線性回歸模型是一個非常有效且重要的數(shù)據(jù)分析方法。研究人員主要著重解釋因變量,將因變量看作由多個自變量X1至Xk所組成的函數(shù)。當(dāng)所有線性回歸假設(shè)都符合該模型時,模型辨識、變量測量、普通最小二乘法(Ordinary Least Squares,OLS)估計方程,這一切都很順利�？墒�，當(dāng)因變量有兩個或三個分類的話，有幾項假設(shè)就不符合了。以二分因變量為例,同方差、線性和正態(tài)性的假設(shè)都不能成立,OLS的估計也無效。logistic回歸的最大似然估計就能解決這一問題，即將Y(1, 0)轉(zhuǎn)化成logit（發(fā)生比的對數(shù)log）。
梅納德教授全面地解釋了logistic回歸模型的估計、解釋和診斷結(jié)果。為了令讀者能夠從熟悉的事件過渡到新事物，他系統(tǒng)地把logistic回歸與線性回歸模型的QLS的R2、估計標(biāo)準(zhǔn)誤差、t比率和斜率做比較。傳統(tǒng)回歸診斷和學(xué)生化殘差、杠桿、dbeta都包括在創(chuàng)新的logistic診斷法內(nèi)。最后仔細(xì)說明了多選項和不排序多分類因變量的問題。
本書討論了對最新計算機(jī)軟件的應(yīng)用，如SPSS10 NOMREG用以分析名義變量比較好。本書更新了現(xiàn)今應(yīng)用的計算機(jī)軟件，同時深入評論了不同的擬合優(yōu)度。梅納德博士還提出令人信服的論據(jù)去說明R2L的優(yōu)勢，至少這能直接與OLS的R2比較。他同時增加了新內(nèi)容:分組數(shù)據(jù)、預(yù)測效率和風(fēng)險比。
大量著作證明了線性回歸的廣泛應(yīng)用，可是由于現(xiàn)實中的因變量很少會是連續(xù)的或定距的，因此，logistic回歸開始備受關(guān)注。首先出版的是德馬里斯(DeMaris)的《對數(shù)模型》;接著是梅納德的《應(yīng)用logistic回歸》(第一版);以及潘帕(Pampel)的(logistic回歸簡介》。本書從基本原理到技術(shù)應(yīng)用都做了介紹，除此之外，還提及了當(dāng)今最復(fù)雜的間每和方法。社會科學(xué)家要熟悉日新月異的知識，千萬別錯過梅納德的這本書。
邁克爾·劉易斯貝克