《Logistic回归入门》的主要内容是介绍logistic回归分析，主要就是弄清楚为什么要执行logistic程序，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，并提供了一个非技术的解释，然后介绍了logit转换。第2章介绍了logistic回归系数的解释。第3章涉及最大似然估计的含义以及logistic回归中模型的解释力。第4章回顾了probit分析。第5章简要介绍了logistic回归的原理如何应用于三个或者更多个名义因变量的分析。本书的附录提供了有关对数的介绍。

序
前言
第1章 Logistic回归的逻辑
第1节 对虚拟因变量进行回归
第2节 把概率转换成Logistic
第3节 非线性的线性化
第4节 小结
第2章 解释Logistic回归系数
第1节 比数的对数
第2节 比数
第3节 概率
第4节 显著性检验
第5节 标准化的系数
第6节 一个实例
第7节 小结
第3章 估计和模型匹配
第1节 最大似然估

序
前言
第1章 Logistic回归的逻辑
第1节 对虚拟因变量进行回归
第2节 把概率转换成Logistic
第3节 非线性的线性化
第4节 小结
第2章 解释Logistic回归系数
第1节 比数的对数
第2节 比数
第3节 概率
第4节 显著性检验
第5节 标准化的系数
第6节 一个实例
第7节 小结
第3章 估计和模型匹配
第1节 最大似然估计
第2节 对数似然函数
第3节 估计
第4节 用对数似然值来检测显著性
第5节 模型评估
第6节 一个实例
第7节 小结
第4章 Probit分析
第1节 另一种将非线性线性化的方式
第2节 Probit分析
第3节 对系数的解释
第4节 最大似然估计
第5节 一个实例
第6节 小结
第5章 总结
附录
注释
参考文献
译名对照表

[展开]