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 最大似然估计 266
B.1 导言 266
B.2 基本原理 266
参考文献 285
主题索引 302
译后记 331