圖目錄／1
表目錄／1
中文版序／1
前　言／1
第1 章　緒論／1
　　1.1　為什么需要分類數據分析？／1
　　1.2　分類數據的兩種哲學觀點／6
　　1.3　一個發(fā)展史的注腳／8
　　1.4　本書特點／9
第2 章　線性回歸模型回顧／11
　　2.1　回歸模型／11
　　2.2　再談線性回歸模型／17
　　2.3　分類變量和連續(xù)型因變量之間的區(qū)別／27
第3 章　二分類數據模型／29
　　3.1　二分類數據介紹／29
　　3.2　變換的方法／30
　　3.3　Logit模型和Probit模型的論證／39
　　3.4　解釋估計值／54
　　3.5　其他的概率模型／61
　　3.6　小結／62
第4 章　列聯表的對數線性模型／64
　　4.1　列聯表／64
　　4.2　關聯的測量／68
　　4.3　估計與擬合優(yōu)度／73
　　4.4　二維表模型／79
　　4.5　次序變量模型／89
　　4.6　多維表的模型／97
第5 章　二分類數據多層模型／110
　　5.1　導言／110
　　5.2　聚類二分類數據模型／113
　　5.3　追蹤二分類數據模型／130
　　5.4　模型估計方法／136
　　5.5　項目響應模型／151
　　5.6　小結／159
第6 章　關于事件發(fā)生的統計模型／161
　　6.1　導言／161
　　6.2　分析轉換數據的框架／162
　　6.3　離散時間方法／163
　　6.4　連續(xù)時間模型／177
　　6.5　半參數比率模型／188
　　6.6　小結／211
第7 章　次序因變量模型／213
　　7.1　導言／213
　　7.2　賦值方法／214
　　7.3　分組數據的Logit模型／216
　　7.4　次序Logit和Probit模型／220
　　7.5　小結／232
第8 章　名義因變量模型／234
　　8.1　導言／234
　　8.2　多項Logit模型／235
　　8.3　標準多項Logit模型／237
　　8.4　分組數據的對數線性模型／242
　　8.5　潛在變量方法／245
　　8.6　條件Logit模型／246
　　8.7　設定問題／251
　　8.8　小結／258
附錄A　回歸的矩陣方法／259
　　A.1　導言／259
　　A.2　矩陣代數／259
附錄B　大似然估計／266
　　B.1　導言／266
　　B.2　基本原理／266
參考文獻／285
索　引／295
譯后記／314


圖目錄
圖1-1　四種測量的分類模式／5
圖2-1　關于θ的L對數的大化／19
圖2-2　二分類數據的邏輯斯蒂回歸與線性回歸的比較／27
圖3-1　p的logit和probit變換／38
圖3-2　以累積概率函數曲線切線的斜率表示的邊際效應／57
圖3-3　虛擬變量的邊際效應／58
圖3-4　按家庭收入水平變化的畢業(yè)概率／60
圖3-5　p的互補雙對數變換／61
圖5-1　顯示預測概率向總比例收縮的觀測概率和預測概率／124
圖5-2　模型2按照家庭結構和母親的受教育水平分的婚前生育預測概率／127
圖5-3　家庭別隨機效應分布／129
圖5-4　家庭別隨機效應的經驗貝葉斯估計值／130
圖5-5　觀測的、邊際的和條件的logit／136
圖5-6　β3和σ20的跡線圖與直方圖／142
圖5-7　賦閑比數比的后驗分布（南部居住地vs.非南部居住地）（高中畢業(yè)vs.未畢業(yè)）／147
圖5-8　包含3個題項的1PL模型的題項特征曲線／153
圖5-9　2PL模型的題項特征曲線／155
圖5-10　使用LSAT數據估計的1PL和2PL模型的題項特征曲線／159
圖6-1　退學的離散時間風險和生存函數／168
圖6-2　對數累積風險和生存函數圖／204
圖6-3　家庭收入效應的Schoenfeld殘差圖／207
圖6-4　隨時間變化的家庭收入效應圖／209
圖7-1　對應于一個四分類響應變量的累積分布／221
圖7-2　潛在變量和現實結果之間的關系／224
表目錄
表2-1　瑞典于默奧市嬰兒出生后前6個月的死亡數／24
表2-2　列向布局的數據文件／25
表2-3　對數-比率模型的OLS、FGLS和ML估計值／26
表2-4　回歸模型的類型／28
表3-1　按種族、性別和家庭結構分類的高中畢業(yè)生／31
