《社會科學統計方法（第4版）》面向實際，從實例入手，闡明社會科學統計方法，致力于實例和統計軟件的一體化。主要內容包括抽樣和測量、描述統計、概率分布、統計推斷：估計、統計推斷：顯著性檢驗、兩組比較、分類變量之間的關聯分析、線性回歸和相關、多元關系概述、多元回歸分析和相關分析、多組比較：方差分析（ANOVA）、組合回歸分析和方差分析：定量和分類預測變量、構建多元回歸模型、邏輯斯蒂回歸：構建分類響應變量、高級統計方法概述。本版增加了許多新練習，強調實際數據的應用。每章后包括配套課后習題及拓展綜合練習，便于讀者對統計方法的學習和掌握。
《社會科學統計方法（第4版）》例題豐富，實用性強，可作為統計專業本科生和研究生教材，也可供從事統計分析和決策的社會各領域各相關專業的讀者學習參考。
大約30年前，我開始著手本書第一版的編寫工作，我的目的是強調統計方法的概念及其在社會科學中的應用，而不是強調用這些方法背后的數學理論和計算細節的風格來介紹統計方法。我把重點放在了怎樣使用方法和如何解釋結果上，而不是把重點放在它們的理論起源上來編寫本書的。
本書的第四版在實例和練習上，更加強調概念和應用，并重視“實際數據”。我繼續減少了時常成為學生學習絆腳石的數學理論方面的篇幅，尤其是概率理論方面的篇幅。另一方面，教科書不是菜譜。依賴于一個過于簡單化的如同做飯以食譜為基礎的方法接近統計學，絕非良好的統計實踐之路。
第四版的變化
自從第一版以來，計算機性能的提高加上統計軟件的不斷改良和可訪問性，已經對社會科學分析數據的方法產生重大影響。因此，本書不涉及傳統快捷的手工計算公式和近似法。復雜方法計算上的介紹，如回歸，強調對軟件輸出的解釋，而不是強調對所執行的分析公式的解釋。教材中包含許多例子的打印輸出資料，在課文和家庭作業問題中，都主要采用SPSS樣式，偶爾也使用SAS樣式。這一版中還有一個附錄，它說明了如何用SPSS和SAS處理各章統計方法，并且給出鏈接其他軟件信息的一個網站。
面向實際而又簡單的實例以及許多課外練習對學生的學習極其重要。這一版增加了許多新練習并且更新了舊數據，其中主要強調實際數據。每一章的課外習題集分為兩個部分，即課文實踐基礎資料中的簡答練習，以及在概念和應用中處理開放式數據分析的習題、概念理解題及概念和應用中的綜合資料練習。在實例和練習中的大型數據集包括練習1.11中介紹又在各章最后練習中再次出現的數據集，可在網站上得到。
這一版修改和增加的內容，直接采用更先進的方法和手段。主要變化如下：
更加致力于實例和統計軟件的一體化。這包括要求學生去使用普倫蒂斯霍爾網站的小型應用程序來完成一些新練習，以幫助學習抽樣分布、置信區間以及顯著性檢驗的基本概念。
為使本書更加容易地被低年級學生接受，在書的前9章略微降低了技術水平。為此，簡化或省略了一些符號。
第3章，在描述統計上，用單獨一節討論位置測度，例如百分位數及相關的主題如箱圖和異常值。還有一小節討論二元描述方法。這可使學生及早接觸到列聯表和回歸分析方法及其要點，即在實踐中，感興趣的變量幾乎總是不止一個。本節還介紹關聯的概念，以及響應變量和解釋變量。
第4章增加了新的一節，它介紹有關頻數的概念并簡單概述了偶爾在教材中應用的3個基本概率規則。
第5～7章對均值的推斷資料已經修改為完全依賴于t分布，而不是對大樣本使用z檢驗和對小樣本使用t檢驗。這使得結果與軟件輸出一致。我仍舊強調的是對t分布的正態性假定主要是小樣本單側推斷的需要。
第5章，關于置信區間，現在在均值之前介紹比例（它只依賴于正態分布），修改的部分原因緣于對均值推斷總是使用t分布。如此，學生利用在第4章最后學到的關于正態分布被看做抽樣分布的知識（也就是，對于比例，誤差邊緣用z-分數乘以標準誤，而不是t-分數乘以標準誤），可以學到置信區間的基本概念。這次t分布推遲一節介紹，這樣學生不會同時遇到太多新的問題。
