The Oxford Handbook of Qualitative Research presents a comprehensive overview of the field of qualitative research. It is intended for students of all levels, faculty, and researchers across the social sciences. The contributors represent some of the most influential and innovative researchers in the field as well as emerging scholars. This handbook provides a broad introduction to the field of qualitative research to those with little to no background in the subject, while simultaneously providing substantive contributions to the field that will be of interest to even the most experienced researchers. It serves as a user-friendly teaching tool suitable for a range of undergraduate or graduate courses, as well as individuals working on their thesis or other research projects. With a focus on methodological instruction, this volume offers both a retrospective and prospective view of the field. The first two sections explore the history of the field, ethics and philosophical/theoretical approaches. The next three sections focus on the major methods of qualitative practice as well as newer approaches (such as arts-based research and internet research); area studies often excluded (such as museum studies and disaster studies); and mixed methods and participatory methods (such as community-based research). The next section covers key issues including data analysis, interpretation, writing and assessment. The final section offers a commentary about politics and research and the move towards public scholarship.

This book is an introduction to the field of asymptotic statistics. The treatment is both practical and mathematically rigorous. In addition to most of the standard topics of an asymptotics course, including likelihood inference, M-estimation, the theory of asymptotic efficiency, U-statistics, and rank procedures, the book also presents recent research topics such as semiparametric models, the bootstrap, and empirical processes and their applications. The topics are organized from the central idea of approximation by limit experiments, which gives the book one of its unifying themes. This entails mainly the local approximation of the classical i.i.d. set up with smooth parameters by location experiments involving a single, normally distributed observation. Thus, even the standard subjects of asymptotic statistics are presented in a novel way. Suitable as a graduate or Master's level statistics text, this book will also give researchers an overview of research in asymptotic statistics.

《面向生态学数据的贝叶斯统计:层次模型、算法和R编程》内容简介：作为统计学的两大分支，频率论和贝叶斯统计创立的时间相差无几，但贝叶斯统计直到近10年才被逐步引进到生态学数据分析。《面向生态学数据的贝叶斯统计：层次模型、算法和R编程》涵盖方法引论与实验分析应用两部分，针对多个时空尺度，介绍了适合于生态学数据的统计推断方法和层次模型，涉及经典频率论和贝叶斯统计的模型、算法和具体编程。首先阐述了生态学数据的层次结构和时空变异性，以及频率论和贝叶斯统计。然后介绍贝叶斯推断的基础概念、分析框架和算法原理；并进一步针对生态学层次模型、时间序列及时空复合格局数据依次展开分析模拟。在应用操作部分，配合方法部分的各章内容介绍基于R的算法与编程实践。最后《面向生态学数据的贝叶斯统计：层次模型、算法和R编程》还附录了与生态学数据密切相关的频率论与贝叶斯统计的基础知识。
《面向生态学数据的贝叶斯统计：层次模型、算法和R编程》适用于生态学和环境科学专业的研究生和科研人员，可作为实验和观测数据分析的教材或参考书。具有一定概率论和贝叶斯统计基础及统计软件R应用编程技术的人员，对于理解和应用《面向生态学数据的贝叶斯统计：层次模型、算法和R编程》所涉及的相关方法是必要的。

美国学术团体协会（American Council of Learned Societies，ACLS）于1982年开办“学问生涯暨查尔斯•霍默•哈斯金斯讲座”，每年邀请一位杰出的人文学者来谈他的治学经历。1985年邀请的是历史学家劳伦斯•斯通，1990年的是古典学家保罗•奥斯卡•克利斯特勒，随后有历史学家彼得•盖伊，古代晚期史权威彼得•布朗等，大师云集，斯为学术之荣耀。本书收录了1983—1993年间十位著名学者的演讲，激励与启发有志于学的人，同时也是了解这些国际著名学者的重要资料。译者是吕大年、高峰枫等学者，可谓名家名译。

