第一章 纵向数据的背景 1
1.1 什么是纵向数据 1
1.2 纵向数据实例 2
1.2.1 HIV数据集 3
1.2.2 普罗加比药物研究 4
1.2.3 马德拉斯精神分裂症研究 6
1.2.4 分娩阵痛研究 6
1.2.5 呼吸道疾病研究 8
1.2.6 小老鼠病理试验研究 8
1.2.7 工资数据 10
1.2.8 西班牙家庭支出数据 10
1.2.9 美国北卡罗来纳州的犯罪数据 11
1.3 记号 14
1.4 基于纵向数据的三种模型 15
1.5 本书的结构安排 16
第二章 线性模型 17
2.1 独立数据的线性模型 17
2.2 纵向数据的线性模型 20
2.2.1 加权最小二乘估计 21
2.2.2 极大似然估计 22
2.2.3 约束极大似然估计 23
2.3 随机效应模型 26
2.4 相关结构模型 29
2.5 实例分析：儿童铅中毒研究 32
第三章 广义线性模型 42
3.1 广义线性模型的定义 42
3.2 广义线性模型中的参数估计 46
3.3 估计方程的求解算法 49
3.4 拟似然方法 51
第四章 边际模型 55
4.1 均值参数估计 56
4.2 相关系数估计 61
4.2.1 矩估计 61
4.2.2 GEE2估计 62
4.2.3 拟加权最小二乘估计 64
4.2.4 高斯估计 68
4.2.5 Cholesky分解法 71
4.3 方差参数估计 74
4.3.1 回归方法 75
4.3.2 伪高斯似然方法 76
4.4 实例分析 79
第五章 参数估计的协方差矩阵估计 98
5.1 修正的Sandwich协方差矩阵估计 98
5.2 bootstrap方法 101
第六章 模型选择 105
6.1 协变量选择 106
6.1.1 拟似然准则（QIC） 106
6.1.2 推广的QIC准则（EQIC） 107
6.1.3 协变量选择实例分析 108
6.2 相关矩阵选择 109
6.2.1 拟似然准则（续） 109
6.2.2 相关信息准则（CIC） 110
6.2.3 Rotnitzky-Jewell准则 111
6.2.4 C（R）准则 111
6.2.5 经验似然准则 111
6.2.6 伪高斯似然准则 114
6.2.7 相关矩阵选择实例分析 115
第七章 纵向数据的秩的统计推断 122
7.1 独立的工作模型 122
7.2 最优线性组合估计方程 124
7.3 简单加权估计方程 127
7.4 等相关工作模型 129
7.4.1 估计函数的工作协方差矩阵 130
7.4.2 特例 132
7.5 数值模拟研究 134
7.6 实例分析：儿童疼痛耐受性研究 137
第八章 拓展话题 141
8.1 GEE估计的改进 141
8.1.1 二次推断函数法 141
8.1.2 经验似然方法 145
8.2 诱导平滑方法 147
8.3 转移模型 151
参考文献 153