第7章，在兩組的比較上，增加新的一節介紹二元分析的思想，提醒學生注意響應變量和解釋變量之間的區別，定義獨立樣本和相依樣本，討論如何用兩個參數的差異或兩個參數的比來比較兩組，以及顯示用來測度兩個獨立估計之間差異的標準誤的一般公式。7.3節介紹模型的概念。
第12章，在方差分析（ANOVA）上，解釋了F檢驗背后的思想且在推出平方和公式之前給出一個實例。
第15章提供了一個技術含量較少的邏輯斯蒂回歸的解釋和它擴展到名義和有序響應變量方面的介紹。
第16章包括了新的一節，即縱向數據分析和多水平（分層）模型。
在統計課程中教材的使用
像前三版一樣，這一版可做為本科生開設一個學期或研究生開設兩個學期的統計入門課程的教材。第1～9章是適用于單學期的基礎課程。如果教師希望教得更多或希望涉及一些更深的資料，那么可以簡單地省去一些與連續性無關的章節，包括2.4、5.5、6.6～6.7、7.5～7.7和8.5～8.6節。同樣，第7～9章和12.1～12.2節是獨立的，并且教師在授完第1～6章涵蓋基礎的課程后，可以直接講授這些章節的任何一處。適合于一個學期課程的四種可能的選擇如下：
第1～9章（可能省去以上提到的章節）：標準典型的教學內容，包括基礎的描述統計和推斷統計、兩樣本過程、列聯表和線性回歸。
第1～7、9、11章：重點為回歸。
第1～7、9章及12.1～12.2節：在兩組比較之后，介紹回歸和方差分析。
第1～8、10章：強調分類數據資料、多元關系的基本問題。
不管針對何種類型的數據資料，我堅信用模型范例強調參數估計比許多統計教科書中的人為的假設檢驗方法更有用。為此，基礎的推斷章節（第5～8章）解釋了置信區間的優勢超過顯著性檢驗，并且本書的后半部分（從第9章開始）主要涉及模型構建。在7.5節中，在描述比較均值的兩種方法中介紹模型的概念。建模資料構成了第二個學期課程的基礎。
在節、小節或練習中出現用星號（*）標記的一些資料。這些資料是選修的，對入門學習者來說不重要。教科書沒有試圖介紹每一種可以用到的方法，因為它應該是一個教學工具，不是百科全書般的菜譜。它涵蓋了社會科學研究中絕大部分重要的方法，并且它包含了在統計入門教材中不常討論的主題，如
比 提供更多的信息的列聯表方法，如單元殘差（cell residuals）及使用分類排序的分析；
變量控制，以及涉及因果關系的問題；
廣義線性模型方法，包括普通回歸、方差和協方差分析、標準差與均值比例的非負響應的伽馬回歸、分類響應的邏輯斯蒂回歸及列聯表的對數線性關聯模型。
我相信學生成功地完成本書的學習后，將會在應用統計方法方面打下一個堅實的基礎。
譯者序
社會統計學是一門應用極為廣泛的學科，它不但應用于金融、保險、經濟、人文學科等領域，而且還在醫學、商業管理、動物學、公共衛生、教育學等領域相互滲透。除社會統計學專業外，它也是許多其他專業開設的一門必修課程。
本書的兩位作者Alan Agresti和Barbara Finlay在大學多年從事社會統計學方面的教學與研究工作。第一作者Alan Agresti教授是一位在社會統計學領域享有盛名的統計學家，曾獲得由美國統計協會芝加哥分會頒發的2003年度杰出統計學家稱號。歷任美國統計協會理事、數理統計學院理事、佛羅里達大學研究基金會教授等職務。Alan Agresti教授論文著作頗豐，本書是他眾多力作中的又一本代表性作品，該書在世界各地被許多大學選為教材或教學參考書。
本書為第4版。為便于讀者更容易理解書中出現的各個統計基本概念，掌握各個概念之間的聯系，原書作者還對部分章節的內容及其出現的先后順序進行了微調。關于這一點，原書作者已在序中作了詳細的說明。本教材可以在大學的兩個學期中使用，非常適合初學者作為統計學的入門書。正如作者在其序中所述的，本書第1～9章介紹常用社會統計學的方法，可作為本科生的單學期教材；第10～16章可作為研究生的單學期教材。顯然后一部分的內容也可以作為為本科生開設的社會統計學提高班的課程。
