线性回归模型是一个非常有效且重要的数据分析方法，但它的局限性是要求因变量是定量变量（定距变量、定比变量）而非定性变量（定序变量、定类变量）。但在许多实际问题中，经常出现因变量有两个或三个分类的情况，此时就需要应用logistic回归分析。本书系统地把logistic回归与线性回归模型的OLS的R2、估计标准误差、t比率

在经济学、政治学、社会学、心理学和教育学等学科领域，因子分析法应用广泛。本书作者用明确的数据分析例子，详细介绍了因子分析的不同方法，以及它们在何种情况下最有用。更深入探讨了验证性和探索性因子分析的差别和因子旋转的各种标准。特别值得一提的是对不同形式的斜交旋转的讨论，以及如何解释从这些分析中得到的各项系数。此外，作者也回

本书着重回答了三个问题,即:什么是博弈论,博弈论如何应用,博弈论为什么是正确的?作者在书中认真地讨论了这三个问题,在讨论的同时尽量避免了使用非常复杂的数学推导,做到了不过分“数学化”。为了便于数学基础较浅的学生跟上课程进度不至于太吃力,本书同时提供了必要的数学支持内容。本书涉及的专题包括,合作博弈论、贝叶斯决策理论、不

本书是格致方法定量研究系列之一种，重点在于介绍如何在logistics回归中用乘积项来进行交互效应分析。作者首先回顾了如何用概率、发生比和对数发生比的形式解释logistics回归的结果，然后介绍了双向交互效应和三向交互效应。之后，作者进一步讨论了更复杂情况下交互效应的解释方法，包括分类和连续变量的交互效应、两个连续变

《数据分析概论》研究对象是社会科学的研究数据。数据分析可以赋予事实意义，好的数据分析能为所研究的社会现象提供合理的描述和解释。 本书旨在为定量研究数据分析的每一步提供统计学基础。作者讨论了数据搜集的意义、一元统计、对相关性的测量、显著性检验、简单和多元回归，并给出了大量的数学公式，使得读者能更好地理解这些内容。

回归诊断是用于探索存在于回归分析中问题及判断某些假设是否合理的一种技术。《回归诊断简介》主要回顾蕞小二乘线性回归，讨论多元回归中共线性的问题，处理奇异与强影响数据，探讨误差非线性、不一致的误差方差和非线性问题，简要阐释离散数据产生的问题，介绍基于蕞大似然法、计分检验和构造变量的较复杂的诊断方法。*后，探讨了如何将介绍的

《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。

在非实验社会科学研究中，回归分析是*常用的方法。在数据收集和录入以后，研究者无一例外地开始尝试回归模型，对其定义的等式使用*小二乘法（OLS）进行估计。但OLS这一强大的工具却并不总是正确的。其一便是某类特殊形式的数据可能导致OLS估计量的偏误。理查德·布林教授在本书中讨论的数据形式包括删截数据、选择性样

固定效应模型和随机效应模型是社会科学研究中的常用模型。在社会科学研究者在使用回归模型进行分析时，有可能存在这样一种情况，即每个案例在不同时点上的残差都存在一定的相关和相互依赖，这通常是因为不同案例在某些未被观察到的特征上存在差异，这就违背了误差项相互独立的假设，而固定效应模型和随机效应模型都是用来解决残差相关的问题。二

《Logistic回归入门》系格致方法·定量研究系列之一种。本书主要内容是介绍logistic回归分析，通过作者循序渐进的讲述，用基本的语言和*简单的例子来让读者弄清楚为什么要执行logistic程序，其背后的逻辑，以及改程序得出的结果代表的含义。第1章简要介绍了用线性回归分析二分因变量所带来的问题，并提