内容大纲
要使普通最小二乘法产生最优线性无偏估计，必须符合经典回归假设。其中一个较难实现的假设是，因变量是连续的。如果因变量是离散的，最大似然技术（如logit或probit）通常更有效。本书致力于分析因变量是多类别时的估计情况，关注了离散和次序形式的因变量，并把处理对象扩展到具有两个以上结果的多类别或非次序因变量。本书提供了十分有用的计算机程序详情，用于阐明本书中的表格结果是如何产生的。总体而言，本书为社会科学研究者提供了从模型选择到结果解释的完整工具链，是定量研究方法中不可多得的实用手册。
作者介绍
目录
序
第1章  概论
第2章  次序模型
  第1节  简介
  第2节  方法论
  第3节  应用：剥夺状态
  第4节  对次样本的估计：特征与系数
第3章  多类别模型
  第1节  简介
  第2节  随机效用模型
  第3节  logit模型的类别：多类别logit与条件logit
  第4节  多类别logit模型
  第5节  应用：职业获得
  第6节  条件logit模型与无关选项独立性
第4章  STATA程序列表
  第1节  简介
  第2节  次序probit和logit程序
  第3节  多类别logit程序
注释
参考文献
译名对照表

内容大纲

作者介绍