本書條理清晰、邏輯性強、涉及面廣，除保留前三版中原有的統計方法外，還添加了許多新的內容，引進了統計學中最新的研究成果，并在第16章中進行了初步介紹，反映了本學科發展的前景。在例題和習題方面，更加注意引用實際生活中出現的實例。使我們很清晰地看到，統計離我們很近，就在日常的生活中。對統計的學習，不需要高深的數學基礎，但對統計方法的使用，需要注意各方面的條件限制。這一點作者憑借其豐富的教學經驗，通過其細膩的寫作手法，以及對問題的剖析，將各種方法的使用要點淋漓盡致地展現在讀者的面前。作者用其深厚的社會統計學功底，對一些統計概念的理解上容易出現偏差的地方，不惜筆墨重點進行了詳解。例如，在假設檢驗中，為什么不能接受無效假設，P為什么不是無效假設成立的概率等，給我們留下了深刻的影響。本書每章最后都給出了本章重點的概要，使讀者很清楚各章的要點。
譯者
2011年6月于北京
第1章 引言
1.1 統計方法論介紹
為什么要學習統計
數據
什么是統計學
1.2 描述統計和推斷統計
總體和樣本
參數和統計量
定義總體：實際總體和概念總體
1.3 計算機在統計中的作用
統計軟件
數據文件
統計軟件的使用和誤用
1.4 本章概要
思考題
第2章 抽樣和測量
2.1 變量及其測度
變量
定量（數量）變量和分類變量
名義、有序和間隔測度尺度
有序數據的數量
離散型變量和連續型變量
2.2 隨機化
簡單隨機抽樣
如何去選擇一個簡單隨機樣本
用抽樣調查收集數據
用實驗收集數據
用觀察研究收集數據
2.3 抽樣變異性和潛在偏差
抽樣誤差
抽樣偏差：非概率抽樣
響應偏差
無響應偏差：缺失數據
偏差類型總結
2.4 其他概率抽樣方法*
系統隨機抽樣（Systematic Random Sampling）
分層隨機抽樣（Stratified Random
Sampling）
整群抽樣（Cluster Sampling）
多階抽樣（Multstage Sampling）
2.5 本章概要
思考題
第3章 描述統計
3.1 用表和圖描述數據
相對頻數（relative frequency）：分類數據
頻數分布和條形圖：分類數據
頻數分布：定量數據
直方圖（histogram）
莖葉圖（stem-and-leaf plot）
比較組
總體分布和樣本數據分布
分布的形狀
3.2 數據分布的中心描述
均值（mean）
均值的性質
中位數（median）
中位數性質
中位數與均值的比較
眾數（mode）
眾數的性質
3.3 數據分布的變異性描述
極差（range）
標準差（standard deviation）
標準差的性質
解釋標準差的大小
3.4 位置量度
四分位數和其他百分比
測定變異性：四分位數間距
箱圖：繪制位置的5個數字概括圖形
異常值（outlier）
離開均值多少個標準差？z分數
3.5 二元描述統計
響應變量（response variable）和解釋變量（explanatory variable）之間的關聯
比較兩組是二元分析
二元定量數據
兩個以上變量的分析
3.6 樣本統計和總體參數
3.7 本章概要
表、圖小結
中心量度的小結
變異性量度的小結
二元描述統計的小結
思考題
第4章 概率分布
4.1 概率介紹
概率可視為長期（long-run）相對頻數
基本概率規則
4.2 離散型和連續型變量的概率分布
離散型變量的概率分布
連續型變量的概率分布
參數描述概率分布
4.3 正態概率分布
正態尾部概率表
正態概率和經驗法則
求某個尾部概率的z值
z分數是離開均值的標準差數
標準正態分布
4.4 抽樣分布描述了統計量如何變化
模擬估計過程
用抽樣分布表示抽樣變異
重復抽樣的抽樣分布說明
4.5 樣本均值的抽樣分布
的抽樣分布的均值和標準誤
樣本量對抽樣分布和估計精度的影響
樣本均值的抽樣分布近似正態
4.6 小結：總體、樣本數據以及抽樣分布
在樣本數據分布和抽樣分布上樣本量的影響
在統計推斷中抽樣分布的關鍵作用
4.7 本章概要
思考題
第5章 統計推斷：估計
5.1 點估計和區間估計
參數的點估計
無偏和有效點估計
均值、標準差和比例的估計量
