In dit volume wordt een alternatieve regressiemethode voor niet-continue variabelen, d.w.z. dichotome, ordinale of nominale uitkomsten besproken, namelijk logistische regressie in haar binaire, ordinale en multinominale vormen. In het eerste hoofdstuk wordt de grondslag voor logistische regressie gelegd met een discussie van 'odds' (of kansenverhoudingen in goed Nederlands) en 'odds-ratios'. Deze alternatieve formulering van waarschijnlijkheden en van de verschillen in waarschijnlijkheden tussen verschillende groepen vormt de basis van logistische regressie. Het tweede hoofdstuk richt zich dan op (binaire) logistische regressie, d.w.z. de basisvorm van logistische regressie. Eerst worden de problemen besprokendie optreden wanneer meervoudige lineaire regressie gebruikt wordt met dichotome afhankelijke variabelen, om vervolgens logistische regressie voor te stellen. Niet alleen wordt besproken hoe logistische regressie de problemen van lineaire regressie opvangt en hoe de coëfficiënten geschat worden met behulp van maximum likelihoodschatting, maar ook hoe effecten geïnterpreteerd en getoetst kunnen worden. Ook verschillende toetsen voor logistische regressie komen in dit hoofdstuk aan bod. In het derde hoofdstuk wordt speciaal aandacht besteed aan de interpretatie van interactie-effecten in binaire logistische regressie. Interacties tussen variabelen met verschillende meetniveaus worden hier besproken. Het vierde hoofdstuk bespreekt dan hoe binaire logistische regressie uit te voeren met behulp van statistische softwarepakketten (SPSS/PASW, SAS en Stata). Hoofdstuk vijf richt zich op hoe men resultaten van een dergelijke logistische regressie tabuleert en weergeeft en de volgende hoofdstukken geven ofwel een alternatief voor binaire logistische regressie of een uitbreiding ervan naar andere soorten variabelen. Achtereenvolgens worden probitregressie (voor dichotome afhankelijke variabelen), ordinale of geordende logistische regressie (voor ordinale afhankelijke variabelen), multinominale logistische regressie (voor nominale afhankelijke variabelen) besproken. Het laatste hoofdstuk koppelt logistische regressie dan weer aan het meer vertrouwde lineaire regressiemodel. De basiskenmerken van het 'generalised linear model', het veralgemeend lineair model waarvan beiden voorbeelden zijn, komen aan bod in dit hoofdstuk.