本书和《中国历史研究法》一样，系梁启超先生二十多年史学研究的总结，其中所讲许多治史经验，至今仍具有指引历史研究门径、启迪后学的价值。全书分总论与分论两部分。总论包括《史的目的》、《史家的四长》及《五种专史概论》。梁启超说：研究“历史的目的在将过去的真事实予以新意义或新价值，以供现代人活动之资鉴”。他还阐明了史家应具备的“四长”，即史德、史学、史识和史才。在分论中，作者详尽地论述了有关“人的专史”、“文物的专史”等专史的撰写方法。 本次出版，附录作者另外两篇讲专史的文章，即《历史统计学》、《中国考古学之过去及将来》，供读者参考。
【跟大师学国学】
这是一套写给年轻人的国学读本。晚清民国时期，东西方文化会通碰撞，人文学术勃兴，名家辈出，产生了一大批大师级的学者，留下了丰厚的文化遗产。他们的著述，历经岁月洗磨，至今仍熠熠生辉。由于诸种原因，这些著作，有的久不再版，一书难觅，有的版本繁杂，错漏时见。有鉴于此，我们特组织出版“跟大师学国学”书系，从这些学者名家、国学大师的著作中，遴选出一些好读易懂、简明扼要的作品，仔细编校，统一装帧，分批推出，以飨读者。
我们所选书目，大多数是一版再版的经典著作，不仅在文化学术界历来享有盛誉，也在广大读者中间有着较高的知名度；另有一部分，出自当日名家，影响很大，有的多次重印，但1949年以后未再重印，借此次整理出版的机会，我们将之重新推荐给读者朋友。这些书，都是大家名家面向年轻读者讲述，不作高头讲章，也不掺杂教条习气。我们希望，本书系在新的时代，能够帮助今天的年轻人熟悉自己的经典，认识自己的历史与文化。
“跟大师学国学”第一辑作品：王国维《人间词话》、章太炎《国学概论》、朱自清《经典常谈》、闻一多《唐诗杂论》、张荫麟《中国史纲》、吕思勉《三国史话》、孟森《明史讲义》、梁启超《中国历史研究法》。
“跟大师学国学”第二辑于2010年1月推出，包括：鲁迅《中国小说史略》、孟森《清史讲义》、梁启超《中国历史研究法补编》和《清代学术概论》、曹伯韩《国学常识》、胡朴安《文字学常识》、诸宗元《中国书画浅说》、俞陛云《诗境浅说》等八种。

As a scientist, you are a professional writer: your career is built on successful proposals and papers. Success isn't defined by getting papers into print, but by getting them into the reader's consciousness. Writing Science is built upon the idea that successful science writing tells a story. It uses that insight to discuss how to write more effectively. Integrating lessons from other genres of writing with those from the author's years of experience as author, reviewer, and editor, the book shows scientists and students how to present their research in a way that is clear and that will maximize reader comprehension. The book takes an integrated approach, using the principles of story structure to discuss every aspect of successful science writing, from the overall structure of a paper or proposal to individual sections, paragraphs, sentences, and words. It begins by building core arguments, analyzing why some stories are engaging and memorable while others are quickly forgotten, and proceeds to the elements of story structure, showing how the structures scientists and researchers use in papers and proposals fit into classical models. The book targets the internal structure of a paper, explaining how to write clear and professional sections, paragraphs, and sentences in a way that is clear and compelling. The ideas within a paper should flow seamlessly, drawing readers along. The final section of the book deals with special challenges, such as how to discuss research limitations and how to write for the public. Writing Science is a much-needed guide to succeeding in modern science. Its insights and strategies will equip science students, scientists, and professionals across a wide range of scientific and technical fields with the tools needed to communicate effectively.

Causality is central to the understanding and use of data. Without an understanding of cause effect relationships, we cannot use data to answer questions as basic as, “Does this treatment harm or help patients?” But though hundreds of introductory texts are available on statistical methods of data analysis, until now, no beginner-level book has been written about the exploding arsenal of methods that can tease causal information from data.
Causal Inference in Statistics fills that gap. Using simple examples and plain language, the book lays out how to define causal parameters; the assumptions necessary to estimate causal parameters in a variety of situations; how to express those assumptions mathematically; whether those assumptions have testable implications; how to predict the effects of interventions; and how to reason counterfactually. These are the foundational tools that any student of statistics needs to acquire in order to use statistical methods to answer causal questions of interest.
This book is accessible to anyone with an interest in interpreting data, from undergraduates, professors, researchers, or to the interested layperson. Examples are drawn from a wide variety of fields, including medicine, public policy, and law; a brief introduction to probability and statistics is provided for the uninitiated; and each chapter comes with study questions to reinforce the readers understanding.

Most questions in social and biomedical sciences are causal in nature: what would happen to individuals, or to groups, if part of their environment were changed? In this groundbreaking text, two world-renowned experts present statistical methods for studying such questions. This book starts with the notion of potential outcomes, each corresponding to the outcome that would be realized if a subject were exposed to a particular treatment or regime. In this approach, causal effects are comparisons of such potential outcomes. The fundamental problem of causal inference is that we can only observe one of the potential outcomes for a particular subject. The authors discuss how randomized experiments allow us to assess causal effects and then turn to observational studies. They lay out the assumptions needed for causal inference and describe the leading analysis methods, including, matching, propensity-score methods, and instrumental variables. Many detailed applications are included, with special focus on practical aspects for the empirical researcher.

