应用LOGISTIC回归分析（第二版）(格致方法·定量研究系列)_【美】斯科特?梅纳德著；李俊秀译_9787543235045

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比率和斜率做比较，全面解释了logistic回归模型的估计、解释和诊断结果。传统回归诊断和学生化残差、杠杆、dbeta都包括在创新的logistic诊断法内。最后详细说明了多选项和不排序多分类因变量的问题。

线性回归模型是一个非常有效且重要的数据分析方法。研究人员主要着重解释因变量,将因变量看作由多个自变量X1至Xk所组成的函数。当所有线性回归假设都符合该模型时,模型辨识、变量测量、普通最小二乘法(Ordinary Least Squares,OLS)估计方程,这一切都很顺利。可是，当因变量有两个或三个分类的话，有几项假设就不符合了。以二分因变量为例,同方差、线性和正态性的假设都不能成立,OLS的估计也无效。logistic回归的最大似然估计就能解决这一问题，即将Y(1, 0)转化成logit（发生比的对数log）。
梅纳德教授全面地解释了logistic回归模型的估计、解释和诊断结果。为了令读者能够从熟悉的事件过渡到新事物，他系统地把logistic回归与线性回归模型的QLS的R2、估计标准误差、t比率和斜率做比较。传统回归诊断和学生化残差、杠杆、dbeta都包括在创新的logistic诊断法内。最后仔细说明了多选项和不排序多分类因变量的问题。
本书讨论了对最新计算机软件的应用，如SPSS10 NOMREG用以分析名义变量比较好。本书更新了现今应用的计算机软件，同时深入评论了不同的拟合优度。梅纳德博士还提出令人信服的论据去说明R2L的优势，至少这能直接与OLS的R2比较。他同时增加了新内容:分组数据、预测效率和风险比。
大量著作证明了线性回归的广泛应用，可是由于现实中的因变量很少会是连续的或定距的，因此，logistic回归开始备受关注。首先出版的是德马里斯(DeMaris)的《对数模型》;接着是梅纳德的《应用logistic回归》(第一版);以及潘帕(Pampel)的(logistic回归简介》。本书从基本原理到技术应用都做了介绍，除此之外，还提及了当今最复杂的间每和方法。社会科学家要熟悉日新月异的知识，千万别错过梅纳德的这本书。
迈克尔·刘易斯贝克

你还可能感兴趣

我要评论