《回归分析》一书是作者多年从事量化研究，以及教学经验的结晶。从基本的统计概念讲起，对线性回归分析的基本假定、回归中的统计推论和回归诊断做详尽的介绍。同时涵盖许多在社会科学中，对实际研究非常有帮助的内容，包括虚拟变项、交互作用、辅助回归、多项式回归、分段函数回归和阶距函数回归等。此外，本书还涉及因径分析、长期追踪资料模型、多层次模型和logit模型等，作为基本线性回归分析的扩展和延伸。
　　
　　好的量化教材应该将理论、方法与示范案例紧密结合，而示范案例如果能够结合本土资料，则能更加深读者对理论和方法的理解。因而本书中的案例，均使用台湾的资料进行编写。希望本书对于提高学者与研究者在量化分析与研究能力方面，略尽棉薄之力。

本书特色

　　本书适合已修读过基础社会统计学课程，具有一定统计学基础知识的学生或研究人员。

　　除了对经典的多元回归模型进行比较深入的讲解，本书对重要且非经典的回归模型，也进行扩展和补充。

　　本书除了理论层面，更强调实际操作的重要性。在大部分章节中，使用实际研究资料，透过实例分析和相应的Stata程式，讲解统计知识在研究中的应用，以及对研究结果的阐释。

作者简介    

谢宇

　　◆现职
　　美国密西根大学的Otis Dudley Duncan讲座教授，同时任教于该校社会学系、统计学系及中国研究中心，担任社会研究院（ISR）人口研究中心和调查研究中心的研究员，调查研究中心量化方法组主任；也是北京大学社会研究中心主任暨该校教授。

　　◆学历
　　威斯康辛大学麦迪逊校区社会学博士
　　威斯康辛大学麦迪逊校区科学史与社会学双硕士
　　上海工业大学学士

　　◆经历
　　2004年当选美国人文与科学院院士和我国中央研究院院士。
　　2009年当选美国国家科学院院士。
　　　研究领域包括：社会阶层、统计方法、人口学、科学社会学和中国研究。

　　◆着作
　　《分类资料分析的统计方法》
　　《科学界的女性》
　　《美国亚裔的人口统计描述》
　　《社会学方法与定量研究》
　　《婚姻与同居》
 

Chapter 01 基本统计概念
1.1　统计思想对于社会科学研究的重要性
1.2　本书的特点
1.3　基本统计概念
1.4　随机变项的和与差
1.5　期望值与共变数的性质
1.6　本章小结

Chapter 02 统计推论基础
2.1　分配
2.2　估计
2.3　假设检定
2.4　本章小结

Chapter 03 简单线性回归
3.1　理解回归概念的三种角度
3.2　回归模型
3.3　回归直线的适合度
3.4　假设检定
3.5　对特定 X 下 Y 平均数的估计
3.6　对特定 X 下 Y 单一值的预测
3.7　简单线性回归中的非线性变换
3.8　实例分析
3.9　本章小结

Chapter 04 线性代数基础
4.1　定义
4.2　矩阵的运算
4.3　特殊矩阵
4.4　矩阵的秩
4.5　矩阵的逆.
4.6　行列式
4.7　矩阵的运算法则
4.8　向量的期望值和共变数矩阵的介绍
4.9　矩阵在社会科学中的应用
4.10　本章小结

Chapter 05 多元线性回归
5.1　多元线性回归模型的矩阵形式
5.2　多元回归的基本假定
5.3　多元回归参数的估计
5.4　OLS 回归方程的解读
5.5　多元回归模型误差变异数的估计
5.6　多元回归参数估计量变异数的估计
5.7　模型设定中的一些问题
5.8　标准化回归模型
5.9　TSCS 实例分析
5.10　本章小结

Chapter 06 多元回归中的统计推论与假设检定
6.1　统计推论基本原理简要回顾
6.2　统计显着性的相对性，以及效果幅度
6.3　单个回归系数 βk = 0 的检定
6.4　多个回归系数的联合检定
6.5　回归系数线性组合的检定
6.6　本章小结

Chapter 07 变异数分析和 F 检定
7.1　简单线性回归中的变异数分析
7.2　多元线性回归中的变异数分析
7.3　变异数分析的假定条件
7.4　F 检定（F Test）
7.5　判定系数增量（Incremental R2）
7.6　适合度的测量
7.7　实例分析
7.8　本章小结

Chapter 08 辅助回归和偏回归图
8.1　回归分析中的两个常见问题
8.2　辅助回归
8.3　变项的中心化
8.4　偏回归图
8.5　排除遗漏变项产生之偏误的方法
8.6　应用举例
8.7　本章小结
参考文献

Chapter 09 因果推论和因径分析
9.1　相关关系
9.2　因果推论
9.3　因果推论的问题
9.4　因果推论的假设
9.5　因果推论中的原因
9.6　因径分析
9.7　本章小结

Chapter 10 多元共线性问题
10.1　多元共线性问题的引入
10.2　完全多元共线性
10.3　近似多元共线性
10.4　多元共线性的度量
10.5　多元共线性问题的处理
10.6　本章小结

Chapter 11 多项式回归、分段回归和阶距回归
11.1　多项式回归
11.2　分段函数回归
11.3　阶距函数回归
11.4　本章小结

Chapter 12 虚拟变项与名目自变项
12.1　名目变项的定义与特性
12.2　虚拟变项的设置
12.3　虚拟变项的应用
12.4　本章小结.

Chapter 13 交互作用项
13.1　交互作用项
13.2　由不同类型解释变项建构的交互作用项
13.3　利用巢套模型检定交互作用项的存在
13.4　是否可以删去交互作用项中的低次项？
13.5　建构交互作用项时需要注意的问题
13.6　本章小结

Chapter 14 不等变异量与一般化最小平方法
14.1　不等变异量
14.2　不等变异量现象举例
14.3　不等变异量情况下的普通最小平方估计
14.4　一般化最小平方法
14.5　加权最小平方法
14.6　本章小结

Chapter 15 长期追踪资料的分析
15.1　追踪资料的分析
15.2　趋势分析
15.3　本章小结.

Chapter 16 多层次模型介绍
16.1　多层次模型发展的背景
16.2　多层次模型基本原理
16.3　模型的优势与局限
16.4　多层次模型的若干子模型
16.5　自变项中心化的问题
16.6　应用举例
16.7　本章小结.

Chapter 17 回归诊断
17.1　依变项是否服从常态分配
17.2　残差是否服从常态分配
17.3　异常观察个案
17.4　本章小结

Chapter 18 二分依变项的 Logit 模型
18.1　线性回归面对二分依变项的困境
18.2　转换的取向
18.3　潜在变项取向
18.4　模型估计、评价与比较
18.5　模型回归系数解释
18.6　统计检定与推论
18.7　本章小结