《精神科学中历史世界的建构》（1911）是狄尔泰后期最重要的著作，也是解释学史上最有影响的文献之一。在此，狄尔泰以一种特殊的方式区分开自然科学和精神科学，考察了欧洲，特别是德国思想史上建构精神科学系统的努力。在此基础上，他深入探讨了知性认知在精神科学中的运用问题、精神科学的普遍有效性问题、精神科学中的历史学与诸系统学科之间的关系问题等。同时，他提出了一系列新的概念，特别是作为社会—历史理解之对象的“生活的客观物”概念，作为精神世界之创造者的“生产关联体”概念等。

对国内的大多数从事生态研究的学者和研究生而言，数学方法的选择是他们在研究中所面临的最大的难题之一，因此在实验设计阶段因没有充分考虑不同方法对数据的要求，导致最后的试验结果无法做较为深入的分析，这也是国内生态学者的研究成果在国外期刊发表比较难以发表的主要原因之一。本书以目前生态学研究中最为重要的空间分析为主题，系统地介绍了目前生态学中常用的数学方法，因为作者是生态学家而非数学家，因此从生态学的角度对这些数学方法的介绍更容易被生态学家所理解和接受。本书是迄今为止并不多见的对生态学中常用的空间分析方法进行系统、全面、深入浅出介绍的专著，正如本书的名字所示，本书完全可以作为一本生态学家的指南。无疑本书的翻译出版将有利于推进空间分析方法在生态学中更为科学、有效地应用。

《生物多样性测度》是一本全面介绍生物多样性测度方法的著作，内容全面、语言简练、深入浅出。《生物多样性测度》不仅介绍了生物多样性[如a多样性（一定空间单位内的多样性）、β多样性（若干区域内物种多样性的差异）]测度的主要方法，而且评述了物种多度模型、物种丰富度估计方法和主要多样性统计学方法。《生物多样性测度》还提供了使用生物多样性测度方法的指南和解释计算结果的方法，也说明了各种方法的局限性。此外，《生物多样性测度》还提供了若干生物多样性测度分析和计算的实例，可使读者迅速理解国际上关于生物多样性研究的主要方法及各方法的优缺点，帮助读者合理使用这些方法。《生物多样性测度》适合生态学、环境科学、保护生物学、农学、林学和自然地理学等专业的研究生及相关专业的教师、科研工作者参考使用。

★★★
我们如何记忆，又因何遗忘？
日本脑研究领衔专家阐明记忆的构造与锻炼法！
全面辨析十余种激活大脑、有效记忆的方法
……………………
◎ 编辑推荐
★ 日本脑研究第一人为普通读者写的记忆科学扫盲读物；
★ 综合“脑科学家基础研究”与“神经科医生临床经验”揭示的“记忆”惊人新常识；
★ 22个普通人最关注的记忆问题的权威解读，帮助我们更好地使用记忆参与学习与工作；
★ 全面彻底分析、比较了十余种激活大脑、有效记忆的方法，讨论了诸如饮食、睡眠、运动对记忆的显著影响；
★ 介绍了与记忆相关的脑科学研究现状，包括作者自己多年钻研的以记忆为基础的测谎器“脑指纹”与“面孔记忆”的研究成果；
★ 本书特色无任何专业术语，客观地解说与记忆术、记忆法相关记载，与日常生活中的实例相结合。
……………………
◎ 内容简介
“激活大脑”一词最近掀起了脑科学热潮，然而目前科学尚未证明“短期内”大脑被激活后，就能 “长久”（10～20年后）远离痴呆症。世面上还充斥着不少有关“记忆术”的书籍和教材，难道读过这些书或者接受过记忆术训练的人，记忆力水平就真的能够突飞猛进吗？
本书面向普通大众，以浅显易懂的方式，从生活中记忆情景谈起，分析影响有效记忆的各种因素，回溯了历史上出现的各种记忆术，向读者全面介绍了与记忆相关的脑科学研究现状。作者同时还介绍了自己多年钻研的以记忆为基础的测谎器“脑指纹”与“面孔记忆”的研究成果，与各位读者一起探索记忆的本质，并对记忆有更进一步的认识。
本书以实事求是的态度，解答读者对于记忆方方面面的疑问，鼓励读者在科学认识记忆及其背后的脑科学知识后，合理选择并使用适合自己的记忆方法，获得更有价值的人生体验。

