保罗・D.埃里森博士是宾夕法尼亚大学的社会学教授。他在那里教授研究生的方法和统计课程。他也是Statistical Horizons LLC的创办人和主席，该机构提供了一系列关于。这一机构提供了关于广泛的统计话题的短期课程。

　　从威斯康辛大学获得社会学博士学位之后，埃里森在芝加哥大学和宾夕法尼亚大学从事统计学博士后的研究。他已经出版了八本书并发表了出版发表了八本书和超过60篇文章，涵盖的话题包括了线性回归、对数线性分析、logistic回归、结构方程模型、不平等测量、缺失数据以及生存分析。

　　他的大部分早期研究关注的是学者的职业轨迹。目前他的主要研究是分析纵观数据的方法，尤其是那些决定事件发生原因和结果的数据，以及处理缺失数据的方法。

　　作为Guggenheim Fellow，埃里森因为对社会学方法论的杰出贡献获得了2001 Lazarsfield Award。在2010年，他获选为美国统计学会会员。他也因为在继续教育上的贡献而两次获得了美国统计学会的奖项。

　　本书通过严谨的统计语言和生动的例子，详实而系统地介绍了处理事件史数据的方法。作者特别关注了回归方法，即事件的发生依赖于一个或多个解释变量。他解释了构成事件史分析基础的统计模型，介绍了在实际分析中如何进行操作，包括数据管理、成本和一些有用的计算机软件。对于希望了解事件史数据处理方法的读者而言，本书不失为一本全面扼要的手册。

　　主要特点：

　　系统严谨，直观扼要

　　本书作者长期从事事件史分析的创新和应用分析，提供了极具实践指导意义的方法指引

　　事件史数据是社会科学极为重要的数据类别，本书涵盖了事件史分析的主要方法

序

第二版前言

第1章导言

第1节事件史分析的难题

第2节事件史方法综述

第3节计算

第2章离散时间方法

第1节一个离散时间的例子

第2节离散时间机会

第3节logistic回归模型

第4节模型估计

第5节生物化学例子的估计值

第6节似然比卡方检验

第7节离散时间的logistic方法存在的问题

第8节删截

第9节离散时间vs.连续时间

第3章连续时间数据的参数法

第1节连续时间的机会

第2节参数比例机会模型

第3节极大似然估计

第4节一个实际案例

第5节加速失效时间模型

第6节评估模型拟合度

第7节异质性的隐性来源

第8节为什么选择参数模型？

第4章Cox回归

第1节比例机会模型

第2节部分似然

第3节部分似然应用于累犯数据

第4节时变解释变量

第5节应用包含时变解释变量的模型

第6节检验和放松比例机会假设

第7节时间尺度原点的选择

第8节离散时间数据的Cox回归

第9节基于Cox模型的预测

第5章多种类事件

第1节多种类事件的分类

第2节平行过程的估计

第3节竞争性风险模型

第4节竞争性风险的实例

第5节不同种类事件间的依赖

第6节累计发生函数

第6章重复事件

第1节重复事件的计数分析

第2节基于间隔时间的方法

第3节基于起点时间的方法

第4节扩展

第7章结论

附录

参考文献

译名对照表