本书对分类数据分析的方法和模型，及其在社会科学研究中的应用做了全面介绍。它的一个目标是整合变换方法和潜在变量方法，这是两类不同但又相互补充的处理分类数据分析的传统方法。这也是*次在一本单册书中详细地介绍针对离散因变量、交叉分类和跟踪数据的模型与方法对于广大的社会科学研究者来说，意义重大，既可以使得他们能顺利使用合适的定类数据的统计方法，又可以让他们对统计后的结果作进一步的科学检验，使得研究能够更加深入下去。
图目录／1
表目录／1
中文版序／1
前 言／1
章 绪论／1
1.1 为什么需要分类数据分析？／1
1.2 分类数据的两种哲学观点／6
1.3 一个发展史的注脚／8
1.4 本书特点／9
第2 章 线性回归模型回顾／11
2.1 回归模型／11
2.2 再谈线性回归模型／17
2.3 分类变量和连续型因变量之间的区别／27
第3 章 二分类数据模型／29
3.1 二分类数据介绍／29
3.2 变换的方法／30
3.3 Logit模型和Probit模型的论证／39
3.4 解释估计值／54
3.5 其他的概率模型／61
3.6 小结／62
第4 章 列联表的对数线性模型／64
4.1 列联表／64
4.2 关联的测量／68
4.3 估计与拟合优度／73
4.4 二维表模型／79
4.5 次序变量模型／89
4.6 多维表的模型／97
第5 章 二分类数据多层模型／110
5.1 导言／110
5.2 聚类二分类数据模型／113
5.3 追踪二分类数据模型／130
5.4 模型估计方法／136
5.5 项目响应模型／151
5.6 小结／159
第6 章 关于事件发生的统计模型／161
6.1 导言／161
6.2 分析转换数据的框架／162
6.3 离散时间方法／163
6.4 连续时间模型／177
6.5 半参数比率模型／188
6.6 小结／211
第7 章 次序因变量模型／213
7.1 导言／213
7.2 赋值方法／214
7.3 分组数据的Logit模型／216
7.4 次序Logit和Probit模型／220
7.5 小结／232
第8 章 名义因变量模型／234
8.1 导言／234
8.2 多项Logit模型／235
8.3 标准多项Logit模型／237
8.4 分组数据的对数线性模型／242
8.5 潜在变量方法／245
8.6 条件Logit模型／246
8.7 设定问题／251
8.8 小结／258
附录A 回归的矩阵方法／259
A.1 导言／259
A.2 矩阵代数／259
附录B 似然估计／266
B.1 导言／266
B.2 基本原理／266
参考文献／285
索 引／295
译后记／314
Dan Powers and Xieyu 作者之一的谢宇是美国密歇根大学教授，1959年出生于中国江苏省镇江市。1982年获得上海工业大学工学学士学位，1984年获得美国威斯康星大学科学史硕士和社会学硕士学位，1989年获得同所大学社会学博士学位。毕业后在美国密歇根大学社会学系任助理教授（1989—1994）、副教授（1994—1996）、正教授（1996年至今）。1996年被授予Perrin讲座教授，1999年被授予Huetwell讲座教授，2002年被授予社会学系和统计系的Otis Dudley Duncan讲座教授。同时担任密歇根大学社会研究所人口研究中心和调查研究中心的研究教授。2004年当选为美国艺术科学院院士。研究范围：统计方法、社会分层和社会人口学。著作：《类型变量的分析方法》、《妇女科学家》、《亚裔美国人》（英文）。
