本书着眼于数据科学时代现实复杂情形下调查研究中的设计与分析问题，针对大规模调查的拆分设计与估计展开研究与讨论，围绕调查数据的缺失处理、变量选择、区隔分析、潜变量建模等问题展开讨论。全书共七章，分别从问题剖析、方法讲解、实例分析的角度展开。 本书可作为统计学、社会学、管理学等相关领域研究者的方法参考书，也可以作为市场研究相关行业从业者的工具参考书。

第1章 问卷拆分设计与分析
1.1 研究背景和数据结构
1.2 成组观测数据的最优整合学习
1.3 ESS数据分析
1.4 小结与评述
1.5 附录
第2章 整合调查设计与分析
2.1 整合调查设计
2.2 分块加权最小二乘估计
2.3 ESS数据分析
2.4 小结与评述
2.5 附录
第3章 缺失调查数据的变量选择
3.1 研究背景
3.2 一般线性回归模型情形
3.3 广义线性回归模型情形
3.4 小结与评述
3.5 附录
第4章 异质调查数据的特征选择
4.1 研究背景
4.2 基于TGDR的分层整合分析
4.3 基于惩罚的分层整合分析
4.4 小结与评述
4.5 附录
第5章 计数数据的多点膨胀分析
5.1 研究背景
5.2 零膨胀计数数据回归分析
5.3 多点膨胀计数数据回归分析
5.4 小结与评述
5.5 附录
第6章 混合数据的稀疏区隔分析
6.1 研究背景
6.2 基于参数模型的思路
6.3 基于非参数模型的思路
6.4 小结与评述
6.5 附录
第7章 非连续观测的潜变量建模
7.1 带分层结构数据的分析问题
7.2 二阶因子模型及其估计方法
7.3 SD3实例分析
7.4 小结与展望
7.5 附录：测量模型的对数似然函数
参考文献