表3-2　用虛擬變量以列的形式概括表3-1的數據／32
表3-3　替代的二分類因變量模型估計結果／38
表3-4　按照種族、性別和家庭結構分類的估計畢業(yè)概率／39
表3-5　比較主效應和二維交互作用模型／50
表3-6　收入和性別對投票傾向的影響／58
表3-7　個人水平數據的logit和probit模型估計值／59
表4-1　受教育水平和對婚前性行為的態(tài)度／65
表4-2　觀測（期望）頻次／66
表4-3　期望概率／67
表4-4　獨立情形下的期望頻次／68
表4-5　各單元格對皮爾遜卡方的貢獻／68
表4-6　獨立情形下的行比例／69
表4-7　觀測數據的行比例／69
表4-8　態(tài)度例子的完整表格／71
表4-9　基于相鄰行和列的局部比數比／72
表4-10　模型A下的皮爾遜卡方構成／74
表4-11　可識別的參數／80
表4-12　Hauser的流動表格／83
表4-13　飽和模型的交互參數：代際流動的例子／83
表4-14　參數μh的估計值／84
表4-15　流動表模型的擬合優(yōu)度統計量／93
表4-16　對墮胎和婚前性行為的態(tài)度／96
表4-17　估計的測度得分／96
表4-18　加州大學伯克利分校的研究生錄取數據／98
表4-19　合并后的研究生錄取數據／99
表4-20　對錄取數據所擬合模型的擬合優(yōu)度統計量／104
表4-21　模型4的交互參數估計值／105
表4-22　三國階級流動數據的模型／107
表4-23　國家別的�紖�數／109
表5-1　生物化學領域的博士后訓練與NIH資金分布／120
表5-2　常規(guī)與隨機截距模型／121
表5-3　觀測比例（）與模型預測的比例（）／123
表5-4　初次婚前生育的logit模型／126
表5-5　數值積分的支點（u）和權重（p）／129
表5-6　擬合青年就業(yè)數據的追蹤模型／135
表5-7　不同方法的估計值／144
表5-8　觀測的與期望的響應模式／146
表5-9　logit模型擬合統計量／148
表5-10　Bock和Lieberman法學院能力傾向測試（LSAT）數據／157
表5-11　使用LSAT數據估計的1PL和2PL模型／158
表6-1　事件發(fā)生數據／165
表6-2　退學生命表／167
表6-3　人-層（person-level）和人-期（person-period）數據格式／172
表6-4　5次追蹤觀測到的二分類響應序列／172
表6-5　研究退學的離散時間logit模型估計值／175
表6-6　項目完成之前的等待時間／179
表6-7　表6-6所含數據的發(fā)生數-暴露量矩陣／180
表6-8　美國按照年齡、種族和出生結果進行分類的嬰兒死亡數（暴露量，以天為單位）
　　——1995～1998年／185
表6-9　嬰兒死亡數據的模型及其擬合統計量／186
表6-10　美國嬰兒死亡的基線風險與風險比（1995～1998年）／187
表6-11　事件史數據的概念格式／188
表6-12　分時段事件史數據格式／191
表6-13　表6-12的交互分類數據／192
表6-14　含非比例效應的分段式恒定率模型／192
表6-15　初次婚前生育風險的分段式恒定指數模型／193
表6-16　非比例性診斷檢驗／206
表6-17　含比例效應與非比例效應的Cox回歸模型／208
表7-1　以態(tài)度為例的標準分變換／216
表7-2　受教育水平與對婚前性行為的態(tài)度／219
表7-3　不同參數求解方法下的次序logit估計值／227
表7-4　次序probit估計值與邊際效應／228
表7-5　對婦女就業(yè)的態(tài)度／229
表7-6　次序logit與單獨logit的估計值／230
表7-7　比例比數假定的Brant檢驗／231
表7-8　部分比例比數模型／231
表8-1　多項logit結果／241
表8-2　三維表情況下多項logit和對數線性模型之間的等價／244
表8-3　按照種族和父親的受教育年限分的就業(yè)狀況／244
表8-4　從對數線性模型推出的多項logit估計值／245
表8-5　條件logit模型的估計值／248
表8-6　混合模型的結果／250
表8-7　教育獲得／257