第1章 统计模型 1
1.1 什么是统计模型？ 2
1.2 逻辑斯谛回归建模基础 4
1.3 伯努利分布 5
1.4 估计的方法 7
SAS代码 11
Stata代码 12
第2章 单一预测逻辑斯谛模型 13
2.1 二元预测模型 14
2.2 预测因子、概率、优势比 18
2.3 基本的模型统计量 20
2.3.1 标准误 21
2.3.2 z统计量 23
2.3.3 p值 23
2.3.4 置信区间 24
2.4 分类预测模型 28
2.5 连续预测模型 32
2.5.1 连续预测因子的种类 32
2.5.2 简单的广义加性模型 33
2.5.3 中心化 34
2.5.4 标准化 36
2.6 预测 37
2.6.1 模型预测的基础 37
2.6.2 预测置信区间 39
SAS代码 40
Stata代码 46
第3章 多元预测逻辑斯谛模型 49
3.1 预测因子的选择和解释 50
3.2 逻辑斯谛模型的统计量 53
3.3 信息准则检验 58
3.3.1 赤池信息准则 58
3.3.2 有限样本 59
3.3.3 贝叶斯信息准则 60
3.3.4 其他信息准则测试 60
3.4 模型拟合过程：校准标准误 61
3.4.1 预测标准误 61
3.4.2 Robust和Sandwich变量估计 63
3.4.3 步步为营法则 64
3.5 风险因子、混杂因子、效应修正因子以及交互作用 65
SAS代码 67
Stata代码 70
第4章 逻辑斯谛模型的检验和拟合 71
4.1 检验逻辑斯谛模型的拟合 72
4.1.1 皮尔逊卡方拟合优度检验 72
4.1.2 似然比检验 73
4.1.3 残差分析 74
4.1.4 条件效果图 80
4.2 分类统计 82
4.2.1 S-S图表 84
4.2.2 ROC分析 84
4.2.3 混淆矩阵 86
4.3 Hosmer-Lemeshow统计量 88
4.4 错乱的数据模型与完美的预测 91
4.5 精确逻辑斯谛回归 93
4.6 建模表数据 96
SAS代码 101
Stata代码 106
第5章 分组逻辑斯谛回归 108
5.1 二项概率分布函数 109
5.2 从观测到分组数据 110
5.3 识别和调整额外的残差 114
5.4 分组逻辑斯谛回归的建立和解释 116
5.5 β-二项回归 118
SAS代码 124
Stata代码 126
第6章 贝叶斯逻辑斯谛回归 128
6.1 贝叶斯方法简述 129
6.2 实例：贝叶斯逻辑斯谛回归 131
6.2.1 使用R的贝叶斯逻辑斯谛回归 131
6.2.2 使用JAGS软件的贝叶斯逻辑斯谛回归 139
6.2.3 先验信息的贝叶斯逻辑斯谛回归分析 145
SAS代码 148
Stata代码 150
总结 151
参考文献 153