该书综合以及扩展了各种潜变量模型，包括多层次模型、广义线性混合模型、纵贯性模型、题器响应模型、潜类模型以及结构方程模型。通过对潜变量模型的介绍，作者清晰地解释及比较了生物统计学、心理计量学、经济计量学以及统计学对模型估计及预测的方法。该书同时向研究人员展现了如何应用潜变量模型在社会学、经济学、心理学、医学等不同学科去解决实质性问题，该书所提供的经验案例详细具体，并包含有软件计算过程及数据，非常适合学习。

    1  潜变量无所不在
    1．1 介 绍
    既然《广义潜变量模型：多层次、纵贯性以及结构方程模型》的核心内容是潜变量模型，因此很自然地从讨论“潜变量”这一概念的含义人手。从当前的情况看，潜变量已经以不同的方式被界定，其中一些将会在本章进行简要描述，尽管我们通常发现这些定义过于狭隘（参见Bollen，2002）。在《广义潜变量模型：多层次、纵贯性以及结构方程模型》里，我们将一个“潜变量”简单地定义为这样一种随机变量，即其实现过程对我们来说是隐蔽的那些变量。这与显变量（manifest variables）正好相反，显变量的实现是可以观测到的。
    关于潜变量建模（1atent variable modeling）的怀疑论与偏见在统计学家中并不罕见。潜变量建模经常被认为是一种不确定的应用，充满着无法证实的假设以及未经检验的因果关系推论。这种看法至少可以从以下3点进行反驳：第一，任何合理的统计方法都可能被未经检验的模型设定（model specifications）和过度热衷的解释而滥用。第二，忽视潜变量通常意味着更强烈的假定，而不是将它们包括在内。潜变量建模因此可能被认为是对于排斥潜变量的简单分析的灵敏度分析。第三，潜变量建模中的很多假设能够进行经验的评估，当然也有一些假设是毫无必要的，我们将会在随后的章节中看到这一点。
    此外，潜变量建模通常被认为是统计学中一块相当模糊的领域，仅仅局限于计量心理学。然而，潜变量现已遍及现代主流的统计学，并且广泛地应用于不同的学科中，如医学、经济学、工程学、心理学、地理学、营销学与生物学。潜变量的这种“无所不在”一般并没有被认识到，或许可能是因为潜变量在不同的文章中被给予不同的名字，如随机效应（random effect）、公共因子（common factor）和潜类别（1atent class）等。
    在本章中，我们将要论证潜变量可以用来描述以下现象：
    ·带有测量误差的“真实”变量。
    ·假设构念（Hypothetical constructs）。
    ·未观测到的异质性。
    ·数据缺失。

第1部分  方法论
1  潜变量无所不在
1.1  介绍
1.2  带有测量误差的“真实”变量
1.3  假设构念
1.4  未观测到的异质性（Unobservedheterogeneity）
1.5  缺失值与反事实
1.6  潜响应
1.7  产生灵活分布
1.8  组合不同来源的个体单元信息
1.9  总结

2  对不同响应过程建模
2.1  介绍
2.2  广义线性模型
2.3  广义线性模型的扩展
……