主要內容
《分類數據分析》的第1-7章涵蓋了該類課程的核心內容。
其中，第1-3章介紹分類結果變數的分布以及傳統的二維列聯表分析方法。
第4-7章介紹關於二分和多項分布結果變數的Logistic回歸以及相應的Logit模型。
第8章和第9章的內容則是用於分析列聯表數據的對數線性模型。隨著時間的推移，對數線性模型的重要性似乎有所降低，所以本版在一定程度上縮減了對該模型的討論，並相應增加了有關logistic回歸的內容。在過去10年間，這一領域的新發展主要集中於對重複測量和其他形式的群組分類數據的分析方法。
第10-13章講述這些方法，其中包括邊際模型和具有隨機效應的廣義線性混合模型。
第14-15章介紹《分類數據分析》所使用的最大似然估計的理論基礎以及其他可供選擇的估計方法。
第16章簡單回顧了分類數據分析技術的發展歷程，並介紹了諸如皮爾遜和費舍爾等著名統計學家的貢獻，他們的開創性工作為分類數據分析方法的發展奠定了基礎。
目錄
1 引言：分類數據的分布與統計推斷
1.1 分類數據
1.2 分類數據的分布
1.3 分類數據的統計推斷
1.4 二項分布參數的統計推斷
1.5 多項分布參數的統計推斷
註解
習題
2 對列聯表的描述
2.1 列聯表的機率結構
2.2 兩個比例的比較
2.3 分層2×2表格中的偏關聯
2.4 擴展到I×J表格
註解
習題
3 列聯表的統計推斷
3.1 關聯參數的置信區間
3.2 二維列聯表的獨立性檢驗
3.3 對卡方檢驗的進一步分析
3.4 定序變數的二維表格
3.5 小樣本的獨立性檢驗
3.6 2×2表格的小樣本置信區間
3.7 對多維表格以及非表格形式結果變數的擴展
註解
習題
4 廣義線性模型簡介
4.1 廣義線性模型
4.2 二分數據的廣義線性模型
4.3 計數數據的廣義線性模型
4.4 廣義線性模型的矩量和似然函式
4.5 廣義線性模型的統計推斷
4.6 廣義線性模型的擬合
4.7 類似然函式與廣義線性模型
4.8 廣義可加模型
註解
習題
5 Logistic回歸
5.1 Logistic回歸參數的解釋
5.2 Logistic回歸的統計推斷
5.3 包括分類預測變數的Logit模型
5.4 多元Logistic回歸
5.5 Logistic回歸模型的擬合
註解
習題
6 Logistic回歸模型的構建與套用
6.1 模型選擇的策略
6.2 Logistic回歸診斷
6.3 2×2×K表格中條件關聯的統計推斷
6.4 利用模型提高推斷效能
6.5 樣本規模與統計效能
6.6 Pmbit模型和補余雙對數模型
6.7 條件Logistic回歸與精確分布
註解
習題
7 關於多項結果變數的Logit模型
7.1 定類結果變數：基線類別Logit模型
7.2 定序結果變數：累積L0git模型
7.3 定序結果變數：累積連結模型
7.4 關於定序結果變數的其他模型
7.5 I×J×K表格中的條件獨立性檢驗
7.6 離散選擇多項Logit模型
註解
習題
8 關於列聯表的對數線性模型
8.1 關於二維表格的對數線性模型
……
9 對數線性模型和Logit模型的構建與擴展
10 關於配對數據的模型
11 對重複測量的分類結果變數的分析
12 隨機效應：關於分類結果變數的廣義線性混合模型
13 關於分類數據的其他混合模型
14 參數模型的漸近理論
15 參數模型的其他估計理論
16 分類數據分析的歷史回顧
參考文獻
例子索引
主題索引
