暂无内容
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