通过撰写这本《对数线性模型》，戴维诺克 （David Knoke）和 彼得·伯克（Peter J. Burke）帮了我们一个忙。在社会科学研究的大多数领域，近一些年涌现出大量依靠各种技术对类别或名义变量进行多元分析的文章。 但是绝大多数从事实践工作的社会科学家都对这些技术感到困惑，因为这些术语通常并不为人所熟悉，而且看似与相关和回归分析中那些众所周知的概念无甚关联。如果你正被那些含有诸如优比（odds ratio）、边际发生比或条件发生比（marginal and conditional odds）、一般对数线性模型（the general log-linear model）、饱和或非饱和模型（saturated or unsaturated models）、效应参数（effect parameters）等类似术语的文章所困扰，阅读此书将对你大有裨益。诺克和伯克从头开始，为我们介绍、界定、讨论，并用大量的例子来澄清这些术语的含义。在这一过程中，他们将这些神秘的概念变得易于理解，即使对于大多数门外汉而言也是如此。
诺克和伯克讨论了一般对数线性模型，这一模型并不区分自变量和因变量，而是通过分析单元格的期望频数来检验类别变量间的关系；他们也讨论了logit 模型，这一模型通过分析作为自变量函数的因变量的期望发生比来检验自变量与因变量之间的关系。 他们从处理二分变量的方法开始讨论，然后逐步形成一个处理多类别变量的方法。
本书使用了大量的例子，大部分来源于政治社会学。本书中被扩展的例子包括讨论在控制了种族和教育后，自愿性社团组织成员身份与选举投票率之间的关系分析；对美国大众的公民自由态度（civil liberties attitudes）的人口决定因素(demographic determinants)的因果分析；对党派认同与1972年和1976年总统选举之间关系的截面分析的比较研究；对从1956年到1960年之间的固定样本追踪研究中党派认同与宗教关系的检验；对宗教与堕胎态度之间关系的分析；对代际职业流动的考察；以及一些其他的例子。每个例子都阐明了对数线性模型的具体运用，比如用作因果模型的模拟；进行时间序列分析；同步检验多个类别自变量对一个类别因变量的影响等等。由于诺克和伯克毫不吝啬地使用了许多不同数据库的例子，读者们不仅可以对有关对数线性模型的设计和检验的基本概念有所了解，同时也可以培养一种对这些模型的广泛适用范围的良好判断力。 很显然，对数线性模型有着更为宽广的应用范围，虽然近些年对数线性模型或许已经在程度上在社会学中流行起来，但毫无疑问在接下来的十年里，它将在政治学，经济学，人类学，大众传播和其他领域中成为一个更加重要的工具。它甚至可能使心理学和教育测试中的方差分析技术得到长足发展。
虽然诺克和伯克很明显是对数线性模型的热情拥泵，他们希望不仅可以阐释这个模型而且可以将它发扬光大，但是他们也承认了这一模型的一些不足，并在本书中涵盖了一些与这些建模技术的应用有关的具体问题到不太明确的实质性问题。 他们在合适的阶段对自己的陈述作了一个很好的总结。在总结中，他们讨论了对数线性模型运用中的具体问题，这些问题是所有希望有效使用这些模型的人所必需面对的。
尽管一些材料比较难懂，需要认真细致的学习，尤其是对那些统计初学者而言更是如此，但我完全相信诺克和伯克在本书中的清晰阐述将使此书能够被广泛接受。对数线性模型是一个很难阐述清楚的题目，而这本书则在好的对数线性模型教学材料之列。
戴维诺克（David Knoke）
美国印第安纳大学社会学副教授。因致力于研究自愿性社团问题而被美国国家精神健康研究院授予研究型科学家发展奖。
彼得J.伯克（Peter J. Burke）
美国印第安纳大学社会学教授兼系主任。目前的研究关注两个问题：理解自我的结构和小群体互动中的谈话结构。
书单推荐
