本书发布页面在这里
下载右侧的 "Releases" 并解压，打开 "index.html" 即可阅读。不提供 pdf 版本。
翻译本书的初衷有两点。
其一，中文统计教科书/专著屈指可数。当然这要排除入门级统计教材，因为这已经泛滥成灾了。当统计学专业的学生接受了前两年的本科教学，试图寻找中高级统计学亚学科的教材/专著时——在 2024 年，统计学在**独立于数学成为单独一级学科的 13 年后——会看到这样的景象：英文专著浩如烟海，中文专著屈指可数。我就想，既然有能力的人不愿意写，没能力的人写不出来，不如由我来翻译吧。为什么是我？不为什么，而要反过来问，为什么不是我？
其二，应用统计界对于方法的滥用误用到了令人发指的程度。这不是统计人的错，而是各行各业研究者对于统计方法的误解、对于统计建模的无知所导致的。这其实很矛盾，因为如果统计人能写出优秀的中文专著，而不是在浩如烟海的英文专著里披沙炼金，会在很大程度上减少如此事件的发生。统计语言本身就已经高深莫测了，再加上自然语言对统计学科学习的阻碍，这是火上浇油的事情。
事实上这两者是“相辅相成”的。大量的中高级统计学方法是通过“计算机语言”来学习的，这类文本是最多的。写这类文本的作者会语重心长的教你怎么“拟合模型”，这行命令代表了模型的哪个公式，输出的结果应该怎么解释？。但我们最好在“几行命令就生成大量统计输出”的浮躁世界中停下来想一想，在“统计语言”、“学科语言”中间插入一个“计算机语言”，这对于学习或者做研究有什么影响？从根本上来说，统计语言是计算机语言的爸爸（当然统计模型的发展离不开算法的进步，现在在很大程度上是相辅相成了），通过计算机语言来学习统计语言就像是“先有儿子后有爸爸”，甚至是直接利用儿子生出孙子（以学科语言表达的研究结论），而不关心爸爸，这令人百思不得其解。当我们用统计软件包做统计分析时，我们需要明确想做什么、正在做什么，以及想做的是否等于正在做的。事实上只有科学地进行了如此的认知和比较的过程，我们才可能得到科学的分析。再加上作者在第 3 章开头说的，我们还需要在学科语言与统计语言之间的灵活转译。
三门语言都十分重要，最不重要的应该是用的最多的计算机语言。为什么？首先，统计学的生命力在于应用，统计学是服务于其他学科的工具学科，从这一点上讲，学科语言是最重要的——身为统计人的我对于统计学没有主要话语权也表示遗憾，但我认为事实就是如此；其次，计算机语言依据统计语言来编写，只有搞懂了统计语言才有可能搞懂计算机语言——否则在统计软件包之间进行切换，会对结果感到一头雾水——若反过来则是本末倒置的笑话。这本质上是一个“质疑xx、理解xx、成为xx、超越xx”的过程。会有人说，时间精力有限，三门语言我不可能同时掌握。或者，会有人试图在有限的时间精力中掌握三门语言，然而这是危险的（如上所述）。这就是统计人的用武之地了：统计学能独立于数学成为单独的一级学科，统计人自身的价值和重要性不言而喻。
当统计世界似乎对 R 等开源软件敞开怀抱时，为什么原书要用 SAS. 我十分认同作者给出的理由，还可在作者所言的基础上加一条。SAS 的全称是 Statistical Analysis System，这可能是当今浮躁世界少有的名副其实了，因为它确实称得上是统计分析系统——统计分析、并且非常系统。
我不敢保证读者会喜欢本书。首先，读者可能会认为原书作者喜欢说教，而不是一上来就写出模型、抛出示例并甩出代码。但至于读者认不认同“忠言逆耳利于行”，这是读者自己的事情；其次，贯穿全书的软件是闭源收费的 SAS，这与许多应用研究者的想法背道而驰。但作者的意图很明显，我们需要慢下来仔细想想统计方法之原理，统计建模之**究竟是什么。
希望你喜欢，并且希望你在线性模型的世界里玩的开心。