應用LOGISTIC回歸分析（第二版）(格致方法·定量研究系列)
定 價：¥45
中 教 價：¥27.00 (6.00折）
庫 存 數： 3
線性回歸模型是一個非常有效且重要的數據分析方法，但它的局限性是要求因變量是定量變量（定距變量、定比變量）而非定性變量（定序變量、定類變量）。但在許多實際問題中，經常出現因變量有兩個或三個分類的情況，此時就需要應用logistic回歸分析。本書系統地把logistic回歸與線性回歸模型的OLS的R2、估計標準誤差、t比率和斜率做比較，全面解釋了logistic回歸模型的估計、解釋和診斷結果。傳統回歸診斷和學生化殘差、杠桿、dbeta都包括在創新的logistic診斷法內。最后詳細說明了多選項和不排序多分類因變量的問題。
本書對logistic回歸模型的解釋十分全面、翔實，討論應用了最新的計算機軟件，從基本原理到技術應用均做了介紹。除此之外，還提及了當今最復雜的問題和方法，是社會科學工作者在使用logistic回歸模型時不可多得的權威參考書。
線性回歸模型是一個非常有效且重要的數據分析方法。研究人員主要著重解釋因變量,將因變量看作由多個自變量X1至Xk所組成的函數。當所有線性回歸假設都符合該模型時,模型辨識、變量測量、普通最小二乘法(Ordinary Least Squares,OLS)估計方程,這一切都很順利。可是，當因變量有兩個或三個分類的話，有幾項假設就不符合了。以二分因變量為例,同方差、線性和正態性的假設都不能成立,OLS的估計也無效。logistic回歸的最大似然估計就能解決這一問題，即將Y(1, 0)轉化成logit（發生比的對數log）。 梅納德教授全面地解釋了logistic回歸模型的估計、解釋和診斷結果。為了令讀者能夠從熟悉的事件過渡到新事物，他系統地把logistic回歸與線性回歸模型的QLS的R2、估計標準誤差、t比率和斜率做比較。傳統回歸診斷和學生化殘差、杠桿、dbeta都包括在創新的logistic診斷法內。最后仔細說明了多選項和不排序多分類因變量的問題。 本書討論了對最新計算機軟件的應用，如SPSS10 NOMREG用以分析名義變量比較好。本書更新了現今應用的計算機軟件，同時深入評論了不同的擬合優度。梅納德博士還提出令人信服的論據去說明R2L的優勢，至少這能直接與OLS的R2比較。他同時增加了新內容:分組數據、預測效率和風險比。 大量著作證明了線性回歸的廣泛應用，可是由于現實中的因變量很少會是連續的或定距的，因此，logistic回歸開始備受關注。首先出版的是德馬里斯(DeMaris)的《對數模型》;接著是梅納德的《應用logistic回歸》(第一版);以及潘帕(Pampel)的(logistic回歸簡介》。本書從基本原理到技術應用都做了介紹，除此之外，還提及了當今最復雜的間每和方法。社會科學家要熟悉日新月異的知識，千萬別錯過梅納德的這本書。 邁克爾·劉易斯貝克
斯科特梅納德，美國科羅拉多大學行為科學院副研究員。畢業于康奈爾大學社會學系，并于科羅拉多大學獲社會學博士學位，主要關注濫用藥物和其他違法行為的追蹤式研究。
序第1章 線性回歸和應用logistic回歸模型第1節 回歸假設第2節 非線性關系和變量轉換第3節 二分因變量的概率、發生比、優比和logit轉換第4節 logistic回歸：導論第2章 評估logistic回歸模型的統計概要第1節 R2，F和誤差平方和第2節 擬合優度：GM，R2L和對數似然第3節 預測效率：λp,p,Фp和二項檢驗第4節 舉例：評估logistic回歸模式的充足性第5節 總結：評估logistic回歸模型第3章 解釋logistic回歸系數第1節 logistic回歸分析的統計顯著性第2節 解釋非標準化logistic回歸系數第3節 實質意義和標準系數第4節 指數化系數或發生比數比第5節 分類預測變量：對比和解釋第6節 交互作用第7節 逐步logistic回歸第4章 診斷logistic回歸的介紹第1節 設定誤差第2節 共線性第3節 數值問題：零格數和完全分離第4節 殘差分析第5節 過度分散和過度集中第6節 logistic回歸診斷的規程第5章 多分類logistic回歸及其替代方法第1節 多分類名義因變量第2節 多分類或多項式定序因變量第3節 結論附錄注釋參考文獻譯名對照表
新書資訊 新書推薦