1.参考书籍（看过的和即将要看的，总计17本）

这里回顾一些我从2016年认识到环境统计学在环境科学中的重要性后，着手学习过程中所用到的书。

按照时间顺序依次为：

• 2016年04月：《因子分析：统计方法与应用问题》——【因为没有任何基础，当时看完一脑子浆糊】
  
• 2016年12月：《统计学》（人大版）——【这本书因为着重点在社科，我读完收获仅限于明白一些基础概念，至于怎么样应用于环境科学，让我陷入迷茫】
  
• 2016年12月：《多元统计分析》——【同样因为基础全无，上来就看多元统计分析，完全就是读天书，痛苦异常】
  
• 2018年11月：《统计探源：统计概念和方法的历史》——【这本书当初买过来是想解决自己基础弱的症结，当时因为急于应用，完全无法心思静下心来好好地阅读。不过，现在倒是成了我日常消遣的读物，很有意思，读故事书一样】
  
• 2018年11月：《女士品茶：统计学如何变革了科学和生活》——【这本书完全是名字吸引了我，当时买过来权当为自己学习统计学打气，不过当时也是急于应用，由于没从里面看到自己想要的，就束之高阁。反而是现在当成日常消遣读起来，收获颇多】
  
• 2020年4月：《Python统计分析》——【这本书一是我初窥统计应用的书，二是我Python入门的书。因为看到应用的希望之光，从这本开始我下决心系统性学习Python，企图从编程这个切入点，把统计学应用到我的研究之中】
  
• 2020年6月：《环境数据分析》——【泪目！！！庄老师的这本书很直接，照着书上的案例操作，直接应用，简直就是我的救星。我每天早上6点钟起床，脸都不洗牙也不刷，直到学满2个小时，才结束。三个月的时间，我自己不知道看了多少遍，书都翻烂了。这本书直接搭建了我的环境统计学的学习框架，弥补基础认知】
  
• 2021年5月：《环境与生态统计：R语言的应用》——【这本书进一步深华了我对环境统计学的科学认知，进一步弥补我对环境统计学的科学认识的不足，同时也是我学习Python的一个动力——把里面的实例在Python下实现】
  
• 2021年5月：《环境统计学与Matlab应用》——【这本书算是科学系统地给我搭建了环境统计学的知识框架，现在正在进行第二轮的学习】
  
• 2021年12月：《基于Matlab的地理数据分析》——【这本书还没看完，与《环境统计学与Matlab应用》进行配套学习，进一步深入学习回归分析、因子分析、小波分析等知识】
  
• 2022年1月：《统计学图鉴》——【这本书我权当漫画书看了，讲的全是统计学基本概念，我个人非常喜欢，从入手到现在基本是随身带着，时刻用于基础知识的补充——基础弱恐惧症】
  
• 2022年1月：《统计学：从数据到结论》——【吴老师的这本书，给我的触动，与庄老师那本一样，现在我每天起床第一件事就是看这本。】
  
• 2022年1月：《Python:数据科学的手段》——【吴老师的第二本书，还没开始全面看，初步看了框架，真不赖，用于弥补我看《Python统计分析》的遗憾】
  
• 2022年2月1日（你没看错，大年初一下的单）：《实验设计》——【买这本书的原因是基于《环境统计学与Matlab应用》框架里面的“环境问题的解决过程与范式”，弥补我在实验设计这一环节的不足】
  
• 2022年2月1日：《非参数统计》——【买这本书的原因是基于非参数检验应用的频率大问题，进一步深入学习】
  
• 2022年2月2日：写这篇文章的过程，顺手买了吴喜之老师的两本书：
  《统计学：从概念到数据分析》——【这本书用于二次梳理我的知识框架】
  
  《非参数统计》——【这本书是计划与王星老师那本对比着看的】
  

2.给后来者的学习顺序建议：

从我个人曲折的学习经历，回过头来看，分三个梯度：

第一梯度

建议阅读：《统计学：从概念到数据分析》、《统计学：从数据到结论》、《统计学图鉴》

第二梯度

建议阅读：《环境数据分析》、《环境统计学与Matlab应用》、《环境与生态统计：R语言的应用》

第三梯度

建议阅读：《实验设计》、《非参数统计》（吴喜之）

1. 从系统学习环境统计学的目的出发—— 学习的核心，应该放在第一梯度和第二梯度；
2. 从快速应用的目的出发——第一梯度看《统计学：从数据到结论》、第二梯度看《环境数据分析》；
3. 从直接应用的目的出发——直接看《环境数据分析》，对着里面的例子，直接操作，然后上手你的数据。