《分类数据模型及应用》的学习，能了解离散变元统计学的基本原理，掌握试验设计的基本原则和常用设计方法的要点及特点，掌握常用统计分析方法的意义、功用、应用条件，以及方法、步骤与结果解释等基本知识；根据所给试验条件，会正确选用试验设计方法，并做出试验设计；对于试验资料，能够正确地进行整理，并选用适当的统计分析方法进行分析及对分析结果作出合理的解释。

　　李元章，美籍华裔数学家，生于1944年9月。在美国内布拉斯加一林肯（Nebraska—Lincoln）大学获统计学硕士、博士学位。美国数理统计学会、美国统计学会、国际生物统计学会会员，美国ACAS统计学会执行委员。现任美国Walter Reed研究院高级统计师。曾任兰州大学老师及兰州大学客座教授，现任华南理工大学理学院及乔治华盛顿大学统计系客座教授。主要从事的研究工作是统计科学的运用，用统计方法研究现实社会、生产、科研、管理等各领域的种种现实问题，在运用各种统计方法解决种种现实问题以及统计学的教学等方面积累了丰富的经验，并成功解决了诸多实际问题。有数十篇不同领域的论文发表，并合作编著了《数学分析的基本概念与方法》、《综合统计分析》等书籍。何春雄，理学博士，教授，1958年3月生于甘肃白银。从事偏微分方程的一般理论、概率论与数理统计的教学和科研工作。主持完成国家自然科学基金项目、广东省自然科学基金项目以及横向研究课题多项，在（《中国科学））等国内外学术期刊上发表文章50余篇，出版了研究生教材《应用数理统计基础》（（最优化计算））《应用随机过程》（（数理统计及其应用》和本科生教材《概率论与数理统计》。现主要研究方向为随机分析与金融工程。

1 单变元数据分析及SAS程序
1.1 数据、变元和列联表
1.2 数据的选取和分类数据的研究策略
1.3 单变元数据的分析与描述，SAS软件简介
习题1

2 二维列联表分析
2.1 2×2列联表
2.2 研究和假设的类型
2.3 交叉乘积比、相对风险比和可归属风险
2.4 2×2列联表中对数线性模型（Log-linearmodel）的应用
2.5 对数线性模型与过程SAS／CATMOD
2.6 1×J列联表：均匀性（1Iomogeneity）
2.7 1×J列联表：独立性和准独立性（Independence and Quasi—Independence）
2.8 1×J列联表：有序变元
2.9 1×J列联表：对数线性模型
习题2

3 三维列联表分析
3.1 记号
3.2 独立性类型
3.3 等级对数线性模型（Hierarchical Logjlinear Models）
3.4 交互作用与交叉乘积比的关系
3.5 叠合性
3.6 三维对数线性模型的描述
3.7 对数线性模型的参数估计
3.8 利用过程SAS／cATMOD拟合层级对数线性模型
3.9 两个响应变元、一个固定变元构成的列联表一利用过程SAS／cATM（）D拟合
非层级对数线性模型
习题3

4 劳吉斯特（LOGISITIC）回归
4.1 广义线性模型（GLM）
4.2 劳吉斯特（Logistic）回归模型
4.3 劳吉斯特模型拟合
4.4 劳吉斯特线性模型回归系数的意义
4.5 利用SAS软件拟合劳吉斯特模型
4.6 SAS概率单位Probit回归
习题4

5 多元回归模型
5.1 对数线性模型和劳吉斯特模型的转换
5.2 有序响应变元的劳吉斯特模型
5.3 边际响应函数和均值响应函数
5.4 加权最小二乘法：Grizzle Starmer Koch （GSK）方法
5.5 车祸类型研究的例子
习题5

6 配对数据模型
6.1 例子
6.2 响应变元的比例比较
6.3 配对数据的劳吉斯特模型
6.4 对称模型
6.5 准对称性
6.6 准独立性
6.7 边际齐性
6.8 条件对称和边际齐性
6.9 利用SAS／CXTMOI）的语句：MODEL和RESPONSE定义非标准模型
6.10 一致性
6.11 成对比较的Bradley-Terry模型
6.12 使用过程SAS／CATMOD拟合Bradley-Terry模型
习题6

7 相关数据分析：重复记录的离散响应变元的模型
7.1 对称性和边际齐性
7.2 准对称性和边际对称性
7.3 边际齐性的检验
7.4 多重记录的分类变元分析
7.5 SAS语句：POPULATION和REPEATED
7.6 例子
7.7 多重响应变元数据分析
7.8 马尔科夫（Markov）链模型
习题7

8 有序离散变元的劳吉斯特模型的进一步探讨
8.1 双线性（linear-by-linear）相互关系模型
8.2 分数的选择
8.3 行对数线性模型和列对数线性模型
8.4 多元有序变元的多维线性模型
8.5 多元有序变元的二维线性模型
8.6 混合多线性模型
8.7 行列效应模型
习题8

9 条件劳吉斯特回归分析
9.1 条件劳吉斯特模型
9.2 严格条件分布
9.3 使用SAS过程LOGISIFIC实施严格劳吉斯特回归
9.4 分群分析（stratified Analysis）
9.5 序列临床试验（Crossover linical Trial）
9.6 广义条件劳吉斯特回归（General conditional logistic Regression）
习题9

10 SAS分类数据分析方法的扩展
10.1 严格p值
l0.2 广义估计方程（Generalized：Estimating Equations）
10.3 条件劳吉特斯回归
lO.4 含有事件发生时间的分类数据
10.5 泊松回归
10.6 分片指数分布模型
10.7 用PROC FREQ检验离散变元的分布函数
10.8 在含有离散与连续变元交互作用LOGISFIC过程计算奇比
10.9 结束语
参考文献