分类数据分析的统计方法-(第2版)

图目录／1
表目录／1
中文版序／1
前　言／1
第1
章　绪论／1
　　1.1　为什么需要分类数据分析？／1
　　1.2　分类数据的两种哲学观点／6
　　1.3　一个发展史的注脚／8
　　1.4　本书特点／9
第2
章　线性回归模型回顾／11
　　2.1　回归模型／11
　　2.2　再谈线性回归模型／17
　　2.3　分类变量和连续型因变量之间的区别／27
第3
章　二分类数据模型／29
　　3.1　二分类数据介绍／29
　　3.2　变换的方法／30
　　3.3　Logit模型和Probit模型的论证／39
　　3.4　解释估计值／54
　　3.5　其他的概率模型／61
　　3.6　小结／62
第4
章　列联表的对数线性模型／64
　　4.1　列联表／64
　　4.2　关联的测量／68
　　4.3　估计与拟合优度／73
　　4.4　二维表模型／79
　　4.5　次序变量模型／89
　　4.6　多维表的模型／97
第5
章　二分类数据多层模型／110
　　5.1　导言／110
　　5.2　聚类二分类数据模型／113
　　5.3　追踪二分类数据模型／130
　　5.4　模型估计方法／136
　　5.5　项目响应模型／151
　　5.6　小结／159
第6
章　关于事件发生的统计模型／161
　　6.1　导言／161
　　6.2　分析转换数据的框架／162
　　6.3　离散时间方法／163
　　6.4　连续时间模型／177
　　6.5　半参数比率模型／188
　　6.6　小结／211
第7
章　次序因变量模型／213
　　7.1　导言／213
　　7.2　赋值方法／214
　　7.3　分组数据的Logit模型／216
　　7.4　次序Logit和Probit模型／220
　　7.5　小结／232
第8
章　名义因变量模型／234
　　8.1　导言／234
　　8.2　多项Logit模型／235
　　8.3　标准多项Logit模型／237
　　8.4　分组数据的对数线性模型／242
　　8.5　潜在变量方法／245
　　8.6　条件Logit模型／246
　　8.7　设定问题／251
　　8.8　小结／258
附录A　回归的矩阵方法／259
　　A.1　导言／259
　　A.2　矩阵代数／259
附录B　*大似然估计／266
　　B.1　导言／266
　　B.2　基本原理／266
参考文献／285
索　引／295
译后记／314