2014년에 『통계학의 이해와 활용』(문우사) 초판을 출간했을 때 저자가 고민했던 것 중의 하나는 로지스틱 회귀분석을 포함해야 할지 여부였다. 사회과학의 많은 연구에서 종속변수가 범주형 변수인 경우를 다루고 있으므로 당연히 이를 소개하는 것이 바람직했다. 주변에서도 이를 적극적으로 추천하였다. 하지만, 범주형 자료 분석 이론은 통상 최소제곱(ordinary least square, OLS) 회귀분석과는 구분되는 점이 많이 있을 뿐 아니라 그 결과의 해석도 상당한 주의를 기울여야 한다. 단순히 “회귀계수가 통계적으로 유의미하다.” 혹은 “양의 상관관계를 갖는다.”는 식의 해석 방식을 가지고는 로지스틱 회귀분석을 제대로 활용하기 어렵다. 저자는 좋은 방법론을 잘못 이용하게 하는 것보다는 제대로 이론을 이해한 후 사용하도록 하는 것이 바람직하다고 판단하였다.

이 책은 범주형 변수가 종속변수로 사용되는 경우에 대한 분석을 다루었다. 범주형 변수에 대한 분석은 통상적인 로지스틱 회귀분석 이외에도 순서형 변수를 다루는 순서형 로지스틱 회귀분석, 다범주 종속변수를 다루는 다항 로지스틱 회귀분석, 의사결정 이론에서 널리 사용되는 이산형 선택 모형(discrete choice model)을 다루는 조건부 로지스틱 회귀분석, 그리고 빈도변수를 다루는 포아송 및 음의 이항 회귀분석을 포괄한다. 뿐만 아니라 자료 구조에 따라 짝을 이룬 자료에 대한 모형, 다수준 자료에 대한 모형, 패널 자료에 대한 모형 등도 존재한다. 그동안 이를 종합적으로 다룰 수 있는 방법론 책에 대한 요구는 많았으나, 단편적으로 소개된 경우가 대부분이었다. 이 책에서는 범주형 변수와 관련된 분석에서 사용될 수 있는 각종 모형을 최대한 종합적으로 설명하고자 노력하였다.

이 책에서는 모형을 가능한 일관되게 기술하도록 노력하였으며 이론과 활용을 조화시킬 수 있도록 이론을 설명한 후 예제를 통해 이를 확인할 수 있도록 구성하였다. 범주형 자료 분석에 대한 이론은 OLS에서 주로 사용하던 최소제곱 추정법 대신 최우 추정법을 사용하기 때문에 우도함수에 대한 이해가 필수적이다. 우도함수에 대한 논의는 통계이론의 기초를 다루었던 『통계학의 이해와 활용』에서도 소개를 하였지만, 이 책에서는 이를 깊이 있게 소개하였다. 또한, 각종 예제는 SAS를 통해 손쉽게 구현할 수 있도록 하였다. SAS는 자료 분석을 위해 일반화된 분석이 가능할 수 있는 프로시저와 특정 모형 분석에 특화된 프로시저를 동시에 발전시키고 있다. 범주형 자료 분석의 핵심은 분석된 결과를 가지고 자료에 대한 풍부한 해석을 제공하는 데 있기 때문에, 출력 결과를 이용한 2차 분석이 자유자재로 가능한 SAS는 매우 큰 장점이 있다고 할 것이다. 독자에 따라서는 Stata나 R 프로그램을 선호하는 경우가 있다. 이 경우도 이 책에서 제시하는 이론적 논의는 유사하게 적용될 수 있으므로 해당 프로그램의 출력 결과와 SAS 출력 결과를 비교하면서 결과를 해석하면 큰 무리 없이 범주형 자료 분석을 수행할 수 있을 것으로 판단된다.