属性数据分析广泛应用于社会科学、行为科学、生物医学、公共卫生、市场营销、教育和农业科学等许多领域。本书的起点较低，仅仅要求读者具有基础统计课程的知识，包括参数估计、假设检验、回归分析模型及方差分析模型。全书分为十一章，分别介绍了与属性数据有关的统计学基础知识，列联表的相关知识，广义线性模型理论，logistic回归模型的理论、应用及其推广，对数线性模型，配对数据模型，聚簇关联响应的建模，广义线性混合模型以及属性数据分析方法的发展史。
本书内容详尽而不失精炼，整个体系力求完整而不失紧凑，语言深入浅出，通俗易懂。配备了大量经典案例，每章附有适量习题。这些习题编排精心，由浅人深，能够引导读者进一步凝练正文内容，锻炼解决实际问题的能力。本书约有100个实际案例，同时附有每种统计方法的SAS及SPSS的实现过程。
该书可以作为大学生及研究生学习“属性数据分析”入门课程的教材，也可作为应用统计学家和在实际工作中涉及数据分析的专家学者的参考书。

第1章 导言
1.1 属性响应数据
1.1.1 响应变量和解释变量的区别
1.1.2 名义量表和有序量表的区别
1.1.3 本书的结构
1.2 属性数据的概率分布
1.2.1 二项分布
1.2.2 多项分布
1.3 比例的统计推断
1.3.1 似然函数和极大似然估计
1.3.2 二项比例的显著性检验
1.3.3 案例：关于堕胎合法化的调查结果
1.3.4 二项比例的置信区间
1.4 关于离散数据的更多统计推断
1.4.1 Wald，似然比和得分推断
1.4.2 二项参数的Wald，得分和似然比推断
1.4.3 小样本二项推断
1.4.4 小样本离散数据推断的保守性*
1.4.5 基于中间P-值的推断*
1.4.6 小结
习题
第2章 列联表
2.1 列联表的概率结构
2.1.1 联合概率，边缘概率以及条件概率
2.1.2 案例：关于来世
2.1.3 诊断检验的敏感度和特异度
2.1.4 独立性
2.1.5 二项抽样和多项抽样
2.2 2×2表比例的比较
2.2.1 比例差
2.2.2 案例：阿司匹林与心脏病
2.2.3 相对风险
2.3 优势比
2.3.1 优势比的性质
2.3.2 案例：阿司匹林和心脏病案例中的优势比
2.3.3 优势比和对数优势比的推断
2.3.4 优势比和相对风险的联系
2.3.5 案例对照研究中优势比的应用
2.3.6 观测研究的种类
2.4 独立性的卡方检验
2.4.1 皮尔逊统计量和卡方分布
2.4.2 似然比统计量
2.4.3 独立性检验
2.4.4 案例：政党认同中的性别差异
2.4.5 列联表的单元残差
2.4.6 卡方统计量的分解
2.4.7 卡方检验的小结
2.5 有序数据的独立性检验
2.5.1 线性趋势与独立性
2.5.2 案例：饮酒与婴儿畸形
2.5.3 有序检验的特殊功效
2.5.4 得分的选择
2.5.5 I×2表和2×J表趋势的检验
2.5.6 名义变量一有序变量列联表
2.6 小样本的精确推断
2.6.1 2×2表的费希尔精确检验
2.6.2 案例：费希尔的品茶者试验
……
第3章 广义线性模型
第4章 logistic回归
第5章 logistic回归模型的构建及应用
第6章 多类别logit模型
第7章 列联表的对数线性模型
第8章 配对数据的模型
第9章 关联，聚簇响应的建模
第10章 随机效应：广义线性混合模型
第11章 属性数据分析史漫谈
附录A：针对属性数据分析的软件
附录B：卡方分布表
参考文献
案例索引
名词索引
部分奇数号习题的简要答案

本书是为学习属性数据分析入门课程的学生而设计。同时也为应用统计学家和在实际工作中涉及数据分析的科学家而写。本书能对社会科学、行为科学和生物医学领域，以及公共卫生、市场营销、教育、生物、农业科学和工业质量控制等领域的分析师们处理属性响应数据有所帮助。本书1-8章涵盖了最基础的属性数据分析方法。第2章将介绍诸如优势比、独立性检验、条件关联性以及边缘关联性等针对列联表的标准描述方法和推断方法。然而，我觉得可以通过在统计模型背景里观察统计方法以加强对它们的理解。因此，本书其余篇幅主要聚焦于属性响应数据的建模。第3章将介绍二分数据和计数数据的广义线性模型。第4章以及第5章将讨论二项（二分）数据的最重要的模型——logistic回归模型。第6章将介绍名义和有序多项响应的logistic回归模型。第7章将讨论泊松（计数）数据的对数线性模型。第8章将展示针对配对数据的分析方法。