上篇
一 定类数据分析
1 介绍
1.1 预备知识
1.2 定类变量的分析
2 卡方检验
2.1 卡方检验的解释
3 相关的量度
3.1 介绍
3.2 2×2表格的相关量度
3.3 I×J表格的相关量度法
3.4 相关量度的比较
4 多元数据分析的介绍
4.1 定类变量的因果分析
5 结论
注 释
参考文献
二 定序数据分析
简 介
1 定序量度
1.1 定序变量分析的三个问题
2 单个观测值的二元预测
2.1 总体和样本
2.2 已知自变量状态的预测
2.3 自变量状态未知的预测
2.4 V8量度
2.5 象限量度：专门应用于定序变量
2.6 科恩Kappa（Cohens Kappa）：另一种量度
2.7 定序变量预测的灵敏度分析：可靠性（信度）评估
3 成对观测值的二元预测
3.1 计算合并的定序数据
3.2 对合并定序表格的预测
3.3 合并表格的概率形式
3.4 合并定序形式的灵敏度分析
3.5 排除所有同分的预测域
3.6 排除一个变量的同分的预测域
3.7 从预测域去掉一个单元格而非一行或一列
3.8 不同预测域的比较
3.9 一致和不一致：回顾
3.10 再次标准化：肯德尔τc（Kendalls τc）
3.1l 肯德尔τ2b（Kendalls τ2b）：合并表格的混合预测方法以及与
定量变量预测的类似之处
4 定量，定类和定序变量的联合预测
4.1 定量变量
4.2 定类变量和扩展形式
5 多元分析
5.1 建立三元合并表
5.2 模仿二元预测的三元预测
5.3 多元
5.4 部分
6 计算方法和统计推论
6.1 计算机软件
6.2 统计推论
6.3 小结
注 释
参考文献
三 方差分析
1 导论
2 一维方差分析：所有类别
2.1 两组比较
2.2 两组以上
3 二维方差分析，所有类别
3.1 不相关的解释变量
3.2 相关的解释变量
3.3 特殊主题
4 方差分析，定类样本
4.1 一维分析
4.2 两个解释变量
5 其他模型
5.1 混合模型（Mixed Models）
5.2 三个解释变量
5.3 拉丁方设计
5.4 嵌套设计（Nested Designs）
5.5 方差分析与回归分析
6 结论
6.1 回顾
6.2 其他论题
参考文献
四 关联的量度
1 导论
2 离散数据的抽样分布
2.1 二项分布和多项分布
2.2 列联表
3 定类数据关联的量度
3.1 以卡方统计值为基础的量度
3.1.1 皮尔逊（PEARSON）均方列联系数
3.1.2 皮尔逊（PEARSON）列联系数与斯科达（SAKODA）的修正
3.1.3 楚普洛夫（TSCHUPROW）列联系数
3.1.4 克莱姆（CRAMER）列联系数
3.2 消减预测误差比例的量度系数
3.2.1 古德曼一克鲁斯凯（GOODMAN—KRUSKAL）λ系数
3.2.2 古德曼一克鲁斯凯（GOODMAN—KRUSKAL）τ系数
3.3 一致性的量度
3.3.1 科恩（COHEN）κ系数与加权κ系数
3.3.2 科尔曼一莱特（COLEMAN-LIGHT）条件一致性量度系数
3.4 针对2 × 2列联表的特定量度系数
3.4.1 以交叉乘积比为基础的量度系数
3.4.2 以相关系数为基础的量度系数
4 量度连续（定距）数据的相关
4.1 皮尔逊（PEARSON）积矩相关系数
4.2 肯德尔（KENDALL）T系数
4.3 斯皮尔曼（SPEARMAN）秩相关系数29
5 量度定序数据的关联
5.1 初步
5.2 肯德尔（KENDALL）τb系数
5.3 与肯德尔（KENDALL）τb系数有关的量度系数
5.3.1 肯德尔一斯图尔特（KENDALL-STUART）τC系数
5.3.2 古德曼一克鲁斯凯（GOODMAN—KRUSKAL）γ系数
5.3.3 萨默斯（SOMERS）d系数
5.3.4 威尔逊（WILSON）e系数
5.3.5 总结
5.4 其他量度系数
6 选择适当的量度系数
7 相关与因果联系
注释
参考文献
五 多重回归的应用
序
导言
1 多元回归模型：复习
2 设定错误
2.1 设定错误导致的后果
2.2 设定错误举例：生活满意度
2.3 发现和处理设定错误
3 量度误差
3.1 量度误差的后果
3.2 量度误差举例：生活满意度
3.3 发现量度误差
3.4 处理量度误差
4 多元共线性
4.1 多元共线性的后果
4.2 发现高度多元共线性
4.3 多元共线性举例：生活满意度
4.4 处理多元共线性
5 非线性和不可加性
5.1 发现非线性和不可加性
5.2 处理非线性
5.3 处理不可加性
5.4 非线性和不可加性模型的注意事项
6 异方差和自相关
6.1 出现异方差和自相关的原因
6.2 异方差和自相关导致的后果
6.3 发现异方差
6.4 异方差举例：收入和租房
6.5 处理异方差和自相关
7 结束语
注 释
参考文献
下篇
一 线性概率模型、对数概率模型和正态概率模型
丛书编辑引言
1 线性概率模型
……
2 非线性概率模型的设定
3 二项应变量正态概率模型和对数概率模型的估计
4 最小卡方估计和多项模型
5 总结和扩展
注 释
参考文献
二 回归的解释与应用
丛书编辑导言
l 导论
2 基础回归理论与社会科学实践
3 回归估计的统计性质
4 回归系数的抽样分布
5 选择一种设定
6 变量的重要性
7 结论
附录对回归一致性结果的证明
注 释
参考文献
三 时间序列分析：回归技术
1 导论
2 时间序列回归分析：非滞后的情况
3 其他备择的时变过程
4 时间序列回归分析：滞后的情况
5 预测
6 总结
附录防卫支出数据（单位：10亿美元）
注 释
参考文献
四 事件史分析法——用于纵向数据的回归分析法
丛书编辑序
l 导论
2 离散时间事件史数据分析法
3 连续时间数据的参数分析法
4 比例风险模型和部分似然估计
5 多类事件史的数据估计分析法
6 重复事件分析法
7 状态变化情况下的事件史分析法
8 结论
附录A 最大似然和部分似然
附录B GLIM、SAS和BMDP程序实例清单
附录C 计算机程序
注 释
参考文献
缺书网
扫码进群