我希望你能给我一些建议。我在一所非常多元化（由少数群体组成）的大学任教，学生大多是心理学专业的。大多数学生刚从高中毕业，但其中一些是 40 岁以上的返校生。大多数学生存在动机问题和对数学的厌恶。但我仍在寻找一本涵盖基础课程的书：从描述性到抽样和测试，一直到 ANOVA，并且都在实验方法的背景下。该部门要求我在课堂上使用 SPSS，但我喜欢在 Excel 等电子表格中构建分析的想法。
ps其他老师使用我不喜欢的书，因为它广泛依赖计算公式。我发现使用这些计算公式 - 而不是与理性和基本算法一致的更直观和计算密集的公式 - 不直观，不必要且令人困惑。这是我参考的书《行为科学统计学基础》，第 7 版 Frederick J Gravetter 纽约州立大学，布罗克波特 Larry B. Wallnau 纽约州立大学，布罗克波特 ISBN-10：049581220X 感谢您的阅读！
Freedman、Pisani 和 Purves 的《统计学》起源于加州大学伯克利分校教授的一门受欢迎且成功的课程。我把它用作本科生的介绍性统计文本，在教授研究生统计课程时借鉴了它的一些想法，并赠送了许多副本给同事和客户。其受欢迎的原因有很多：
它的叙述和问题是由真实的案例研究和明显重要的实际数据驱动的，而不是在许多文本中发现的胡言乱语。这些都是真正有趣和令人难忘的，包括索尔克脊髓灰质炎疫苗试验、1936 年文学文摘民意调查的失败、伯克利研究生歧视诉讼（取决于辛普森悖论）、费舍尔对孟德尔豌豆结果的批评等等。
它在三个层次上存在广泛的问题：在每章小节的末尾（其中有数百个），在每章的末尾（超过30个），以及在主要章节组的末尾（我记得大约4个） . 这些问题需要最少的数学或不需要数学：它们关注作者根据他们丰富的经验发现学生中出现的潜在误解。
它侧重于统计思想和推理，而不是数学。
它（几乎）不使用数学公式。数量关系通常以图形和文字的形式表达。（它们表达得非常清楚，以至于当我第一次读这本书时，作为一个对统计学一无所知的数学研究生，我能够毫不费力地重现所有基本的数学理论。）
它涵盖了大多数传统材料，包括二项分布和正态分布、置信区间、z 检验、t 检验、卡方检验、回归以及理解这些所需的最小概率和组合。
一些潜在的缺点包括：
不处理贝叶斯统计。这将使这本书在十年内过时。
不处理方差分析（心理学学生可能最怀念这一点）。
不讨论计算。
我相信后两者并不重要：优秀的讲师可以轻松提供 ANOVA 材料，并且可以根据自己的意愿教授或多或少的计算。贝叶斯统计的遗漏是否重要将取决于教师的品味和目标。
最后，我应该指出，虽然数学要求和想象的一样小，但我对学生的前后测试表明，那些带着定量思考的倾向和习惯来阅读本书的人仍然能从中得到更多它比那些没有。我的大多数学生在数学知识的预测试中表现不佳（90% 的成绩不及格），但那些在批判性思维的预测试（Shane Frederick 的认知反射测试）中也表现不佳的学生在学期内的进步明显低于其他学生。前后测试都包括完整的 40 项CAOS 测试任何介绍性大学水平的统计课程都应该包括的基本概念。这个班的学生一直表现出两倍于 CAOS 文献报道的进步；认知反射分数差的学生仅提高了平均水平（或未能完成课程）。我没有数据来说明这种额外改进的原因，但我怀疑这本教科书至少应该得到一些功劳。
我读过 Freedman（几乎是整本书）和 OpenIntro Statistics（超过三分之一）。这两本书都很不错。
我最终找到了与我要找的书相近的书：用 R 学习统计： Danielle Navarro的心理学学生和其他初学者教程。它可以在线免费获得（合法），您也可以以大约 30 美元的价格订购印刷版（详细信息请参见书页）。
这本书的主要优点是：
介绍了作为主题嵌入文本中的 R 实现。R 为书中解释的大多数方法提供了内置函数。在 R 没有内置的地方，作者已经为它编写了自己的函数，并在她的lsr库下的 CRAN 上提供了它，所以你的学习是相当完整的。我个人认为这是本书最大的优点。
这本书比 Freedman 和 OpenIntro 更全面。除了基础知识，它还涵盖了诸如夏皮罗-威尔克检验、威尔科克森检验、斯皮尔曼相关性、修剪均值和贝叶斯统计一章等主题。
清楚地解释了每个主题背后的动机。这些主题背后也有大量的历史，因此您可以了解一种方法是如何得出的。
这本书是根据读者的反馈反复编写的，我相信作者仍在改进这本书。
唯一的缺点就是硬拷贝版又大又重！
英国数学与统计心理学杂志即将离任的编辑汤姆·巴古利 (Thom Baguley) 出版了《严肃的统计》一书，您会发现它很有用。不过，它依赖于 R 而不是 SPSS。
我怀疑他们第 7 版的书。在我的教学经验中，这意味着对章节和问题进行了重新洗牌，这样学生就必须购买最新版本才能为出版商产生现金流，并为作者提供版税以跟上课程的步伐。很少有严肃的、研究水平的专着经过作者的第二版，任何更高的数字显然是一个异常值。（肯德尔的统计图书馆是一个明显的例外，但我真的想不出任何其他我知道的书会在它的第三版中。）
在我看来，Excel 只有在博士使用时才是一个很好的统计分析工具。统计员。用它教授本科统计学可能会产生灾难性的后果，并且与使用 R 或 Stata 等现代软件包相比，教授的统计学很少。只需尝试在 Excel 中生成标准化残差与杠杆回归图，并将其与这些包中的单行进行比较。统计学专业的学生需要了解理论，所以他们需要从头开始构建这些图，但仍然使用统计包，而不是在 Excel 中复制/粘贴公式。非专业本科生需要对数据分析有一种感觉，而 Excel 充其量只能掩盖它。
Statistics Unplugged是一本很棒的统计入门书籍。作者先介绍了统计检验的逻辑，后给出了数学公式。这种方法有助于消化新概念。整本书中有几个例子以需要解决的问题的形式呈现，而不是假设的陈述和数学步骤。