《数据管理与模型分析——STATA软件应用》由杨菊华著，强调数据的质量控制、数据的处理与管理、统计理论与数据挖掘的结合以及研究理论与研究方法的整合。基于这些思路，本书的主要写作目的如下：

其一，架起统计学理论和软件应用之间的桥梁；

其二，架起研究思路与数据管理和挖掘之间的桥梁；

其三，架起研究理论和数据分析方法之间的桥梁。

其最终的目的在于：有效地帮助读者在掌握基本统计原理的基础上，改善数据挖掘、管理、分析的能力，提高读者的整体研究水平，从而为产出高质量的研究成果奠定坚实的基础。

《数据管理与模型分析——STATA软件应用》由杨菊华著，整合数据挖掘、管理、模型分析及Stata统计软件应用于一体，较为系统地介绍了数据的基本结构、缺失值与极端值的处理、因子分析、连续数据与OLS模型、分类数据与logistic模型、纵向数据与固定效果模型、多层数据与随机效果模型、计数数据与相关模型。《数据管理与模型分析——STATA软件应用》内容循序渐进，由易到难，结合大量实际问题讲解数据处理技术、常规和前沿模型的特点及软件操作示例，架起基础统计理论和软件应用之间的桥梁，架起研究思路与数据管理和挖掘之间的桥梁，架起研究理论和数据分析方法之间的桥梁，为社会科学领域定量研究的专业教学和普及培训提供了一本通用教材。

导言

第一部分 数据质量控制与管理

 第一章 数据的基本结构

第一节 数据结构的基本类型

第二节 数据的测量水平

第三节 数据的测量与模型的选择

 第二章 数据的缺失及其处理

第一节 数据缺失的机制及检测

第二节 缺失数据的处理方法

第三节 几种填补方法的实证演示

 第三章 数据的极值及其处理

第一节 极值概述

第二节 极值的判断方法

第三节 极值的应对方法

 第四章 数据的简化与因子分析

第一节 因子分析的主要目的及基本概念

第二节 因子分析的类型及原理

第三节 公因子提取方法

第四节 因子旋转

第五节 因子结构及因子分析的基本假定

第六节 因子分析应用举例

第二部分 常规回归分析模型

 第五章 连续数据与OLS模型

第一节 相关分析

第二节 线性回归的基本原理

第三节 利用Stata进行线性回归分析

 第六章 分类数据与logistic模型

第一节 logistic回归概述

第二节 二元logistic回归的应用

第三节 序次logistic回归

第四节 多项式logistic回归

第三部分 前沿回归分析模型

 第七章 纵向数据与固定效果模型

第一节 固定效果模型简介

第二节 固定效果模型的基本原理

第三节 线性固定效果模型的演示

第四节 线性固定效果模型的应用

第五节 非线性固定效果模型的应用

 第八章 多层结构数据与多层模型

第一节 多层模型简介

第二节 多层线性模型的基本原理

第三节 多层线性模型的应用

第四节 多层非线性模型的应用

 第九章 计数数据与相关模型

第一节 泊松分布及泊松模型

第二节 负二项式模型

第三节 零膨胀模型

第四节 零截断模型

第五节 四类模型的比较