廣義線性模型導(dǎo)論

內(nèi)容概要

喬治·H·鄧特曼、何滿鎬所著的《廣義線性模型導(dǎo)論》的根本目標(biāo)是：對于熟悉經(jīng)典線性回歸的普通社會科學(xué)研究者，要如何從線性回歸模型推廣到非連續(xù)自變量的其他模型，而不失兩種模型間的共同根基及相似性?本書兩位作者陪著讀者走訪這一過程，并在沿途中啟蒙不識此道者，這也對叢書提供了有益的增補(bǔ)。

作者簡介

作者：（美國）喬治·H.鄧特曼（George H.Dunteman） （加拿大）何滿鎬（Moon-Ho R.Ho） 譯者：林毓玲

書籍目錄

序
第1章  廣義線性模型
第2章  一些基礎(chǔ)的模型化概念
  第1節(jié)  作為類別變量的自變量
  第2節(jié)  回歸模型的必要成分
第3章  經(jīng)典多元回歸模型
  第1節(jié)  假設(shè)與模型方法
  第2節(jié)  回歸分析結(jié)果
  第3節(jié)  多元相關(guān)
  第4節(jié)  假設(shè)檢驗(yàn)
第4章  廣義線性模型的基本原則
  第1節(jié)  指數(shù)家族分布
  第2節(jié)  經(jīng)典正態(tài)回歸
  第3節(jié)  logistic回歸
  第4節(jié)  比例風(fēng)險生存模型
第5章  最大似然估計
第6章  離差和擬合優(yōu)度
  第1節(jié)  使用離差進(jìn)行假設(shè)檢驗(yàn)
  第2節(jié)  擬合優(yōu)度
  第3節(jié)  通過殘差分析衡量擬合優(yōu)度
第7章  logistic回歸
  第1節(jié)  logistic回歸概述
  第2節(jié)  logistic回歸實(shí)例
第8章  泊松回歸
  第1節(jié)  泊松回歸概述
  第2節(jié)  泊松回歸模型實(shí)例
第9章  生存分析
  第1節(jié)  生存時間分布
  第2節(jié)  指數(shù)生存模型
  第3節(jié)  指數(shù)生存模型實(shí)例
第10章  結(jié)論
附錄
參考文獻(xiàn)
譯名對照表

章節(jié)摘錄

版權(quán)頁：   插圖：   此研究涉及分別對男性和女性模型化不同類型的紀(jì)律違反率。男性和女性之所以被分開模型化，是因?yàn)槟行杂休^高的違反率，且預(yù)期FSA／SSA及其他協(xié)變量對于紀(jì)律違反率的效用在男女間有所不同，即，假設(shè)FSA／SSA及大多數(shù)其他協(xié)變量與性別有交互作用。我們著重用泊松回歸來模型化男性囚犯的總的或整體的紀(jì)律違反率。這在此研究計劃的所有泊松回歸模型估計中可能是最重要的，因?yàn)楸O(jiān)獄中的囚犯大多是男性，且他們的紀(jì)律違反率比女性囚犯高。 泊松回歸模型的樣本數(shù)為11738。這些囚犯的記錄沒有缺失值。另外1026名囚犯因?yàn)橛腥笔?shù)據(jù)被排除在分析之外。因?yàn)橐罁?jù)FSA和SSA判刑的囚犯可能在重要的背景特征上有所差異，也因此被預(yù)期會與紀(jì)律違反率有關(guān)，故需要將它們作為協(xié)變量，與FSA／SSA這一“甄別”（treatment）或政策變量一同放入模型，以調(diào)整FSA／SSA政策變量對協(xié)變量的影響效應(yīng)。在囚犯記錄數(shù)據(jù)中有許多可能的協(xié)變量，但根據(jù)邏輯上的考慮和過去的研究，我們只選擇了由某些協(xié)變量所構(gòu)成的一個次集合。 主要感興趣的變量為結(jié)構(gòu)判決相對于公平判決這一政策變量，以0—1指標(biāo)置入模型中，0表示公平判決，1表示結(jié)構(gòu)判決。因此，公平判決代表參照組，用來和結(jié)構(gòu)判決比較。此0—1變量的回歸參數(shù)代表了結(jié)構(gòu)判決相對于公平判決的影響效應(yīng)。在此模型中，該參數(shù)已經(jīng)調(diào)整了其他協(xié)變量的影響效應(yīng)。 用一個三級的類別變量反映囚犯被判的犯罪類型。第一級是暴力犯罪；第二級是財產(chǎn)犯罪；第三級是公共秩序犯罪。我們假定因暴力犯罪而被判刑的囚犯會較其他兩種非暴力犯罪類型的囚犯有更高的紀(jì)律違反率。因?yàn)橛腥N犯罪類別，需要兩個0～1指標(biāo)變量來代表這個三級的犯罪變量。注意，第三個指標(biāo)是多余的，因?yàn)橹灰廊魏蝺蓚€指標(biāo)變量的值，剩余的一個指標(biāo)變量值就可以被確定了。因?yàn)槿齻€指標(biāo)變量之間具有完全的多重共線性，所以其中一個必須從模型中去除。我們采用舍棄代表公共秩序犯罪類別的0—1指標(biāo)變量。兩個剩余的指標(biāo)變量被編碼如下：暴力犯罪編碼為1，如果該囚犯為暴力犯罪群體中的一員，為0則否；財產(chǎn)犯罪編碼為1，如果該囚犯為財產(chǎn)犯罪群體中的一員，為0則否。同樣的，關(guān)于財產(chǎn)犯罪類的回歸參數(shù)測量的是作為財產(chǎn)犯罪群體中的一員相對于作為公共秩序犯罪群體中的一員的效應(yīng)。 種族有三個類別：黑人、白人和其他。白人被選為參照組。模型中包含一個0—1的黑人指標(biāo)變量和一個0—1的其他種族的指標(biāo)變量。因此，黑人的回歸參數(shù)反映了相對于白人而言，黑人的紀(jì)律違反率。同樣的，其他種族群體指標(biāo)變量反映了相對于白人群體而言，屬于其他種族群體的紀(jì)律違反率。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    廣義線性模型導(dǎo)論 PDF格式下載

---