極大似然估計方法*
置信區間等于點估計±誤差邊際（margin of error）
5.2 比例的置信區間
樣本比例和其標準誤
大樣本比例的置信區間
控制置信水平
大樣本量給出狹窄的區間
錯誤概率=1-置信水平
置信水平是長期正確的比例
方法的有效性需要大樣本量
5.3 均值的置信區間
估計誤差邊際的標準誤
t分布
t分布的性質
均值置信區間里的t分數
置信水平和樣本量的作用
關于正態總體假定違反的穩健性
標準正態是df =無限時的t分布
對使用軟件的忠告
5.4 樣本量的選擇
估計比例的樣本量
估計比例時的樣本量公式
估計均值時的樣本量
在確定樣本量中其他要考慮的因素
只有一個小樣本該怎么辦
5.5 中位數和其他參數的置信區間
樣本中位數對正態數據的低效率
大樣本時中位數的置信區間
自舉法（bootstrap）
5.6 本章概要
思考題
第6章 統計推斷：顯著性檢驗
6.1 顯著性檢驗的五個部分
假定
假設
檢驗統計量
P值
結論
6.2 關于一個均值的顯著性檢驗
關于一個均值的顯著性檢驗的五個部分
雙側檢驗與置信區間之間的對應關系
單側顯著性檢驗
單側H隱含單側H0
單側檢驗與雙側檢驗的選擇
水平：使用P值做決策
違反正態假定的穩健性
6.3 一個比例的顯著性檢驗
對一個比例顯著性檢驗的五個部分
從不“接受H0”
樣本量對P值的影響
6.4 在檢驗中的決策和錯誤類型
對決策的第一類型和第二類型錯誤
拒絕域
水平是第一類型錯誤的概率
當P（第一類型錯誤）下降時，P（第二類型錯誤）上升
置信區間和檢驗決策之間的等價關系
對報告的P值做一個決策
6.5 顯著性檢驗的局限性
統計顯著與實際顯著
顯著性檢驗并不比置信區間有用
對顯著性檢驗和P值的曲解
6.6 計算P（第二類型錯誤）*
檢驗使用的 越小P（第二類型錯誤）越大
檢驗的功效（勢）（power）
6.7 關于一個比例的小樣本檢驗--二項分布*
二項分布
二項分布的比例
二項式檢驗
6.8 本章概要
思考題
第7章 兩組比較
7.1 比較兩組的預備知識
有響應變量和解釋變量時的雙變量（二元）分析
相依樣本和獨立樣本
估計的差異及其標準誤
參數的比率
7.2 分類數據：比較兩組比例
關于比例差異的置信區間
解釋一個置信區間比較比例
關于2-1的顯著性檢驗
列聯表和條件概率
7.3 定量數據：比較兩個均值
2-1的置信區間
解釋一個置信區間比較均值
關于2-1的顯著性檢驗
在置信區間和檢驗之間的對應關系
7.4 比較相依樣本的均值
適用于匹配樣本的配對差異得分
使用配對差異推斷比較均值
獨立樣本與相依樣本
7.5 比較均值的其他方法*
在假定等方差時比較均值
完全隨機設計與隨機區組設計
根據軟件給出的報表進行推斷
效應量
適用于均值的一個模型
7.6 比較比例的其他方法*
比較相依比例
比較相依比例的麥克尼馬爾檢驗
相依比例差異的置信區間
比較比例的費歇精確檢驗
比較兩個比例的小樣本估計
7.7 比較兩組的非參數統計量*
威爾科克森-曼-惠特尼檢驗
效應量：對一個組更好響應的比例
處理有序變量為定量變量
7.8 本章概要
思考題
第8章 分類變量之間的關聯分析
8.1 列聯表
百分比比較
構建列聯表的原則
獨立和相依
8.2 獨立性的卡方檢驗
對應于獨立的期望頻數
卡方檢驗統計量
卡方分布
需要的樣本量
用軟件進行卡方檢驗
自由度的解釋
卡方檢驗和類別處理
8.3 殘差：檢測關聯模式
殘差分析
卡方和2×2（四格）表的比例
差異
2×2表的標準化殘差
大于2×2的表需要用卡方
8.4 列聯表中關聯的量度
關聯的量度
比例差異
卡方不是對關聯的測量
優勢比（比數比）
優勢比的性質
r×c列聯表的優勢比*
概述r×c表關聯的量度
8.5 兩個有序變量之間的關聯*
一致和不一致
（gamma）
是兩個有序比例的差異
有序量度的公共特性
8.6 對有序關聯的推斷
關聯量度的置信區間
使用 的獨立性檢驗
有序檢驗與皮爾遜卡方檢驗
對其他有序量度的相似推斷方法
