个人简介
丹尼尔·A.鲍威斯（Daniel A.Powers）美国得克萨斯大学奥斯汀分校社会学系副教授、人口研究中心研究员。其研究领域包括：应用统计学和研究方法、社会人口学、社会分层、生育和死亡研究，最近的研究主要是婴儿死亡的种族差异和非线性模型的分解技术。主要著作有《分类数据分析的统计方法》。
内容简介
本书对分类数据分析的方法和模型，及其在社会科学研究中的应用做了全面介绍。它的一个明确目标是整合变换方法和潜在变量方法，这是两类不同但又相互补充的处理分类数据分析的传统方法。这也是第一次在一本单册书中详细地介绍针对离散因变量、交叉分类和跟踪数据的模型与方法。目前还没有看到类似的著作。
本书的第2版增加了应用于分类数据的多层模型。许多章节的内容经过了进一步的修订，并扩充了新的应用实例。第2版显著的特点是详细讨论了针对分层或多层模型的经典贝叶斯估计技术，拓展了离散时间生存分析模型和Cox回归模型的内容，以及针对背离模型假设的评估和调适方法。辅助网站的内容包含了使用各种统计软件包重复书中每一个例子的程序，实践证明是教师、学生和研究者学习的重要资源。
本书介绍了基本的方法和模型，它们构成了当代社会统计学的核心。这些模型跨度非同寻常，它们被广泛应用于社会学、人口学、心理测量学、计量经济学、政治学、生物统计学及其他领域。本书作为学生学习高级社会统计课程的教材和应用研究者的参考书是非常有用的。