1. 引言：分类数据的分布与统计推断
   1.1 分类数据
   1.2 分类数据的分布
   1.3 分类数据的统计推断
   1.4 二项分布参数的统计推断
   1.5 多项分布参数的统计推断
   注解
   习题

2. 对列联表的描述
   2.1 列联表的概率结构
   2.2 两个比例的比较
   2.3 分层2×2表格中的偏关联
   2.4 扩展到I×J表格
   注解
   习题

3. 列联表的统计推断
   3.1 关联参数的置信区间
   3.2 对二维列联表独立性的检验
   3.3 对卡方检验的进一步分析
   3.4 定序变量的二维表格
   3.5 小样本的独立性检验
   3.6 2×2表格的小样本置信区间*
   3.7 对多维表格以及非表格形式结果变量的扩展
   注解
   习题

4. 广义线性模型简介
   4.1 广义线性模型
   4.2 二分数据的广义线性模型
   4.3 计数数据的广义线性模型
   4.4 广义线性模型的矩量和似然函数*
   4.5 广义线性模型的统计推断
   4.6 广义线性模型的拟合
   4.7 类似然函数与广义线性模型*
   4.8 广义可加模型*
   注解
   习题

5. Logistic回归
   5.1 Logistic回归参数的解释
   5.2 Logistic回归的统计推断
   5.3 包括分类预测变量的Logit模型
   5.4 多元Logistic回归
   5.5 Logistic回归模型的拟合
   注解
   习题

6. Logistic回归模型的构建和应用
   6.1 模型选择的策略
   6.2 Logistic回归诊断
   6.3 2×2×K表格中条件关联的统计推断
   6.4 利用模型提高推断效能
   6.5 样本规模与统计效能*
   6.6 Probit模型和互补双对数模型*
   6.7 条件Logistic回归与精确分布*
   注解
   习题

7. 关于多项结果变量的Logit模型
   7.1 定类结果变量：基线类别Logit模型
   7.2 定序结果变量：累积Logit模型
   7.3 定序结果变量：累积连结模型
   7.4 关于定序变量的其他模型*
   7.5 I×J×K表格中的条件独立性检验*
   7.6 离散选择多项Logit模型*
   注解
   习题

8. 关于列联表的对数线性模型
   8.1 关于二维表格的对数线性模型
   8.2 关于三维表格的独立性和包括交互效应的对数线性模型
   8.3 对数线性模型的统计推断
   8.4 更高维数的对数线性模型
   8.5 对数线性模型与Logit模型的关系
   8.6 对数线性模型的拟合：似然函数和渐近分布*
   8.7 对数线性模型的拟合：迭代法及其应用*
   注解
   习题

9. 对数线性模型和Logit模型的构建与扩展
   9.1 关联图与可合并性
   9.2 模型选择与比较
   9.3 模型检查与诊断
   9.4 对定序关联的模型分析
   9.5 关联模型*
   9.6 关联模型、相关模型与对应分析*
   9.7 关于比率的泊松回归
   9.8 列联表模型分析中的空单元格和稀疏数据问题
   注解
   习题

10. 关于匹配数据的模型
   10.1 相依比例的比较
   10.2 二分配对数据的条件Logistic回归
   10.3 方形列联表的边际模型
   10.4 对称性、准对称性与准独立性
   10.5 不同评定者之间评定结果的一致性
   10.6 关于成对选择的BRADLEY-TERRY模型
   10.7 匹配集数据的边际模型和准对称性模型*
   注解
   习题

11. 对重复测量的分类结果变量的分析
   11.1 边际分布的比较：多元结果变量的情况
   11.2 边际模型：最大似然法
   11.3 边际模型：广义估计方程（GEE）法
   11.4 类似然法与GEE多元扩展：细节*
   11.5 马尔科夫链：转换模型
   注解
   习题

12. 随机效应：关于分类结果变量的广义线性混合模型
   12.1 关于群组分类数据的随机效应模型
   12.2 二分结果变量：LOGISTIC-正态模型
   12.3 二分数据随机效应模型的例子
   12.4 多项分布数据的随机效应模型
   12.5 二分数据的多元随机效应模型
   12.6 广义线性混合模型的拟合、推断与预测
   注解
   习题

13.关于分类数据的其他混合模型*
   13.1 潜类模型
   13.2 非参数随机效应模型
   13.3  -二项分布模型
   13.4 负二项模型
   13.5 包括随机效应的泊松回归
   注解
   习题

14. 参数模型的渐近理论
   14.1  方法
   14.2 模型参数和单元格概率估计值的渐近分布
   14.3 残差和拟合优度统计量的渐近分布
   14.4 Logit/对数线性模型的渐近分布
   注解
   习题

15. 参数模型的其他估计理论
   15.1 关于分类数据的加权最小二乘法
   15.2 分类数据的贝叶斯推断
   15.3 其他估计方法
   注解
   习题

16. 分类数据分析的历史回顾*
   16.1 PEARSON-YULE的关联之争
   16.2 R.A. FISHER的贡献
   16.3 LOGISTIC回归
   16.4 多维列联表与对数线性模型
   16.5 最新的发展（及展望？）
 
参考文献

例子索引

主题索引