목차 일부

CONTENTS
Preface  ... ⅶ
1. Introduction  ... 1
  1.1. Categorical Response Data  ... 2
  1.2. Organization of This Book  ... 5
  Chapter Notes  ... 6
  Problems  ... 6
2. Describing Two-Way Contingenc...

더보기

목차 전체

CONTENTS
Preface  ... ⅶ
1. Introduction  ... 1
  1.1. Categorical Response Data  ... 2
  1.2. Organization of This Book  ... 5
  Chapter Notes  ... 6
  Problems  ... 6
2. Describing Two-Way Contingency Tables  ... 8
  2.1. Table Structure for Two Dimensions  ... 8
  2.2. Ways of Comparing Proportions  ... 13
  2.3. Summary Measures of Association  ... 19
  2.4. Historical Overview  ... 26
  Chapter Notes  ... 28
  Problems  ... 29
3. Inference for Two-Way Contingency Tables  ... 36
  3.1. Sampling Distributions  ... 37
  3.2. Testing Goodness-of-Fit  ... 42
  3.3. Testing Independence  ... 47
  3.4. Large-Sample Confidence Intervals  ... 54
  3.5. Exact Tests for Small Samples  ... 59
  3.6. Exact Non-null Inference  ... 66
  Chapter Notes  ... 68
  Problems  ... 70
4. Models for Binary Response Variables  ... 79
  4.1. Generalized Linear Models  ... 80
  4.2. Logistic Regression  ... 84
  4.3. Logit Models for Categorical Data  ... 91
  4.4. Using Models to Improve Inferential Power  ... 97
  4.5. Probit and Extreme Value Models  ... 102
  4.6. Model Diagnostics  ... 107
  4.7. Fitting Logit Models  ... 112
  4.8. Conditional Logistic Regression  ... 117
  Chapter Notes  ... 119
  Problems  ... 122
5. Loglinear Models  ... 130
  5.1. Loglinear Model for Two Dimensions  ... 130
  5.2. Table Structure for Three Dimensions  ... 135
  5.3. Loglinear Models for Three Dimensions  ... 143
  5.4. Logiinear Models for Higher Dimensions  ... 150
  Chapter Notes  ... 153
  Problems  ... 155
6. Fitting Loglinear and Logit Models  ... 165
  6.1. Sufficiency and Likelihood for Loglinear Models  ... 165
  6.2. Estimating Expected Frequencies  ... 169
  6.3. Testing Goodness of Fit  ... 174
  6.4. Estimating Model Parameters  ... 178
  6.5. Iterative Maximum Likelihood Estimation  ... 184
  6.6. Analyzing Rates and Survival Times Using Loglinear Models  ... 189
  6.7. Table Standardization  ... 196
  Chapter Notes  ... 199
  Problems  ... 200
7. Building and Applying Loglinear Models  ... 210
  7.1. Partitioning Chi-Squared to Compare Models  ... 210
  7.2. Strategies in Model Selection  ... 215
  7.3. Analysis of Residuals  ... 224
  7.4. Testing Conditional Independence  ... 228
  7.5. Estimating and Comparing Conditional Associations  ... 235
  7.6. Sample Size and Power Considerations  ... 239
  7.7. Empty Cells and Sparseness in Contingency Tables  ... 244
  Chapter Notes  ... 251
  Problems  ... 252
8. Loglinear-Logit Models for Ordinal Variables  ... 261
  8.1. Linear-by-Linear Association  ... 263
  8.2. Row Effects and Column Effects Models  ... 269
  8.3. Models for Ordinal Variables in Multidimensional Tables  ... 274
  8.4. Testing Independence for Ordinal Classifications  ... 282
  8.5. Other Models Having Parameter Scores  ... 287
  8.6. Model Selection for Ordinal Variables  ... 293
  Chapter Notes  ... 295
  Problems  ... 297
9. Multinomial Response Models  ... 306
  9.1. Generalized Logit Models and Loglinear Models  ... 307
  9.2. Multinomial Logit Models  ... 313
  9.3. Logits for Ordinal Responses  ... 318
  9.4. Cumulative Logit Models  ... 322
  9.5. Cumulative Link Models  ... 331
  9.6. Mean Response Models  ... 333
  Chapter Notes  ... 336
  Problems  ... 338
10. Models for Matched Pairs  ... 347
  10.1. Comparing Dependent Proportions  ... 348
  10.2. Symmetry Models  ... 353
  10.3. Marginal Homogeneity  ... 358
  10.4. Square Tables with Ordered Categories  ... 361
  10.5. Measuring Agreement  ... 365
  10.6. Bradley-Terry Model for Paired Comparisons  ... 370
  Chapter Notes  ... 374
  Problems  ... 375
11. Analyzing Repeated Categorical Response Data  ... 386
  11.1. Symmetry  ... 387
  11.2. Marginal Homogeneity  ... 390
  11.3. Modeling a Repeated Categorical Response  ... 395
  11.4. Modeling a Repeated Ordinal Response  ... 401
  11.5. Markov Chain Models  ... 406
  Chapter Notes  ... 410
  Problems  ... 412
12. Asymptotic Theory for Parametric Models  ... 418
  12.1. Delta Method  ... 419
  12.2. Asymptotic Distributions of Estimators of Model Parameters and Cell Probabilities  ... 425
  12.3. Asymptotic Distribution of Residuals and Goodness-of-Fit Statistics  ... 431
  12.4. Asymptotic Distributions for Loglinear Models  ... 437
  Chapter Notes  ... 439
  Problems  ... 440
13. Estimation Theory for Parametric Models  ... 445
  13.1. Maximum Likelihood for Generalized Linear Models  ... 445
  13.2. Maximum Likelihood for Loglinear Models  ... 453
  13.3. Weighted Least Squares for Categorical Data  ... 458
  13.4. Bayesian Inference for Categorical Data  ... 462
  13.5. Other Methods of Estimation  ... 471
  Chapter Notes  ... 476
  Problems  ... 477
Appendix A. Using Computer Software to Analyze Categorical Data  ... 484
  A.1. Software Packages  ... 484
  A.2. Listings of Computer Routines by Chapter  ... 488
Appendix B. A Twentieth-Century Tour of Categorical Data Analysis  ... 505
Appendix C. Chi-Squared Distribution Values for Various Right-Hand Tail Probabilities  ... 506
Bibliography  ... 508
Index of Examples  ... 541
Index of Selected Notation  ... 543
Author Index  ... 544
Subject Index  ... 549

더보기 닫기