《战略-从思维到行动》将战略定义为企业在特定的环境中所确定的核心目标与达成这些目标的关键路径的独特组合。许多战略的失败，不是战略本身的错误，而是没有连续的、一致的行动来支撑，是战略与行动的脱节。所以，《战略-从思维到行动》一方面避免单纯介绍国外学者的研究，另一方面避免远离中国现实世界的抽象，以发现在目标指导之下的连续的、一致的、集中的行动作为《战略-从思维到行动》的逻辑重点。
作者认为：战略的选择和实施是平衡的艺术。通过阅读《战略-从思维到行动》，读者除了能够掌握制订企业战略的基本过程、基本方法和分析工具以外，还能够在以下几个方面达成平衡： 第一，在理性分析和商业直觉之间达成平衡; 第二，在前瞻性和实用性之间达成平衡; 第三，实现基本知识与次级知识的平衡; 第四，在具体与抽象之间寻求平衡.因此,与国内同类图书相比，《战略-从思维到行动》重在训练读者的战略思维能力，使读者能够掌握行之有效的战略制定方法。

本书是对政治学领域进行研究设计的基本问题的方法论介绍，内容浅显易懂，是一本使用的操作指南，适合政治学、社会学、人类学、经济学和历史学专业的研究生和本科生及其导师使用。全书分为六章，分别论述研究设计与相关知识的构建；研究问题的提出如何影响研究结果；研究对象和案例的选择如何影响研究结果；研究论据的采用如何影响研究结果；研究方法和技术的选择如何影响研究结果；以及最后的总结。

布蘭登柏格(Adam M. Brandenburger)
劍橋大學經濟學博士，現為哈佛大學商學院「管理經濟」、「競爭與策略」教授。
一九九五年與奈勒波夫教授共同於《哈佛商業評論》發表〈對的賽局—運用賽局理論來發展策略〉 (The Right Game: Use Game Theory to Shape Strategy)一文，是研究賽局理論應用於管理科學的先驅。
時常於Journal of Economics & Management Strategy、Econometrica、Journal of Economic Theory等專業期刊發表文章，並曾接受《華爾街日報》及《經濟學人》等國際級重要媒體專訪。
與富達(Fidelity)、IBM、麥肯錫顧問公司(McKinsey & Co.)、默克藥廠(Merck)、全錄(Xerox)等企業合作，將其研究成果應用於實務上。
奈勒波夫(Barry J. Nalebuff)
麻省理工學院經濟與數學碩士、牛津大學博士，現於耶魯大學管理學院教授「競合策略」、「購併」、「賽局理論」、「決策分析」等課程，亦於法學院教授「談判策略」課程 。
他與人合著的第一本書：《策略性思考：商業、政治與日常生活的競爭優勢》(Thinking Strategically: The Competitive Edge in Business)是商學院必讀的教科書，不僅被譯為七種語文，在日本更成為暢銷書。
曾擔任美國運通(American Express)、花旗銀行(Citibank)、貝爾大西洋電話(Bell Atlantic)等公司顧問。
並與麥肯錫顧問公司合作，將賽局理論應用到顧問實務；另外也為聯邦通訊委員會(Federal Communications Commission)設計「個人通訊頻譜拍賣」。
■譯者簡介
許恩得博士
台灣大學會計博士，現任東海大學會計系專任副教授兼系主任、所長。
主要教學領域為賽局理論、策略與管理會計、會計與管理系統整合研討、會計理論與決策管理、管理學。
著有《品質成本會計學》。
■本書目錄
推薦序
推薦序
推薦序
譯者序
第一章　戰爭與和平
第二章　競合策略
第三章　賽局理論
第四章　參賽者
第五章　附加價值
第六章　規則
第七章　戰術
第八章　範圍
第九章 隨時準備改變

This book summarizes recent advances in causal inference and underscores the paradigmatic shifts that must be undertaken in moving from traditional statistical analysis to causal analysis of multivariate data. Special emphasis is placed on the assumptions that underlie all causal inferences, the languages used in formulating those assumptions, the conditional nature of all causal and counterfactual claims, and the methods that have been developed for the assessment of such claims. These advances are illustrated using a general theory of causation based on the Structural Causal Model (SCM), which subsumes and unifies other approaches to causation, and provides a coherent mathematical foundation for the analysis of causes and counterfactuals. In particular, the paper surveys the development of mathematical tools for inferring (from a combination of data and assumptions) answers to three types of causal queries: those about (1) the effects of potential interventions, (2) probabilities of counterfactuals, and (3) direct and indirect effects (also known as "mediation"). Finally, the paper defines the formal and conceptual relationships between the structural and potential-outcome frameworks and presents tools for a symbiotic analysis that uses the strong features of both. The tools are demonstrated in the analyses of mediation, causes of effects, and probabilities of causation.