基于有许多研究人员和专家对logit模型表示关注，依然有人可能会问额外的处理是否还有必要。回答是肯定的，一如我们手上这本《Logistic回归入门》。对于新手来说，与普通最小二乘法相比，logistic回归还是很难对付。所有统计软件的程序里面已经包含了logistic回归，执行一个logit程序其实很简单。可是，为什么要执行这个程序？此外，所得出的结果是什么意思?由于这些问题解释起来还是非常复杂的，任何一个尽责的教方法的老师都会给予非常认真的思量。最近刚刚上手掌握普通最小二乘法的新手需要的是一本入门性的参考书。这就是弗雷德·C.潘佩尔教授所著此书的用心所在。

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