《属性数据分析引论（第2版）》的起点较低，仅仅要求读者具有基础统计课程的知识，包括参数估计、假设检验、回归分析模型及方差分析模型。全书分为十一章，分别介绍了与属性数据有关的统计学基础知识，列联表的相关知识，广义线性模型理论，logistic回归模型的理论、应用及其推广，对数线性模型，配对数据模型，聚簇关联响应的建模，广义线性混合模型以及属性数据分析方法的发展史。<br>    《属性数据分析引论（第2版）》内容详尽而不失精炼，整个体系力求完整而不失紧凑，语言深入浅出，通俗易懂。配备了大量经典案例，每章附有适量习题。这些习题编排精心，由浅人深，能够引导读者进一步凝练正文内容，锻炼解决实际问题的能力。《属性数据分析引论（第2版）》约有100个实际案例，同时附有每种统计方法的SAS及SPSS的实现过程。

    第1章 导言<br>1.1 属性响应数据<br>1.1.1 响应变量和解释变量的区别<br>1.1.2 名义量表和有序量表的区别<br>1.1.3 本书的结构<br>1.2 属性数据的概率分布<br>1.2.1 二项分布<br>1.2.2 多项分布<br>1.3 比例的统计推断<br>1.3.1 似然函数和极大似然估计<br>1.3.2 二项比例的显著性检验<br>1 3.3 案例：关于堕胎合法化的调查结果<br>1.3.4 二项比例的置信区间<br>1.4 关于离散数据的更多统计推断<br>1.4.1 Wald，似然比和得分推断<br>1.4.2 二项参数的Wald，得分和似然比推断<br>1.4.3 小样本二项推断<br>1.4.4 小样本离散数据推断的保守性<br>1.1.5 基于中问P-值的推断<br>1.4.6 小结<br>习题<br>第2章 列联表<br>2.1 列联表的概率结构<br>2.1.1 联合概率，边缘概率以及条件概率<br>2.1.2 案例：关于来世<br>2.1.3 诊断检验的敏感度和特异度<br>2.1.4 独立性<br>2.1.5 二项抽样和多项抽样<br>2.2 2×2表比例的比较<br>2.2.1 比例差<br>2.2.2 案例：阿司匹林与心脏病<br>2.2.3 相对风险<br>2.3 优势比<br>2.3.1 优势比的性质<br>2.3.2 案例：阿司匹林和心脏病案例中的优势比<br>2.3.3 优势比和对数优势比的推断<br>2.3.4 优势比和相对风险的联系<br>2.3.5 案例对照研究中优势比的应用<br>2.3.6 观测研究的种类<br>2.4 独立性的卡方检验<br>2.4.1 皮尔逊统计量和卡方分布<br>2.4.2 似然比统计量<br>2.4.3 独立性检验<br>2.4.4 案例：政党认同中的性别差异<br>2.4.5 列联表的单元残差<br>2.4.6 卡方统计量的分解<br>2.4.7 卡方检验的小结<br>2.5 有序数据的独立性检验<br>2.5.1 线性趋势与独立性<br>2.5.2 案例：饮酒与婴儿畸形<br>2.5.3 有序检验的特殊功效<br>2.5.4 得分的选择<br>2.5.5 I×2表和2×J表趋势的检验<br>2.5.6 名义变量一有序变量列联表<br>2.6 小样本的精确推断<br>2.6.1 2×2表的费希尔精确检验<br>2.6.2 案例：费希尔的品茶者试验<br>……<br>第3章 广义线性模型<br>第4章 logistic回归<br>第5章 logistic回归模型的构建及应用<br>第6章 多类别logit模型<br>第7章 列联表的对数线性模型<br>第8章 配对数据的模型<br>第9章 关联，聚簇响应的建模<br>第10章 随机效应：广义线性混合模型<br>第11章 属性数据分析史漫谈<br>附录A：针对属性数据分析的软件<br>附录B：卡方分布表<br>参考文献<br>案例索引<br>名词索引<br>部分奇数号习题的简要答案