混合的有序--名義列聯表
8.7 本章概要
思考題
第9章 線性回歸和相關
9.1 線性關系
線性函數（linear function）
解釋y的截距和斜率
模型是對實際的簡單近似
9.2 最小平方預測方程
散點圖描繪數據
預測方程
異常值對預測方程的影響
預測誤差被稱為殘差
預測方程有最小平方性質
9.3 線性回歸模型
線性回歸函數
描述回歸直線的變異
均方誤（差）：估計條件變異
條件變異往往小于邊緣變異
9.4 量度線性關聯：相關
斜率和關聯強度
相關
相關的性質
相關暗示向均值回歸
r2：預測誤差減少的比例
r2的性質
平方和描述條件變異和邊緣變異
9.5 對斜率和相關系數的推斷
對統計推斷的假定
獨立性檢驗
斜率的置信區間
讀懂計算機打印輸出結果
對相關的推斷*
缺失值（missing data）
9.6 模型的假定及違背
哪一個假定是重要的
外推是危險的
有影響的觀測值
影響相關的因素
有誤差項的回歸模型*
模型和現實
9.7 本章概要
思考題
第10章 多元關系概述
10.1 關聯關系和因果關系
10.2 對其他變量的控制
社會學研究中的統計控制
統計控制的關聯類型
警惕隱變量的存在
10.3 多變量關系的類型
偽關聯（spurious association）
鏈關系（chain relationship）
多個因果關系
抑制變量（suppressor variable）
統計的交互作用
多變量關系小結
混雜作用使得效應難以評估
10.4 統計控制中的推斷問題
分表分析中小樣本的影響
控制變量的類別影響
對照比較和合并的測度
10.5 本章概要
思考題
第11章 多元回歸分析和相關分析
11.1 多元回歸模型
多元回歸函數
回歸系數的解釋
預測方程和殘差
11.2 多元回歸分析計算機輸出實例
描述雙變量關系的散點圖
對偏相關繪制偏相關圖
計算機輸出結果樣例
11.3 復相關和R2
復相關
R2：多元決定系數
R和R2的性質
多個解釋變量的多重共線性
11.4 多元回歸系數的統計推斷
檢驗解釋變量的整體影響
F分布
回歸系數的統計推斷
方差分析表中的變差和均方差*
F統計量是均方誤差之比
F統計量與t統計量之間的關系
11.5 預測變量間的交互作用
交叉乘積項
檢驗交互作用項
中心化解釋變量*
擴展與限制*
11.6 回歸模型的比較
全模型和簡化模型
用殘差平方和SSE或決定系數R2值進行模型比較
11.7 偏相關*
對偏相關系數的解釋
對偏相關系數平方的解釋
高階偏相關系數
偏相關系數的統計推斷
11.8 標準化回歸系數
標準化回歸系數的方法
標準化回歸系數的性質
預測方程的標準化形式*
謹慎比較標準化回歸系數
11.9 本章概要
思考題
第12章 多組比較：方差分析（ANOVA）
12.1 多個均值的比較：方差分析 F檢驗
對均值比較的F檢驗的假定
組間變異和組內變異
F檢驗統計量是兩個方差估計之比
F檢驗統計量的公式是
組內方差估計*
組間方差估計
方差分析表中的平方和*
F檢驗與多個t檢驗
12.2 均值的多重比較
置信區間比較均值
大量置信區間的錯誤率
均值多重比較Bonferroni法
均值多重比較Tukey法
12.3 用回歸模型進行方差分析
回歸中的虛擬變量
回歸中用方差分析檢驗比較均值
為什么使用回歸分析來做方差分析呢
12.4 雙因素方差分析
雙因素方差分析中的主效應假設
主效應的F檢驗
雙因素方差分析的交互效應
H0：沒有交互效應的F檢驗
12.5 雙因素方差分析和回歸分析
假定沒有交互效應的回歸模型
有交互效應的回歸模型
偏平方和
雙因素方差分析的多重比較
析因方差分析
12.6 重復測量的方差分析*
有重復測量的單因素方差分析
球形假定和復合對稱性
相依樣本的置信區間比較
固定效應和隨機效應
12.7 一個因素是重復測量的雙因素方差分析*
在兩個固定效應之一上進行重復測量
在上面分析的基礎上構造置信區間
治療方法的Bonferroni多重比較
