《广义线性模型导论》系统介绍了广义线性模型的概念基础和基本原则，通过具体案例和SAS统计软件阐释了将logistic回归等整合到拟合广义线性模型架构中的方法。本书的目的在于，向熟悉经典线性模型的普通社会科学研究者展示，如何从线性回归模型推广到非连续自变量的其他模型，而不失这两种模型间的共同根基及相似性。
《广义线性模型导论》是格致方法·定量研究系列丛书之一。本书从广义线性模型的理论提出入手，分析了经典回归模型的发展及局限性，并列举了药物滥用者群体的药物滥用事件、伽马分布及泊松回归模型的例子引出重要的统计概念，目的是告知读者相关的不同数据，并使其能选择适当的统计模型来分析数据及诠释结果。在附录中，作者还提供了如何运用SAS统计软件的内容，以拟合本书所讨论的广义模型。
本书编辑过程并不寻常：作者及编者都有所改变。我的前一任编辑，迈克尔·刘易斯·贝克，非常睿智地看到《广义线性模型导论》的价值。在2004年初从编辑岗位退下之前，他看遍了计划书的编辑及先前的手稿版本。令人难过的是，乔治·H.邓特曼在完成他所认为终稿后就过世了。进一步的修改由何满镐接手，他非常勇敢地接受挑战，并对原稿作出许多重要的修正。 社会科学家所分析的结果变量可以是连续的或是离散的。在已出版的丛书中，有许多书目涉及需要处理一个连续的因变量（及一些重要假设）的模型，古典线性回归为这类模型的代表。除此之外也涉及因变量是非连续的，通常统计模型的对象为事件发生机率，但也可能是频率或是对数频率。在过去20年中，许多形态的logit、probit（及对数线性）模型已经成为社会科学家众多分析方法中的标准，并且该丛书中也有多本涉及这些主题。 连续结果变量及离散的因变量这两种模型间的关系在广义线性模型的架构下变得清晰。在社会科学中，研究者对于在方程右方以x和线性组合所表示的可线性化的自变量比较熟悉。然而，位于这两种模型左方的因变量y可以是多种形式的，包括metric、二元的、序列的、multinomial和计数的。再者，两种模型中的随机结果y可能服从正态、二项、泊松、gamma分布，且所有这些分布都属于指数家族分布。一旦我们对于y的随机分布作出服从指数分布的适当假设后，剩余的任务便是指明随机变量的期望以及x和线性组合间的关系。将期望的随机结果变量对应到x和的线性组合，是广义线性模型的一部分。 本书的根本目标是：对于熟悉经典线性回归的普通社会科学研究者，要如何从线性回归模型推广到非连续自变量的其他模型，而不失两种模型间的共同根基及相似性？本书两位作者陪着读者走访这一过程，并在沿途中启蒙不识此道者，这也对丛书提供了有益的增补。 廖福挺
乔治·H.邓特曼（George H. Dunteman），曾为美国三角研究院（Research Triangle Institute）首席科学家，致力于社会和行为领域的应用研究。曾在教育考试服务（Educational Testing Service）及美国军人研究机构（U.S. Army Research Institute）担任研究职务，并曾在罗切斯特大学担任助理教授，在佛罗里达大学担任副教授。19871988学年，担任维克森林大学Babcock管理学院的管理学访问教授，并教授MBA量化方法的核心课程。此外他还曾担任《教育及心理学测量》期刊的编辑并在专业期刊中发表多篇论文。何满镐（Moon-Ho R. Ho），加拿大麦吉尔大学心理学助理教授，并在新加坡南洋理工大学人文及社会科学学院、新加坡国家教育机构教学法及实习研究中心担任助理教授，教授本科生和研究生程度的进阶统计学课程。其研究兴趣包括：对于评断及决策决定的认知模型、态度之形成、构成健康相关行为改变之机制，以及父亲参与儿童教养等。
序第1章 广义线性模型第2章 一些基础的模型化概念第1节 作为类别变量的自变量第2节 回归模型的必要成分第3章 经典多元回归模型第1节 假设与模型方法第2节 回归分析结果第3节 多元相关第4节 假设检验第4章 广义线性模型的基本原则第1节 指数家族分布第2节 经典正态回归第3节 logistic回归第4节 比例风险生存模型第5章 最大似然估计第6章 离差和拟合优度第1节 使用离差进行假设检验第2节 拟合优度第3节 通过残差分析衡量拟合优度第7章 logistic回归第1节 logistic回归概述第2节 logistic回归实例第8章 泊松回归第1节 泊松回归概述第2节 泊松回归模型实例第9章 生存分析第1节 生存时间分布第2节 指数生存模型第3节 指数生存模型实例第10章 结论附录参考文献译名对照表
书单推荐
