书单
Books
段落上下留空行，方可识别为<p>。
1 网站
- Marxists，唯物辩证法
- 劝学网，国学经典
- 中國哲學書電子化計劃
- BOOKDOWN，众多的R电子书
2 学
《唯物辩证法大纲》
李达，2022，人民出版社
《毛选》
《之江新语》
《论语》
《韩非子》
《传习录》
《What Life Should Mean to You》
Alfred Adler
中文版译名：《自卑与超越》
《Atomic Habits》
James Clear
《Rethinking Positive Thinking: Inside The New Science of Motivation》
Gabriele Oettingen, 2015
《Behavior: The Control of Perception》
William T. Powers
《On the Self-Regulation of Behavior》
Charles S. Carver, Michael F. Scheier
《Attachment in adulthood: Structure, dynamics, and change》
Mikulincer, M. & Shaver, P. R., 2010, Guilford Publications
《华为访谈录》系列
田涛，2021，中信出版社
3 术
并非你统计学不会，只是你教材没选对。
Gravetter, F. J., Wallnau, L. B., Forzano, L. B., Witnauer, J. E. (2021). Essentials of Statistics for the Behavioral Sciences. Cengage Learning.
Gravetter, F. J., Wallnau, L. B., Forzano, L. B., Witnauer, J. E. (刘红云, 骆方 译). (June 17th, 2024). 行为科学统计精要 (第10版). 中国人民大学出版社.
推荐意见：必读。学习统计必读书籍。适合毫无统计基础的人。当年我阅读的是第七版，现在新版已面世。
《Data Analysis: A Model Comparison Approach to Regression, ANOVA, and Beyond》
Charles M. Judd, Gary H. McClelland, Carey S. Ryan，3rd Edition
推荐意见：必读。深入解读了回归分析的细节，虽然是英语，但语言风格属于容易理解的那种。Hayes的书介绍得较浅，这本书介绍得较为深入。两本书结合起来，可以较为全面地掌握回归分析。不仅如此，这本书也介绍了多类别自变量的回归、方差分析（单因素，多因素，被试间，被试内，混合）、协方差分析等，这些内容在其他书籍中都鲜有涉及。这本书的讲解非常细致，细致到读这本书时我们不需要绞尽脑汁去理解、去思考，因为这本书的讲解没有留下任何理解上的缺口需要我们自己绞尽脑汁去弥合。我们在报告和写作上也应当学习这一点。
《回归分析与实验设计》
辛涛
推荐意见：如果对英语有畏难情绪, 可以考虑读这本中文书。如果有机会，一定要报辛涛老师的课。
《Introductionto Mediation, Moderation, and Conditional Process Analysis: A Regression-Based Approach (3rd ed.)》
Andrew F. Hayes
推荐意见: 必读。回归分析必读书籍。一本书搞定调节效应、中介效应和有调节的中介。但是缺乏回归分析的基础性理论知识，包括回归分析需要满足的条件、共线性诊断等等。对于多分类变量的回归分析也介绍得比较少。
《万卷方法·结构方程模型: AMOS实务进阶》
作者：吴明隆，2013
另有：吴明隆，2009，《结构方程模型: AMOS的操作与应用》
简介：结构方程模型入门选读。这本书主讲通过AMOS软件进行结构方程模型统计分析，有助于对结构方程模型建立图形化的理解。操作讲得较为详细。阅读过程中不必苛责自己，并非要一定要从前往后读，有些地方读不懂也可以先放下，学会操作最重要。（我读的是《结构方程模型：AMOS的操作与应用》）
《Structural Equation Modeling: Applications Using Mplus (2nd ed.)》
作者：Jichuan Wang, Xiaoqian Wang
另有中文版：王济川，王小倩，《结构方程模型：方法与应用》
简介：结构方程模型必读书籍。讲解采用Mplus进行结构方程模型分析，其对Mplus操作和结果进行了精讲。有中文版，也有英文版。
《多层线性模型应用》
张雷，雷雳，郭伯良
推荐意见：多层线性模型入门选读。该书籍介绍基于HLM软件的多层线性模型分析。但并不建议大家学习HLM软件，看看书，了解一下多层线性模型的思想逻辑、方程表达式就可以了。
《An Introduction to Multilevel Modeling Techniques: MLM and SEM Approaches Using Mplus》
Ronald H. Heck, Scott L. Thomas
推荐意见：学习多层线性模型的必读书籍。该书籍介绍基于Mplus的多层模型分析，但不局限于多层线性模型。Mplus可以做多层模型中的调节、中介、有调节的中介，可以直接对简单斜率进行分析，可以直接对中介效应显著性进行检验，功能强大。
4 R
《R for Data Science》
作者：Hadley Wickham, Garrett Grolemund。
推荐理由：学习R语言的首本必读书籍。内容由浅入深，尽可能地减少了读者的畏难情绪。我后悔自己没有从这本书开始学习R语言。这本书的在线版是免费的。读这本书时，尽量不要跳过它提供的练习题。上升的路总要花点力气，而最省力的路是下坡路。想最快地进步么？不要跳过这本书提供的练习题。
《Latent Variable Modeling Using R: A Step-by-Step Guide》
A. Alexander Beaujean，2014
推荐理由：想要学习使用R语言进行结构方程模型分析的话，必读此书。这本书有些内容过时了，但不影响整体使用。这本书我翻译成了中文版，见http://bbs.pinggu.org/thread-4467981-1-1.html。
《R Markdown》
R文档编辑
5 Python
《Python for data analysis: Data wrangling with Pandas, NumPy, and IPython》
McKinney, W., 2012
推荐理由：学习Python的首本必读书籍。主讲如何采用Python整理和清洗数据。浅显易懂。Python的数据处理功能目前没有R易用。
《Building Experiments in PsychoPy (2nd ed.)》
Jonathan Peirce, Rebecca Hirst, Michael MacAskill
中文版译名：《实验编程 PsychoPy从入门到精通》