更復雜的重復測量分析
兩次以上的重復測量
12.8 違背方差分析假定的影響
F檢驗的穩健性
Kruskal-Wallis檢驗：非參數檢驗方法
12.9 本章概要
思考題
第13章 組合回歸分析和方差分析：定量和分類預測變量
13.1 均值比較和回歸直線比較
比較回歸直線
控制x，比較y的均值
13.2 有定量和分類預測變量的回歸
定量和虛擬解釋變量
對參數的解釋：沒有交互效應的模型
13.3 定量預測變量和分類預測變量之間允許交互作用
對不同模型的R或R2的比較
多個分類和定量預測變量的回歸分析
13.4 用定量和分類預測變量進行回歸的統計推斷
沒有交互效應的檢驗
控制x，檢驗分類變量的效應
用方差分析結果進行比較
控制分類變量，檢驗x的效應
13.5 修正均值*
控制協變量，修正響應變量的均值
比較修正均值
圖示解釋說明修正均值
修正均值的多重比較
謹慎使用假設的修正均值
13.6 本章概要
思考題
第14章 構建多元回歸模型
14.1 模型選擇過程
為模型選擇解釋變量
向后剔除過程
向前選擇和逐步回歸過程
自動選擇過程的局限性和弊端
探索研究與解釋性（理論驅動）研究
選擇模型的指標：調整R2、預測的殘差平方和Cp
14.2 回歸診斷
檢驗殘差
繪制殘差與解釋變量圖
時間序列數據
檢測有影響的觀測值：杠桿值
檢測有影響的觀測值：DFFIT和DFBETA
14.3 多重共線性的影響
多重共線性擴大了標準誤
VIF和其他多重共線性指標
存在多重共線性的補救措施
14.4 廣義線性模型
非正態分布的響應變量
廣義線性模型的連接函數
響應變量為正態分布的廣義線性模型
響應變量服從γ分布的廣義線性模型
14.5 非線性關系：多項式回歸
二次回歸模型
二次回歸模型的說明與擬合
非線性效應的描述和推斷
謹慎使用多項式模型
非參數回歸*
14.6 指數回歸和對數轉換*
對指數回歸模型的解釋
轉換預測變量以獲取線性
14.7 本章概要
思考題
第15章 邏輯斯蒂回歸：構建分類響應變量模型
15.1 邏輯斯蒂回歸
線性概率模型
二分響應變量的邏輯斯蒂回歸模型
概率的邏輯斯蒂回歸方程
對邏輯斯蒂回歸模型的解釋
使用幾率和優勢比解釋
15.2 多元邏輯斯蒂回歸
幾率的效應
概率的效應
15.3 邏輯斯蒂回歸模型的統計推斷
Wald檢驗和似然比獨立性檢驗
多元邏輯斯蒂回歸的推斷
用似然比檢驗比較邏輯斯蒂回歸模型
15.4 定序響應變量的邏輯斯蒂回歸模型
累積概率和累積概率的logit
定序響應變量的累積logit模型
對定序響應變量效應的推斷
響應變量類別選擇的恒定性
多元模型的擴展
邏輯斯蒂回歸模型中的定序預測變量
15.5 名義響應變量的邏輯斯蒂模型*
基準類別的Logit
15.6 分類變量的對數線性模型*
三個變量的分層對數線性模型
對數線性模型優勢比的解釋
15.7 對列聯表構建的模型進行擬合優度檢驗*
卡方擬合優度統計量
標準化殘差
對數線性模型的擬合優度
通過比較G2值來比較模型
邏輯斯蒂模型和對數線性模型之間的聯系
邏輯斯蒂模型和對數線性模型之間的區別
15.8 本章概要
思考題
第16章 高級統計方法概述
16.1 縱向數據分析*
MANOVA：多因變量方差分析
帶有隨機效應的混合效應模型
使用隨機效應的一維重復測量
方差分析
16.2 多層（分層）模型*
為兩個層上的觀測值構建模型
16.3 事件歷史模型*
截尾數據和時變協變量
事件的發生率
比例風險模型
16.4 路徑分析*
路徑圖
路徑系數
直接效應和間接效應
路徑分解
對因果模型的一個告誡
16.5 因子分析*
因子分析模型
擬合因子分析模型
分類響應變量的潛在分類模型
起源和爭議
16.6 結構方程模型*
計量模型
結構方程模型
協方差結構模型中的特例
擬合協方差結構模型
檢驗模型擬合
16.7 馬爾可夫鏈*
轉移概率
思考題
附錄A SPSS和SAS統計分析
附錄B 奇數練習答案
附錄C 統計檢驗臨界值表
參考文獻
新書資訊