本书首先介绍了广义线性模型的理论背景，其次着重分析特定类型的数据，其中包含正态分布、泊松分布和二项分布；线性回归模型；经典的估计和模型拟合方法；以及统计推断的方法。在此基础上，作者又探究了线性回归、方差分析（anova）、逻辑斯谛回归、对数线性模型、生存分析、多水平建模、贝叶斯分析和马尔可夫链蒙特卡罗方法（mcmc）。书中为统计建模提供了一个紧密的框架，更强调数值和图像方法。并增加了stata、r和winbugs软件的代码和三个有关贝叶斯分析的章节。本书适合做为大学本科统计专业教材，或相关科研人员的参考书。