本书从数据获取、数据描述、数据分析三个方面，系统介绍了数据科学中的典型统计方法，包括抽样技术、线性回归方程、时间序列分析等。全书内容讲解简明扼要，注重应用，利用R语言自带数据，进行实例展示。没有冗余的数理推导，可以让读者快速进入统计方法的学习。
本书的内容主要分为四大部分，共5章。第一部分为第1章抽样技术，介绍了典型的几类抽样技术，包括简单随机抽样、分层抽样、整群抽样、系统抽样、多阶段抽样。第二部分为第2章描述性统计和第3章推断性统计，介绍了统计学基本内容，包括变量类型、图表表示、点估计、区间估计、显著性检验、方差分析等内容，帮助学生建立起统计学研究的整体框架，体会到“期望”和“方差”是基础统计研究的核心，从而使得统计方法的进阶学习成为可能。第三部分为第4章线性回归方程，包括古典模型、多重共线性、序列相关性、异方差性、内生性问题、面板数据等内容。第四部分为第5章时间序列分析，包括平稳时间序列、波动性建模、趋势建模、多方程建模等内容。

叶露，理学博士，现为浙江理工大学经济管理学院副教授。主持并完成国家自然科学基金项目1项，发表论文十余篇。主讲课程有《现代统计方法》《抽样技术》《随机过程》《时间序列分析》《大数据技术与应用》《商务数据可视化》《保险与精算》等。其中，《现代统计方法》是浙江省一流线下课程。

第1章 抽样技术
1.1 调查与抽样调查
1.2 基本概念
1.3 简单随机抽样
1.4 层抽样
1.5 比率估计和回归估计
1.6 整群抽样
1.7 系统抽样
1.8 多阶段抽样
第2章 描述性统计
2.1 统计学概论
2.2 变量类型
2.3 图和表
2.4 数据分布的集中性
2.5 数据分布的变异性
2.6 R软件中的案例分析
第3章 推断性统计:估计
3.1 概率论概述
3.2 点估计和区间估计
3.3 显著性检验
3.4 两样本的显著性检验
3.5 方差分析
第4章 线性回归方程
4.1 什么是回归分析
4.2 普通最小二乘法
4.3 古典模型
4.4 模型设定
4.5 多重共线性
4.6 序列相关性
4.7 异方差性
4.8 内生性问题
4.9 面板数据
4.10 其他一些常见的模型
第5章 时间序列分析
5.1 概念
5.2 差分方程
5.3 平稳时间序列
5.4 波动性建模
5.5 趋势建模
5.6 多方程建模
参考文献
附录
后记