固定效應(yīng)模型和隨機效應(yīng)模型是社會科學(xué)研究中的常用模型。在社會科學(xué)研究者在使用回歸模型進行分析時，有可能存在這樣一種情況，即每個案例在不同時點上的殘差都存在一定的相關(guān)和相互依賴，這通常是因為不同案例在某些未被觀察到的特征上存在差異，這就違背了誤差項相互獨立的假設(shè)，而固定效應(yīng)模型和隨機效應(yīng)模型都是用來解決殘差相關(guān)的問題。二者均可用在從非實驗數(shù)據(jù)中進行有效的效果推論中。但固定效應(yīng)模型更適合被用來控制那些無法被測量的變量。本書介紹了固定效應(yīng)模型的基本原理、Logistic回歸方法，并對計數(shù)變量的固定效應(yīng)模型和事件史數(shù)據(jù)的固定效應(yīng)模型進行了介紹。在本書的*后，作者介紹了固定效應(yīng)結(jié)構(gòu)方程模型，并以將相關(guān)軟件的應(yīng)用指令列舉在附錄中。
本書詳細描述了一些被稱為固定效應(yīng)模型的回歸模型，這些模型使得社會科學(xué)研究者有可能對統(tǒng)計學(xué)領(lǐng)域和社會科學(xué)領(lǐng)域那些沒有或無法被測量的變量進行控制，這些方法經(jīng)常被用于隨機化的試驗中，以提高效率而非減少偏誤，采用固定效應(yīng)模型，可能產(chǎn)生理想的低標(biāo)準(zhǔn)誤。是社會科學(xué)研究者進行固定效應(yīng)分析的理想的參考書。
保羅 D. 阿利森(Paul D. ALLISON) 美國賓州大學(xué)社會學(xué)教授。于1976年由威斯康辛大學(xué)獲得博士學(xué)位，之后在芝加哥大學(xué)及賓州大學(xué)作統(tǒng)計學(xué)的博士后研究。關(guān)于社會科學(xué)中的統(tǒng)計方法，他已出版5本書及超過25篇文章。這些作品處理廣泛多樣的方法，包含線性回歸、對數(shù)線性分析、logit分析、probit分析、測量誤差、不平等測量、缺失數(shù)據(jù)、Markov processes及事件史分析。
第1章 導(dǎo)言
第2章 線性固定效應(yīng)模型：基本原理
第1節(jié) 兩期數(shù)據(jù)（固定效應(yīng)分析）
第2節(jié) 兩期數(shù)據(jù)差分法的擴展
第3節(jié) 每個個體被觀察三期及以上的一階差分方法
第4節(jié) 每個個體被觀察兩期及以上的虛擬變量法
第5節(jié) 在固定效應(yīng)法中設(shè)置與時間的交互作用
第6節(jié) 與隨機效應(yīng)模型的比較
第7節(jié) 混合（模型）法
第8節(jié) 總結(jié)
第3章 固定效應(yīng)Logistic回歸
第1節(jié) 兩期數(shù)據(jù)
第2節(jié) 三期及多期數(shù)據(jù)（固定效應(yīng)分析）
第3節(jié) 與時間的交互作用
第4節(jié) 混合（模型）法
第5節(jié) 多分類反應(yīng)變量的（固定效應(yīng)）方法
第6節(jié) 總結(jié)
第4章 計數(shù)變量的固定效應(yīng)模型
第1節(jié) 每個個體被觀察兩期的計數(shù)數(shù)據(jù)泊松模型
第2節(jié) 多期數(shù)據(jù)泊松模型
第3節(jié) 計數(shù)數(shù)據(jù)的固定效應(yīng)負二項模型
第4節(jié) 混合（模型）法
第5節(jié) 總結(jié)
第5章 事件史數(shù)據(jù)的固定效應(yīng)模型
第1節(jié) Cox回歸
第2節(jié) 帶固定效應(yīng)的Cox回歸
第3節(jié) 附加說明
第4節(jié) Cox回歸混合模型法
第5節(jié) 非重復(fù)事件的固定效應(yīng)事件史法
第6節(jié) 總結(jié)
第6章 固定效應(yīng)結(jié)構(gòu)方程模型
第1節(jié) 隨機效應(yīng)作為潛變量的模型
第2節(jié) 固定效應(yīng)作為潛變量的模型
第3節(jié) 固定效應(yīng)和隨機效應(yīng)的折中
第4節(jié) 帶滯后自變量的交互效應(yīng)
第5節(jié) 總結(jié)
附錄1 第2章到第5章例題的Stata程序
附錄2 第6章例題的Mplus程序
注釋
參考文獻
譯名對照表
書單推薦
