课程简介
《属性数据分析》课程主要介绍用于分析属性数据的统计方法，是面向本科生开设的介绍属性数据分析引论的课程，主要覆盖属性数据的介绍，列联表分析，广义线性模型，并重点介绍 logistic 回归模型和 logit 模型等。
本课程采用教师讲授、学生实践相结合的实验教学形式，努力形成教师和学生双向互动，理论学习结合实践运用，达到学以致用的结果。教师讲授是主要的课堂教学方式，同时加入程序指导操作的环节，引导学生进行实践练习。在学期末要求学生提交 1 篇课程论文。课程采用双语教学的方式，课程课件为英文，中文讲述，有助于学生双语学习和紧跟研究前沿。
通过本课程的学习，学生可掌握与属性数据有关的统计学基础知识，如学会何处理、建模、分析属性数据，并学会通过用广义线性模型、logistic 回归模型等理论分析属性数据。通过课堂讲授让学生具有坚实的理论基础，通过对大量典型例子的介绍和分析， 使学生掌握基本方法，并在课后的习题练习中掌握使用软件分析属性数据的方法，具有思考和分析问题，并能实际解决问题的能力。
课程大纲
Introduction
1.1 Preface to Categorical Data Analysis
1.2 Probability Distributions for Categorical Data
1.3 Statistical Inference for A Proportion
R安装教程
第一章相关程序
Contingency Tables
2.1 Probability Structure for Contingency Tables
2.2 Comparing Proportions in Two-by-Two Tables
2.3 The Odds Ratio
2.4 Chi-Square Test of Independence
Contingency Tables（2）
2.5 Testing Independence for Ordinal Data
2.6 Exact Inference for Small Samples
2.7 Association in Three-Way Tables
第一章第二章程序课
第二章相关程序
Generalized Linear Model（1）
3.1 Components of A Generalized Linear Model
3.2 Generalized Linear Models for Binary Data
Generalized Linear Model（2）
3.3 Generalized Linear Models for Count Data
3.4 Statistical Inference and Model Checking
第三章相关程序
Logistic Regression（1）
4.1 Interpreting the Logistic Regression Model
4.2 Inference for Logistic Regression
Logistic Regression（2）
4.3 Logistic Regression with Categorical Predictors
4.4 Multiple Logistic Regression
第四章相关程序
Building and Applying Logistic Regression Models
5.1 Strategies in Model Selection
5.2 Model Checking
5.3 Effects of Sparse Data
第五章相关程序
Multicategory Logit Models（1）
6.1 Logit Model for Nominal Responses
6.2 Cumulative Logit Models for Ordinal Responses
6.3 Paired-Category Ordinal Logits
Chapter6 Multicategory Logit Models（2）+程序课
6.4 Test of Conditional Independence
第三、四、五、六章程序演示
课程论文写作要求及参考案例
课程论文写作要求及评分细则
课程论文参考案例1
课程论文参考案例2
1.1 Preface to Categorical Data Analysis
1.2 Probability Distributions for Categorical Data
1.3 Statistical Inference for A Proportion
R安装教程
第一章相关程序
Contingency Tables
2.1 Probability Structure for Contingency Tables
2.2 Comparing Proportions in Two-by-Two Tables
2.3 The Odds Ratio
2.4 Chi-Square Test of Independence
Contingency Tables（2）
2.5 Testing Independence for Ordinal Data
2.6 Exact Inference for Small Samples
2.7 Association in Three-Way Tables
第一章第二章程序课
第二章相关程序
Generalized Linear Model（1）
3.1 Components of A Generalized Linear Model
3.2 Generalized Linear Models for Binary Data
Generalized Linear Model（2）
3.3 Generalized Linear Models for Count Data
3.4 Statistical Inference and Model Checking
第三章相关程序
Logistic Regression（1）
4.1 Interpreting the Logistic Regression Model
4.2 Inference for Logistic Regression
Logistic Regression（2）
4.3 Logistic Regression with Categorical Predictors
4.4 Multiple Logistic Regression
第四章相关程序
Building and Applying Logistic Regression Models
5.1 Strategies in Model Selection
5.2 Model Checking
5.3 Effects of Sparse Data
第五章相关程序
Multicategory Logit Models（1）
6.1 Logit Model for Nominal Responses
6.2 Cumulative Logit Models for Ordinal Responses
6.3 Paired-Category Ordinal Logits
Chapter6 Multicategory Logit Models（2）+程序课
6.4 Test of Conditional Independence
第三、四、五、六章程序演示
课程论文写作要求及参考案例
课程论文写作要求及评分细则
课程论文参考案例1
课程论文参考案例2