《分类数据分析》由美国统计学家阿兰·阿格莱斯蒂（Alan Agresti）撰写，齐亚强翻译，重庆大学出版社于2012年1月出版，属"万卷方法"丛书系列，ISBN为978-7-5624-6133-3 [2-4]。全书共16章503页，定位为统计学及生物统计学科教材 [2-3]。
该书重点围绕分类数据的分析方法展开，前3章介绍分类变量分布与二维列联表基础推断，第4-7章系统阐述Logistic回归模型及其扩展应用，新版缩减对数线性模型内容以强化Logistic回归篇幅。第8-13章涵盖重复测量数据分析、群组分类数据的混合模型等高级方法，第14章解析参数估计理论，第16章回顾皮尔逊与费舍尔等统计学家的奠基性成果 [1-3]。附录包含参考文献与主题索引。
- 中文名
- 分类数据分析
- 作 者
- Agresti.A
- 类 别
- 万卷方法
- 译 者
- 齐亚强
- 出版社
- 重庆大学出版社
- 出版时间
- 2012年1月1日
- 页 数
- 503 页
- 定 价
- 82.00 元
- 开 本
- 16 开
- 装 帧
- 平装
- ISBN
- 9787562461333
内容简介
播报编辑
《主断纹分类数据分析》的第1-7章涵盖了该类课程的核心内容。
第8章和第9章的内容则是用于分析列联表数据的对数线性模型。随着时间的推移，对数线性模型的重要性似乎有所降低，所以本版在一定程度上缩减了对该模型的讨论，并相应增加了有关logistic回归的内容。在过去10年间，这一领域的新发展主要集中于对重复测量和其他形式的群组分类数据的分析方法。
第16章简单回顾了分类数据分析技术的发展历程，并介绍了诸如皮尔逊和费舍尔等著名统计学家的贡献，他们的开创性工作为分类数据分析方法的发展奠定了基础。 [1]
图书目录
播报编辑
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
注解
习题
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 二维列联表的独立性检验
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
5.1 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回归模型的构建与应用
6.1 模型选择的策略
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
6.7 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
7.2 定序结果变量：累积L0git模型
7.3 定序结果变量：累积连结模型
7.4 关于定序结果变量的其他模型
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
……
10 关于配对数据的模型
11 对重复测量的分类结果变量的分析
14 参数模型的渐近理论
15 参数模型的其他估计理论
16 分类数据分析的历史回顾
参考文献
例子索引
主题索引 [1]
