内容提要

　　本书专题介绍了在分析二分类因变量时最常使用的统计分析模型之一--logistic回归模型。本书深入浅出，理论联系实际，通过例题分析，并结合计算机统计软件的应用，详细介绍、阐述了该模型及其应用。同时，还介绍了如何将logistic回归模型扩展到次序logistic回归模型和多项式logit模型，以分析序次变量和多分类名义变量为因变量的数据。本书提供用SAS和SPSS进行具体例题分析的计算机程序及相关数据，并对这两种软件的模型估计结果进行详细的解释和对比分析。本书的读者对象为社会科学各专业的教师及研究生，以及社会科学专业研究人员。

序言

　　在现有的统计教科书中，一般都有logistic回归模型的内容。然而，在这些教科书中，logistic回归往往不是作为中心内容，缺乏关于这种方法的详尽讨论。有关专著在国外很少，国内尚无。国外的一些专著中对于logistic回归模型的实际应用，特别是结合统计软件运行模型并对模型结果进行解释方面较为欠缺。本书的主要目的是提供对于logistic回归模型的深入专题介绍，专注于这一方法本身的讨论，以及模型结果的详细阐译。作者尽量以深入浅出的手法，旁证博引，理论联系实际，大量运用例题并结合计算机统计软件的使用，介绍和讨论该模型的原理及其运用。 　　本书将采用国际上广泛使用的统计软件SAS（Statistics Analysis System）和SPSS（Statistics Package for Social Sciences）来分析书中的例题。本书将提供用这两种软件进行具体例题分析的计算机程序，并对于这两种软件的模型估计结果进行详细的解释和对比分析。

目录

第1章 二分类因变量与logistic回归模型 1.1 引言 1.2 线性概率模型 (linear probability model，LPM) 1.3 Logistic回归模型 第2章 Logistic回归模型估计 2.1 最大似然估计(maximum likelihood estimation, MLE) 2.2 Logistic回归模型估计的假设条件 2.3 最大似然估计的性质 2.4 模型估计的样本规模 2.5 拟合logistic回归的示范模型 2.6 用分组数据做logistic回归分析 第3章 Logistic回归模型评价 3.1 拟合优度(goodness-of-fit) 3.2 Logistic回归模型的预测准确性 3.3 模型卡方统计(model chi-square statistic) 第4章 Logistic回归系数解释 4.1 发生比和发生比率(odds and odds ratio) 4.2 以发生比率来解释logistic回归系数 4.3 就概率来解释自变量的作用 4.4 预测概率 4.5 标准化系数 4.6 偏相关 (partial correlation) 第5章 Logistic回归系数的统计推断 5.1 Logistic回归系数的显著性检验 5.2 Logistic回归参数的置信区间 第6章 建立模型 6.1 选择变量 6.2 非线性与非加性(nonlinearity and nonadditivity) 第7章 Logistic回归诊断 7.1 过离散 (overdispersion) 7.2 空单元 (zero cell count) 7.3 完全分离 (complete separation) 7.4 多重共线性 (multicollinearity) 7.5 特异值和特殊影响案例 (outliers and influential observations) 第8章 Logistic回归的替代模型及扩展 8.1 Probit模型 8.2 Logistic回归扩展于多分类反应变量 参考文献索引