统计模型：理论和实践

　　Foreword to the ReVised Edition
　　Preface
　　1  Observational Studies and Experiments
　　1.1  Introduction
　　1.2  The HIP trial
　　1.3  Snow on cholera
　　1.4  Yule on the causes of poverty
　　Exercise set A
　　1.5 End notes
　　2  The Regression Line
　　2.1  Introduction
　　2.2  The regression line
　　2.3  Hooke's law
　　Exercise set A
　　2.4  Complexities
　　2.5  Simple vs multiple regression
　　Exercise set B
　　2.6 End notes
　　3  Matrix Algebra
　　3.1  Introduction
　　Exercise set A
　　3.2  Determinants and inverses
　　Exercise set B
　　3.3  Random vectors
　　Exercise set C
　　3.4  Positive definite matrices
　　Exercise set D
　　3.5  The normal distribution
　　Exercise set E
　　3.6  If you want a book on matrix algebra
　　4  Multiple Regression
　　4.1  Introduction
　　Exercise set A
　　4.2  Standard errors
　　Things we don't need
　　Exercise set B
　　4.3  Explained variance in multiple regression
　　Association or causation?
　　Exercise set C
　　4.4  What happens to OLS if the assumptions break down?
　　4.5  Discussion questions
　　4.6  End notes
　　5  Multiple Regression: Special Topics
　　5.1  Introduction
　　5.2  OLSisBLUE
　　Exercise set A
　　5.3  Generalized least squares
　　Exercise set B
　　5.4  Examples on GLS
　　Exercise set C
　　5.5  What happens to GLS if the assumptions break down?
　　5.6  Normal theory
　　Statistical significance
　　Exercise set D
　　5.7  The F-test
　　"The" F-test in applied work
　　Exercise set E
　　5.8  Data snooping
　　Exercise set F
　　5.9  Discussion questions
　　5.10  End notes
　　6  Path Models
　　6.1  Stratification
　　Exercise set A
　　6.2  Hooke's law revisited
　　Exercise set B
　　6.3  Political repression during the McCarthy era
　　Exercise set C
　　6.4  Inferring causation .by regression
　　Exercise set D
　　6.5  Response schedules for path diagrams
　　Selection vs intervention
　　Structural equations and stable parameter:Ambiguity in notation
　　Exercise set E
　　6.6  Dummy variables
　　Types of variables
　　6.7  Discussion questions
　　6.8  End notes
　　7 Maximum Likelihood
　　7.1  Introduction
　　Exercise set A
　　7.2  Probit models
　　Why not regression?
　　The latent-variable formulation
　　Exercise set B
　　Identification vs estimation
　　What if the Ui are N?
　　Exercise set C
　　7.3  Logit models
　　Exercise set D
　　7.4  The effect of Catholic schools
　　Latent variables
　　Response schedules
　　The second equation
　　Mechanics: bivariate probit
　　Why a model rather than a cross-lab?
　　Interactions
　　More on table 3 in Evans and Schwab
　　More on the second equation
　　Exercise set E
　　7.5  Discussion questions
　　7.6  End notes
　　8 The Bootstrap
　　8.1  Introduction
　　Exercise set A
　　8.2  Bootstrapping a model for energy demand
　　Exercise set B
　　8.3 End notes
　　9 Simultaneous Equations
　　9.1  Introduction
　　Exercise set A
　　9.2  Instrumental variables
　　Exercise set B
　　9.3  Estimating the butter model
　　Exercise set C
　　9.4  What are the two stages?
　　Invariance assumptions
　　9.5  A social-science example: education and fertility
　　More on Rindfuss et al
　　9.6  Covariates
　　9.7  Linear probability models
　　The assumptions
　　The questions
　　Exercise set D
　　9.8  More on IVLS
　　Some technical issues
　　Exercise set E
　　Simulations to illustrate IVLS
　　9.9  Discussion questions
　　9.10  End notes
　　10 Issues in Statistical Modeling
　　10.1  Introduction
　　The bootstrap
　　The role of asymptotics
　　Philosophers' stones
　　The modelers' response
　　10.2  Critical literature
　　10.3  Response schedules
　　10.4  Evaluating the models in chapters 7-9
　　10.5  Summing up
　　References
　　Answers to Exercises
　　The Computer Labs
　　Appendix: Sample MATLAB Code
　　Reprints
　　Gibson on McCarthy
　　Evans and Schwab on Catholic Schools
　　Rindfuss et al on Education and Fertility
　　Schneider et al on Social Capital
　　Index

　　    （美）弗里德曼，是加州大学伯克利分校的统计学教授、杰出的数理统计学家。其研究范围包括鞅不等式分析、Markov过程、抽样、自助法等。他是美国科学学院士。在2003年。美国科学院授予他John J.Carty科学进步奖，以表彰他对统计理论和实践做出的贡献。

　　    《统计模型：理论和实践》是一本优秀的统计模型教材，着重讲解线性模型的应用问题，包括广义最小二乘和两步最小二乘模型，以及二分变量的probit及logit模型的应用，还包括关于研究设计、二分变量回归及矩阵代数的背景知识。 
　　    这还是一本鼓舞人心的而又易读的书，无论是老师还是学生都会从中受益。