方式成为可能，例如远程和无人机测试。同时也诞生了一些新的检验方法，例如点击路径和转换率的研究，以及对A/B测试新的探索。所有这些内容都可以在本书中读到。
互联网的另一个重大影响是丰富了我们对人机交互的思考方式。以前我们所关注的可用性、生产力和问题定位法，目前已经应用到了用户体验领域，这也激起了我们对于探索新检验方式的兴趣。本书也包含了这些新的检验方式，我们在第2版中进行了更新。例如，你将会在书中看见关于客户忠诚度净推荐值的讨论，愉悦程度的享受性度量，以及全流程用户体验的可用性等级评估。
毫无疑问，当我需要一些关于用户体验度量的新灵感时，我会参考本书第2版。在我之后的统计学教学过程中，本书也会是我的第一选择。如果这是你关于这方面的第一本书，相信我，你会从中受益良多。

Joseph Dumas
用户体验设计顾问

译者序
作者介绍
推荐序
前言
致谢
第1章　导论1
　　1.1　简介1
　　1.2　本书的组织结构1
　　1.3　如何使用本书2
1.3.1　应该使用何种检验2
1.3.2　我需要多大的样本量5
1.3.3　你不必手动计算6
　　1.4　本章要点6
　　1.5　本章思考题6
　　1.6　本章思考题答案6
　　1.7　参考资料7
第2章　量化用户研究8
　　2.1　什么是用户研究8
　　2.2　用户研究的数据8
　　2.3　可用性测试9
2.3.1　样本量9
2.3.2　代表性和随机性9
2.3.3　用户研究的三种研究类型11
2.3.4　数据收集11
2.3.5　任务完成率12
2.3.6　可用性问题12
2.3.7　任务时间13
2.3.8　出错数13
2.3.9　满意度评分14
2.3.10　复合分数14
　　2.4　A/B测试14
　　2.5　调查数据15
2.5.1　等级量表15
2.5.2　净推荐值15
2.5.3　评论和开放性数据16
　　2.6　需求收集16
　　2.7　本章要点16
　　2.8　参考资料17
第3章　我们的估算到底有多准确18
　　3.1　简介18
3.1.1　置信区间=误差幅度的两倍18
3.1.2　置信区间提供了精确度和位置19
3.1.3　置信区间的三个组成要素19
　　3.2　完成率的置信区间19
3.2.1　置信区间的历史20
3.2.2　Wald区间：对于小样本来说太不靠谱了20
3.2.3　精确置信区间21
3.2.4　Wald校正区间：增加两次成功与两次失败21
3.2.5　完成率的最佳点估计…23
3.2.6　遭遇可用性问题的置信区间24
　　3.3　等级量表和其他连续性数据的置信区间25
3.3.1　任务时长数据的置信区间27
3.3.2　任务时长均值还是任务时长中位数28
3.3.3　几何平均数28
3.3.4　大样本任务时长的置信区间30
3.3.5　围绕中位数的置信区间30
　　3.4　本章要点32
　　3.5　本章思考题33
　　3.6　本章思考题答案33
　　3.7　参考资料34
第4章　我们达到或超过目标了吗35
　　4.1　简介35
　　4.2　单侧检验和双侧检验38
　　4.3　完成率与基准的比对39
4.3.1　小样本检验39
4.3.2　大样本检验42
　　4.4　满意度评分与基准的比对43
　　4.5　任务时间和基准的比对47
　　4.6　本章要点51
　　4.7　本章思考题51
　　4.8　本章思考题答案52
　　4.9　参考资料55
第5章　不同设计之间有统计学差异吗56
　　5.1　简介56
　　5.2　比较两个平均值（等级量表和反应时）56
5.2.1　组内比较——配对t检验57
5.2.2　比较任务时长59
5.2.3　组间比较（双样本t检验）61
5.2.4　t检验的假设65
　　5.3　比较完成率、转换率以及A/B测试66
5.3.1　组间比较66
5.3.2　组内比较74
　　5.4　本章要点82
　　5.5　本章思考题84
　　5.6　本章思考题答案86
　　5.7　参考资料90
第6章　关于样本量大小的总结性研究91
　　6.1　简介91
6.1.1　我们为何要关注91
6.1.2　可用性研究的类型至关重要92
6.1.3　总结性可用性测试样本量预估的基本原则92
　　6.2　预估数值93
　　6.3　比较数值99
　　6.4　如何控制变异性104
　　6.5　二项置信区间样本量的估计105
6.5.1　大样本的二项样本量估计105
6.5.2　小样本的二项样本量估计106
6.5.3　与基准比例相比较的样本量109
　　6.6　卡方检验的样本量预估（独立比例）111
　　6.7　McNemar精确检验的样本预估（配对比例）114
　　6.8　本章要点117
　　6.9　本章思考题119
　　6.10　本章思考题答案120
　　6.11　参考资料123
第7章　关于样本量大小的形成性研究125
　　7.1　简介125
　　7.2　使用发现问题的概率模型来估计形成性用户研究的样本量125
7.2.1　著名方程：P（x≥1）=1-（1-p）n125
7.2.2　从1-（1-p）n中推导出样本量估计方程127
7.2.3　使用表格计划形成性用户研究样本量129
　　7.3　二项概率模型的假设130
　　7.4　模型的附加应用131
7.4.1　估计多重问题或其他事件的复合p值131
7.4.2　校正小样本p的复合评估值132
7.4.3　估计可发现的问题数和未被发现的问题数136
　　7.5　影响p值的是什么138
