分類數據分析的統計方法（第2版）（簡體書）

本書對分類數據分析的方法和模型，及其在社會科學研究中的應用做了全面介紹。它的一個明確目標是整合變換方法和潛在變量方法，這是兩類不同但又相互補充的處理分類數據分析的傳統方法。這也是第一次在一本單冊書中詳細地介紹針對離散因變量、交叉分類和跟蹤數據的模型與方法。目前還沒有看到類似的著作。
本書的第2版增加了應用于分類數據的多層模型。許多章節的內容經過了進一步的修訂，并擴充了新的應用實例。第2版顯著的特點是詳細討論了針對分層或多層模型的經典貝葉斯估計技術，拓展了離散時間生存分析模型和Cox回歸模型的內容，以及針對背離模型假設的評估和調適方法。輔助網站的內容包含了使用各種統計軟件包重復書中每一個例子的程序，實踐證明是教師、學生和研究者學習的重要資源。
本書介紹了基本的方法和模型，它們構成了當代社會統計學的核心。這些模型跨度非同尋常，它們被廣泛應用于社會學、人口學、心理測量學、計量經濟學、政治學、生物統計學及其他領域。本書作為學生學習高級社會統計課程的教材和應用研究者的參考書是非常有用的。

丹尼爾·A.鮑威斯（Daniel A.Powers）美國得克薩斯大學奧斯汀分校社會學系副教授、人口研究中心研究員。其研究領域包括：應用統計學和研究方法、社會人口學、社會分層、生育和死亡研究，最近的研究主要是嬰兒死亡的種族差異和非線性模型的分解技術。主要著作有《分類數據分析的統計方法》。

第1章　緒論
　1.1　為什麼需要分類數據分析？
　1.2　分類數據的兩種哲學觀點
　1.3　一個發展史的注腳
　1.4　本書特點
第2章　線性回歸模型回顧
　2.1　回歸模型
　2.2　再談線性回歸模型
　2.3　分類變量和連續型因變量之間的區別
第3章　二分類數據模型
　3.1　二分類數據介紹
　3.2　變換的方法
　3.3　Logit模型和Probit模型的論證
　3.4　解釋估計值
　3.5　其他的概率模型
　3.6　小結
第4章　列聯表的對數線性模型
　4.1　列聯表
　4.2　關聯的測量
　4.3　估計與擬合優度
　4.4　二維表模型
　4.5　次序變量模型
　4.6　多維表的模型
第5章　二分類數據多層模型
　5.1　導言
　5.2　聚類二分類數據模型
　5.3　追蹤二分類數據模型
　5.4　模型估計方法
　5.5　項目響應模型
　5.6　小結
第6章　關於事件發生的統計模型
　6.1　導言
　6.2　分析轉換數據的框架
　6.3　離散時間方法
　6.4　連續時間模型
　6.5　半參數比率模型
　6.6　小結
第7章　次序因變量模型
　7.1　導言
　7.2　賦值方法
　7.3　分組數據的Logit模型
……
第8章　名義因變量模型
附錄A 回歸的矩陣方法
附錄B 最大似然估計
參考文獻
主題索引
譯後記