阿兰·阿格雷斯蒂 分类数据分析。 （英文） Zbl 0716.62001号 概率与数理统计中的威利级数纽约等：John Wiley&Sons。xv，558页，39.80英镑（1990年）。 本书由13章和3个附录组成。如果不包括第一章，这几章可以分为四组结果，对主题进行了简要介绍。第一组与经典结果有关。分析分类变量的常用方法见第2章和第3章。结果的呈现风格清晰，以解决实际问题为导向。如果统计学家熟练使用双向列联表，他们可以很快地阅读这些表格，也可以避开讲座。其他章节致力于模型研究。第二组主题在第4-7章中给出。第4章介绍了二进制响应的模型。描述了一个广义线性模型（GLM）族，其中包括众所周知的模型（logit、log-linear…）。这种方法可以统一解释和研究，回归和拟合优度（gf）。第5章处理了列联表（CT）的对数线性建模，列联表的关键问题是独立性检查和二维及更高维的饱和。下一章将讨论估计量的统计特性（充分性、最大似然（ML））和测试的建模和研究。分析了最大似然估计中的迭代过程。特别是对“迭代比例拟合”和Newton-Raphson方法的作用和行为的处理得到了很好的管理。对常用的问题族进行了建模，并对对数线性模型拟合进行了综述。模型构建是第7章的主题。对属于一个广泛类别的不同问题进行了深入分析，其结果为实际建模提供了指导。接下来的三章将对之前给出的基本模型进行概括。第8章介绍了对数线性模型和logit模型下二元问题的处理。多项式模型的研究是下一章的重点。发展了对数线性和logit的GLM。第10章介绍了相关样本的分析和不同的推理过程。这些章节的结果具有实际意义，但本书的其余部分有一个理论目标。有导出的大样本属性，可以解决纵向调查、应用贝叶斯方法等中出现的问题。附录讨论了处理不同模型的最强大软件包的性能。每个章节都有参考。打印所需的表格。每一章都以主题注释结束，并提出了一组练习。他们能够确定想法并培训模型的使用。这本书是对这一主题的主要贡献，也是对作者另一本书《有序分类数据分析》（1984；Zbl 0647.62052号).审核人：C.布扎 引用于5评论引用于415文件 MSC公司： 62-07 数据分析（统计）（MSC2010） 62-01 与统计有关的介绍性说明（教科书、辅导论文等） 62H17型 应急表 62H20个 关联度量（相关性、典型相关性等） 关键词：分类变量;列联表;二进制响应模型;广义线性模型;回归，回归;拟合优度;独立性检查;充分性;最大似然;迭代过程;迭代比例拟合;Newton-Raphson方法;对数线性模型拟合;模型建筑;二元问题;logit模型;多项式模型;相依样本;大样本属性;纵向测量;贝叶斯方法;练习 引文：Zbl 0647.62052号 PDF格式BibTeX公司 XML格式引用 \textit{A.Agresti}，分类数据分析。纽约等：John Wiley Sons（1990；Zbl 0716.62001）