類別與受限依變項的迴歸統計模式


	在本書之中，Long 教授將近年來關於受限及類別依變項最有用的幾個統計方法，用迴歸統計的架構（一般社會科學學者最熟悉的研究方法）整理出來。用心的讀者們將會發現，在本書中所介紹的所有統計方法，都可以用基礎的線性迴歸的觀念為基本來延伸，Long教授希望能以這種方式讓讀者更能夠親近這本書。除此之外，對每一個統計方法，Long 教授都清楚地依照「理論推演」、「統計結果的解釋」、「檢定與檢驗」、以及「實際研究的應用」這幾個步驟來依次說明。為了使讀者們更容易瞭解這些統計法在實際研究上的應用，本書中特別列舉了在不同領域中研究上的實例，範圍由常見的態度分析（Analyses of Attitudes），到一般學者較不熟悉的科學研究生產力分析（Analysis of Scientific Productivity）都包括在內。


	目錄第一章序論第一節線性和非線性模式第二節本書的組織架構第三節本書的特色第四節參考書目第二章連續結果變項──線性迴歸模式第一節線性迴歸第二節迴歸係數的解釋一、標準化和半標準化係數第三節最小平方法的估計第四節非線性迴歸模式第五節違反假定一、誤差值的條件平均值不等於0 二、獨立變項和誤差值是相關的第六節最大概似估計一、最大概似估計二、概似函數三、樣本平均數的最大概似估計四、線性迴歸模式的ML估計五、最大概似估計的變異數六、最大概似估計的特性第七節結論第八節參考書目第三章二元依賴變項一一線性機率、機率單位以及分對數模式第一節線性機率模式一、線性機率模式的問題第二節二元變項的潛在變項模式第三節統計數定位一、機率的統計數定位第四節非線性機率模式第五節最大概似估計一、最大概似和樣本大小第六節 ML估計的數值方法一、遞迴法二、ML估計的變異數三、數值方法的問題以及解決之道四、軟體的問題第七節二元反應模式的解釋一、參數的影響二、使用「預測機率」的解釋方法三、y的偏微分改變四、Pr（y=1 1x）的偏微分改變五、Pr（y=1 1x）的間距改變第八節使用差異比率的解釋方法第九節結論第十節參考書目第四章假設檢定與適合度檢定* 第一節假設檢定一、沃爾德檢定、概似比率檢定以及拉格朗日乘數檢定二、沃爾德檢定三、LR檢定四、LR檢定和沃爾德檢定的比較五、計算上需要考慮和問題第二節殘差和重要觀察值第三節適合度的純量測量一、在LRM中的R2 二、在LRM中的R2為基礎的「類R2」三、使用觀察值和預測值的類R2 四、訊息測量第四節結論第五節參考書目第五章次序依賴變項一一次序分對數以及次序機率單位分析第一節潛在次序變項模式一、有關分配的假設二、觀察值的機率第二節估計數定位第三節估計一、軟體的問題二、ORM和LRM的實例第四節結果的解釋一、y的偏微分改變二、預測機率三、預測機率的偏微分改變四、間距改變五、在次序分對數模式中使用機率比第五節平行迴歸假設第六節其他和次序變項有關的統計方法一、分組迴歸模式二、其他模式第七節結論第八節參考書目第六章名義依賴變項一一多元名義分對數及其他相關模式* 第一節多元名義分對數模式簡介第二節多元名義分對數模式一、MNLM的機率模式二、MNLM的機率比模式三、MNLM的個別選擇模式第三節 ML估計一、軟體的應用第四節計算並檢驗其他對比第五節兩種有用的檢定法一、對單一變項的迴歸係數是否等於0的檢定二、檢定依賴變項中的兩個類別是否可以合併三、找尋最佳模式第六節結果的解釋一、預測機率二、偏微分改變三、間距改變四、差異比率的解釋五、圖示迴歸係數第七節條件分對數模式一、軟體統計第八節不相關替代條件的獨立性一、IIA假設的檢定第九節相關模式第十節結論第十一節參考書目第七章受限依賴變項第一節設限問題第二節截尾與設限分配一、常態分配二、截尾的常態分配三、設限的常態分配第三節設限結果與多畢模式一、τ與τy的差別二、設限的分配三、設限所產生的問題第四節估計一、違反假設第五節解釋一、潛在結果的改變二、截尾結果的變化三、設限結果的變化四、McDonald與Moffitt的分解法第六節相關運用一、上方設限二、上方與下方設限三、截尾迴歸模式四、個別改變的限制五、樣本選擇模式第七節結論第八節參考書目第八章次數依賴變項第一節 Poisson分配一、異質性的觀念第二節 Poisson迴歸模式一、估計二、統計結果的解釋第三節負二元名義迴歸模式一、異質性及擴散性二、估計三、過度離散的測試四、統計結果的解釋五、其他相關模式第四節截尾次數模式一、估計二、統計結果的解釋三、截尾次數模式的過度離散第五節零的次數修正模式一、具零模式二、零增加模式第六節次數模式的比較第七節結論第八節參考書目第九章結論第一節潛在變項模式的聯結第二節一般線性模式第三節機率模式相關統計法的異同第四節事件歷史分析第五節對數線性模式附錄習題解答