本书主要讲授线性模型，包括广义最小二乘、两阶段最小二乘、Probit模型、Logit模型的应用，并将Bootstrap作为估计偏差和计算标准误差的一种技术作了介绍。书中还给出了关于研究设计、二元回归及矩阵代数的背景资料，以及供上机实验的题目和MATLAB样本程序。本书的习题十分丰富，且大部分有参考答案。另外，书末还重印了相关的期刊文章。

《统计模型：理论和实践》是一本优秀的统计模型教材，着重讲解线性模型的应用问题，包括广义最小二乘和两步最小二乘模型，以及二分变量的probit及logit模型的应用，还包括关于研究设计、二分变量回归及矩阵代数的背景知识。
这还是一本鼓舞人心的而又易读的书，无论是老师还是学生都会从中受益。

数学\统计学

本书是一本优秀的统计模型教材，着重讲解线性模型的应用问题，包括广义最小二乘和两步最小二乘模型，以及二分变量的probit及logit模型的应用，还包括关于研究设计、二分变量回归及矩阵代数的背景知识。
“统计的第二门课是严肃的、正确的和有趣的。本书介绍了回归、因果建模、最大似然和自助法。分析现实数据的每个人都应该阅读本书，并且我们也很荣幸现在能有这个修订版。”
　　　　　　　　　　　　　　　　　——Persi Diaconis，斯坦福大学数学与统计学教授
“在本书中，作者解释了因果建模中主要使用的统计方法，通过有趣的实例清晰而生动地描述了复杂的统计思想。初学者和实践者都将从本书中获益。”
　　　　　　　　　　　　　　　　 ——Alan Krueger，普林斯顿大学经济与公共政策学教授
“回归方法经常应用于观测数据，目的是获得因果结论。在什么环境下这是合理的？分析背后的假定是什么？本书回答了这些问题。对于不仅仅使用回归来总结数据的任何人，本书都是必读的。本书的写作风格非常好，对于社会科学中相关研究论文的讨论极具洞察力。对于从事统计建模或者讲授回归的每个人，我强烈推荐此书”
　　　　　　　　　　　　　　　　——Aad van der Vaart，阿姆斯特丹自由大学统计学教授
“本书是该学科的一个现代导论，讨论了图形模型和联立方程等主题。书中有许多富有启发性的练习和计算机实验。特别有价值的是关于应用统计中主要“哲人石”的关键评论。这是一本鼓舞人心的而又易读的书，无论是老师还是学生都会从中受益。”
　　　　　　　　　　　　　　　　 ——Gesine Reinert，牛津大学统计学教授

（美）David A. Freedman 著：David A. Freedman (1938-2008) 是加州大学伯克利分校的统计学教授。他是杰出的数理统计学家，其研究范围包括鞅不等式分析、Markov过程、抽样、自助法等。他是美国科学学院（American Academy of Art and Sciences）院士。在2003年，他获得了美国科学院授予的John J. Carty科学进步奖，以表彰他对统计理论和实践做出的贡献。

Foreword to the ReVised Edition
Preface
1 Observational Studies and Experiments
1.1 Introduction
1.2 The HIP trial
1.3 Snow on cholera
1.4 Yule on the causes of poverty
Exercise set A
1.5 End notes
2 The Regression Line
2.1 Introduction
2.2 The regression line
2.3 Hooke's law
Exercise set A
2.4 Complexities
2.5 Simple vs multiple regression
Exercise set B
2.6 End notes
3 Matrix Algebra
3.1 Introduction
Exercise set A
3.2 Determinants and inverses
Exercise set B
3.3 Random vectors
Exercise set C
3.4 Positive definite matrices
Exercise set D
3.5 The normal distribution
Exercise set E
3.6 If you want a book on matrix algebra
4 Multiple Regression
4.1 Introduction
Exercise set A
4.2 Standard errors
Things we don't need
Exercise set B
4.3 Explained variance in multiple regression
Association or causation
Exercise set C
4.4 What happens to OLS if the assumptions break down
4.5 Discussion questions
4.6 End notes
5 Multiple Regression: Special Topics
5.1 Introduction
5.2 OLSisBLUE
Exercise set A
5.3 Generalized least squares
Exercise set B
5.4 Examples on GLS
Exercise set C
5.5 What happens to GLS if the assumptions break down
5.6 Normal theory
Statistical significance
Exercise set D
5.7 The F-test
"The" F-test in applied work
Exercise set E
5.8 Data snooping
Exercise set F
5.9 Discussion questions
5.10 End notes
6 Path Models
6.1 Stratification
Exercise set A
6.2 Hooke's law revisited
Exercise set B
6.3 Political repression during the McCarthy era
Exercise set C
6.4 Inferring causation .by regression
Exercise set D
6.5 Response schedules for path diagrams
Selection vs intervention
Structural equations and stable parameter:Ambiguity in notation
Exercise set E
6.6 Dummy variables
Types of variables
6.7 Discussion questions
6.8 End notes
7 Maximum Likelihood
7.1 Introduction
Exercise set A
7.2 Probit models
Why not regression
The latent-variable formulation
Exercise set B
Identification vs estimation
What if the Ui are N
Exercise set C
7.3 Logit models
Exercise set D
7.4 The effect of Catholic schools
Latent variables
Response schedules
The second equation
Mechanics: bivariate probit
Why a model rather than a cross-lab
Interactions
More on table 3 in Evans and Schwab
More on the second equation
Exercise set E
7.5 Discussion questions
7.6 End notes
8 The Bootstrap
8.1 Introduction
Exercise set A
8.2 Bootstrapping a model for energy demand
Exercise set B
8.3 End notes
9 Simultaneous Equations
9.1 Introduction
Exercise set A
9.2 Instrumental variables
Exercise set B
9.3 Estimating the butter model
Exercise set C
9.4 What are the two stages
Invariance assumptions
9.5 A social-science example: education and fertility
More on Rindfuss et al
9.6 Covariates
9.7 Linear probability models
The assumptions
The questions
Exercise set D
9.8 More on IVLS
Some technical issues
Exercise set E
Simulations to illustrate IVLS
9.9 Discussion questions
9.10 End notes
10 Issues in Statistical Modeling
10.1 Introduction
The bootstrap
The role of asymptotics
Philosophers' stones
The modelers' response
10.2 Critical literature
10.3 Response schedules
10.4 Evaluating the models in chapters 7-9
10.5 Summing up
References
Answers to Exercises
The Computer Labs
Appendix: Sample MATLAB Code
Reprints
Gibson on McCarthy
Evans and Schwab on Catholic Schools
Rindfuss et al on Education and Fertility
Schneider et al on Social Capital
Index