书籍摘要

《Applied Regression Analysis and Generalized Linear Models》第三版是由John Fox所著的一本深入浅出的统计学教材，旨在为社会科学研究者提供回归分析、线性模型、广义线性模型及其相关方法的现代处理方式。该书不仅适用于社会科学研究人员，还广泛适用于其他学科中使用回归模型进行数据分析的学者。

内容层次与特色

本书内容分为六个部分，涵盖了从基础数据处理到复杂混合效应模型的广泛主题。

第一部分：数据工艺（Data Craft）

• 第2章介绍了回归分析的基本概念，强调了回归分析在追踪条件分布中的作用。
• 第3章和第4章分别介绍了数据检查和数据转换的方法，为后续的统计建模打下基础。

第二部分：线性模型与最小二乘法（Linear Models and Least Squares）

• 第5章至第10章深入探讨了线性最小二乘回归及其统计推断，包括虚拟变量回归和方差分析。
• 本部分还涉及了线性模型的矩阵表示和向量几何，帮助读者从更抽象的角度理解线性模型。

第三部分：线性模型诊断（Linear-Model Diagnostics）

• 第11章至第13章讨论了线性模型诊断方法，包括检测异常和有影响的数据点、诊断非正态性、非恒定误差方差和非线性问题，以及共线性问题。

第四部分：广义线性模型（Generalized Linear Models）

• 第14章和第15章介绍了广义线性模型（GLM），涵盖了对分类响应变量的逻辑回归和概率回归模型，以及计数数据的泊松回归等。

第五部分：拓展线性和广义线性模型（Extending Linear and Generalized Linear Models）

• 本部分包括时间序列回归、非线性回归、非参数回归、稳健回归、缺失数据处理、自助法（bootstrapping）以及模型选择、平均和验证等内容。

第六部分：混合效应模型（Mixed-Effects Models）

• 第23章和第24章是本书新增内容，介绍了用于分层和纵向数据的线性混合效应模型以及广义线性混合效应模型。

本书特色

• 深入浅出：作者通过丰富的实例和逐步讲解，使复杂的统计方法易于理解。
• 实用性强：书中不仅介绍了理论知识，还提供了实际应用中的数据处理和模型诊断方法。
• 广泛覆盖：涵盖了从基础到高级的统计分析方法，适合不同层次的读者。
• 更新及时：第三版增加了混合效应模型等内容，紧跟统计学领域的最新发展。

适用读者 本书适合社会科学研究人员、统计学学生以及对应用统计方法感兴趣的学者。无论是初学者还是有一定基础的读者，都能从本书中获得宝贵的统计分析知识和技能。