要使普通小二乘法产生优线性无偏估计，必须符合经典回归假设。其中一个较难实现的假设是，因变量是连续的。如果因变量是离散的，似然技术（如logit或probit）通常更有效。
　　《logit与probit：次序模型和多类别模型》致力于分析因变量具多类别时的估计情况，关注离散和次序形式的因变量，并把处理对象扩展到具有两个以上结果的多类别或非次序因变量。另外，作者提供了十分有用的计算机程序详情。
　　总体而言，《logit与probit：次序模型和多类别模型》为估计和解释从更复杂的离散因变量模型中得到的结果提供了实用指南。

序

第1章 概论

第2章 次序模型
第1节 简介
第2节 方法论
第3节 应用：剥夺状态
第4节 对次样本的估计：特征与系数

第3章 多类别模型
第1节 简介
第2节 随机效用模型
第3节 logit模型的类别：多类别logit与条件logit
第4节 多类别1ogit模型
第5节 应用：职业获得
第6节 条件logit模型与不相关选项的独立性

第4章 STATA程序列表
第1节 简介
第2节 次序probit和logit程序
第3节 多类别logit程序

注释
参考文献
译名对照表