序 
第二版前言 

第1章 導言
 第1節 事件史分析的難題
 第2節 事件史方法綜述
 第3節 計算
第2章 離散時間方法
 第1節 一個離散時間的例子
 第2節 離散時間機會
 第3節 logistic回歸模型
 第4節 模型估計
 第5節 生物化學例子的估計值
 第6節 似然比卡方檢驗
 第7節 離散時間的logistic方法存在的問題 
 第8節 刪截
 第9節 離散時間vs.連續時間
第3章 連續時間數據的參數法
 第1節 連續時間的機會
 第2節 參數比例機會模型
 第3節 極大似然估計
 第4節 一個實際案例
 第5節 加速失效時間模型
 第6節 評估模型擬合度
 第7節 異質性的隱性來源
 第8節 為什麼選擇參數模型？
第4章 Cox回歸
 第1節 比例機會模型
 第2節 部分似然
 第3節 部分似然應用於累犯數據
 第4節 時變解釋變量
 第5節 應用包含時變解釋變量的模型
 第6節 檢驗和放松比例機會假設
 第7節 時間尺度原點的選擇
 第8節 離散時間數據的Cox回歸
 第9節 基於Cox模型的預測
第5章 多種類事件 
 第1節 多種類事件的分類
 第2節 平行過程的估計
 第3節 競爭性風險模型
 第4節 競爭性風險的實例
 第5節 不同種類事件間的依賴
 第6節 累計發生函數
第6章 重復事件 
 第1節 重復事件的計數分析
 第2節 基於間隔時間的方法
 第3節 基於起點時間的方法
 第4節 擴展
第7章 結論
附錄 
參考文獻
譯名對照表

社會科學家感興趣的許多現像關心的是事件的時間性：生命期望、在失業之後重新找工作所需要的時間、以離婚結束的婚姻時長、累犯的間隔時間，等等。幾乎所有關於事件時間的數據的一個關鍵特征是刪截（censoring）：例如，在一個關於累犯的研究中，研究者想記錄犯人從監獄裡被釋放出來的一年內再次被捕的情況。盡管某些人後有可能在接下來直到研究結束的時期內再次被捕，但也有一些初犯在這一時間段裡並沒有再次被捕。
研究此類事件發生時間的方法在許多學科領域都有進展，包括社會學中的事件史分析、工程領域的失效分析以及更廣泛意義上的生物統計領域的生存分析。這些術語反映了不同學科的關注，但它們在本質上是相通的。一旦認識到它們基本的研究單位，我們便發現了研究事件時間性的共同方法。而這一方法就是本書的主題。
有很多術語可以去稱呼它，生存分析是在社會科學領域裡使用廣泛的。在保羅·埃裡森第二版重新命名的關於生存分析的小冊子中，他向我們展示了一個關於這一主題涵蓋甚廣的介紹，同時將文筆集中在生存回歸模型上，這一模型將事件發生時間和解釋變量聯繫到了一起。生存回歸模型——更深入地說，Cox比例風險模型——已經被應用於從生存數據得出因果推斷的研究之中，這在社會科學中變得更為普遍，同時也應用到了對基於特殊設計的預測研究之中，例如對信用卡拖欠的研究中。
盡管埃裡森教授闡述了很多種生存分析的方法，而且其中的一些方法本身還很復雜，但他對生存分析的解釋是清楚明了與通俗易懂相結合的典範。本書的突出之處在於它討論了離散時間數據的方法，這在以往的討論中往往被忽略；並且，它不僅關注單次獨特事件（典型的例子如死亡），而且也關注了多重事件（包括“競爭性”事件，例如婚姻終結是由離婚或者死亡所導致），以及多次發生事件（例如失業的重復發生）。
埃裡森教授這本書的版有一大批忠實的讀者。我相信本書的第二版將同樣會對新一代把生存分析應用到他們研究之中的社會科學家們有所裨益。

約翰·福克斯