　　7.6　什么是合理的目标问题发现率138
　　7.7　调解“神奇的数字5”和“8还不够”140
7.7.1　一段历史——20世纪80年代141
7.7.2　又一段历史——20世纪90年代141
7.7.3　“神奇的数字5”的起源142
7.7.4　“8还不够”——一个调解方法144
　　7.8　更多关于二项概率公式及其小样本校正147
7.8.1　二项概率公式的起源147
7.8.2　紧缩校正是如何起作用的149
　　7.9　针对问题发现的其他统计模型151
7.9.1　对问题发现使用二项分布模型的批评151
7.9.2　扩展的二项分布模型152
7.9.3　捕获-再捕获模型153
7.9.4　在计划形成性用户研究时为什么不用其他模型153
　　7.10　本章要点156
　　7.11　本章思考题158
　　7.12　本章思考题答案159
　　7.13　参考资料159
第8章　标准化的可用性问卷163
　　8.1　简介163
8.1.1　什么是标准化的问卷163
8.1.2　标准化可用性问卷的优点163
8.1.3　什么样的标准化可用性问卷是有用的164
8.1.4　标准化问卷的质量评估：信度、效度和灵敏度165
8.1.5　其他项目的特征166
　　8.2　后续研究的调查问卷167
8.2.1　QUIS(用户交互满意度问卷)168
8.2.2　SUMI（软件可用性测试问卷）169
8.2.3　PSSUQ（整体评估可用性问卷）170
8.2.4　SUS(系统可用性量表)175
8.2.5　UMUX（用户体验的可用性指标）186
8.2.6　UMUX-LITE（用户体验的可用性指标-简化版）188
8.2.7　整体评估可用性问卷的实验比较189
　　8.3　任务评估问卷192
8.3.1　ASQ（场景后问卷）192
8.3.2　SEQ（单项难易度问卷）193
8.3.3　SMEQ（主观脑力负荷问题）194
8.3.4　ER（期望评分）194
8.3.5　UME（可用性等级评估）196
8.3.6　任务评估问卷的实验比较198
　　8.4　网站感知可用性的评估问卷199
8.4.1　WAMMI（网站分析和测量问卷）200
8.4.2　SUPR-Q（标准化的用户体验百分等级问卷）201
8.4.3　其他评估网站的问卷203
　　8.5　其他有趣的问卷204
8.5.1　CSUQ（电脑系统可用性问卷）204
8.5.2　USE（有用性、满意度、易用性）206
8.5.3　HQ（享受性质量）…206
8.5.4　EMO（情绪指标结果）207
8.5.5　ACSI（美国顾客满意度指数）208
8.5.6　NPS（净推荐值）208
8.5.7　CxPi（福雷斯特客户体验指数）209
8.5.8　TAM（技术接受模型）210
　　8.6　本章要点211
　　8.7　本章思考题212
　　8.8　本章思考题答案213
　　8.9　参考资料215
第9章　测量和统计的六大持久论战221
　　9.1　介绍221
　　9.2　对多重评分量表数据进行平均合理吗222
9.2.1　一方观点222
9.2.2　另一方观点223
9.2.3　我们的推荐225
　　9.3　需要测试至少30名用户吗226
9.3.1　一方观点226
9.3.2　另一方观点226
9.3.3　我们的推荐228
　　9.4　所有的实验都要进行双侧检验吗228
9.4.1　一方观点228
9.4.2　另一方观点228
9.4.3　我们的推荐230
　　9.5　当p>0.05时，我们能拒绝原假设吗230
9.5.1　一方观点230
9.5.2　另一方观点230
9.5.3　我们的推荐232
　　9.6　能将各种可用性度量指标合并到一个分数中吗234
9.6.1　一方观点234
9.6.2　另一方观点235
9.6.3　我们的推荐236
　　9.7　假使你需要进行多次检验该怎么办236
9.7.1　一方观点237
9.7.2　另一方观点238
9.7.3　我们的推荐239
　　9.8　本章要点242
　　9.9　本章思考题243
　　9.10　本章思考题答案244
　　9.11　参考资料246
第10章　相关性分析、回归分析和方差分析248
　　10.1　简介248
　　10.2　相关性分析249
10.2.1　如何计算相关性…250
10.2.2　r的统计意义252
10.2.3　r的置信区间253
10.2.4　解释r的大小254
10.2.5　r的样本量评估254
　　10.3　决定系数（R2）255
10.3.1　与二进制数据的相关性255
10.3.2　计算phi相关性256
　　10.4　回归分析258
10.4.1　评估斜率和干扰性…258
10.4.2　斜率和预测值的置信区间259
10.4.3　线性回归的样本量评估262
　　10.5　方差分析264
10.5.1　比较两个以上变量的方法264
10.5.2　评估交互272
10.5.3　方差分析的置信区间和样本量评估275
　　10.6　本章要点275
　　10.7　本章思考题278
　　10.8　本章思考题答案279
　　10.9　参考资料284
　　10.10　附录：回归分析中样本量公式的推导285
第11章　总结287
　　11.1　简介287
　　11.2　更多信息287
　　11.3　好运290
　　11.4　本章要点290
　　11.5　参考资料290
附录A　基础统计概念速成291