飛躍六十 迎向百年
【春節延後出貨公告】 親愛的五南會員:您好,適逢春節假期,五南官網均可正常下單購買, 惟2/5(一)中午12:00之後的網站訂單,物流停止送貨,將延至2/15(四)開工後正常出貨, 造成不便敬請見諒,五南祝您新年快樂!
  • 投影片(請電洽,僅供老師索取)
    Chapter 01 認識Stata 1
    1-1 Stata 介紹
    1-2 Stata 安裝設定
    1-3 外掛的命令檔ado:Stata 外掛的Package
    1-4 線上擷取「美國聯邦準備理事會FRED」資料庫
    1-5 Stata Graph

    Chapter 02 統計學回顧
    2-1 統計學回顧
    2-2 常態曲線
    2-3 樣本大小的決定
    2-3 Type I、Type Ⅱ error 及power 檢定
    2-4 Stata 的統計檢定力(power)、樣本數

    Chapter 03 二個類別變數之分析
    3-1 適用條件
    3-2 卡方檢定:關聯性分析
    3-3 四分相關(Tetrachoric correlations)
    3-4 勝算比:logistic 迴歸

    Chapter 04 兩組平均數之比較:t 檢定、Meta 分析
    4-1 t 檢定之簡介
    4-2 t 檢定之解說:Comparing Group Means
    4-3 Stata 範例實作
    4-4 Meta 分析之效果量

    Chapter 05 各型ANOVA、共變數分析(ANCOVA)
    5-1 變異數分析(ANOVA) 之簡介
    5-2 One way ANOVA 分析
    5-3 Two way ANOVA 分析
    5-3 三因子ANOVA 分析
    5-4 ANCOVA:共變數分析
    5-5 Nested ANOVA:階層實驗設計ANOVA
    5-6 Repeated-measures ANOVA:相依樣本one way ANOVA
    5-7 Repeated-measures ANOVA with nesting
    5-8 Repeated-measures ANOVA with two repeated variables
    5-9 Split-plot ANOVA:二因子混合設計ANOVA
    5-10 拉丁方格(Latin-square) 實驗設計ANOVA

    Chapter 06 線性迴歸的診斷
    6-1 偵測異常且有影響力的觀察值
    6-2 檢查殘差的常態性(Normality of Residuals)
    6-3 檢查殘差的異質性(Homoscedasticity)
    6-4 共線性(Multicollinearity) 診斷
    6-5 自變數與依變數要線性關係(Linearity),此假定若違反,則取log()
    6-6 模型界定:如何篩選足夠的預測變數們?

    Chapter 07 連續vs. 類別依變數之迴歸分析
    7-1 瞭解各類型迴歸分析
    7-2 Continuous 依變數:線性迴歸模型
    7-3 如何挑選預測變數的所有可能組合
    7-4 Binary 依變數:Linear Probability、Probit 及Logit 迴歸
    7-5 Ordinal 依變數:Ordered Logit 及Ordered Probit Analysis
    7-6 Nominal 依變數:Multinomial Logit 迴歸之多項選擇
    7-7 Count 依變數:Zero-inflated Poisson 迴歸vs.Negative binomial 迴歸
    7-8 截取迴歸(censored regression)、斷尾迴歸(truncated regression)

    Chapter 08 線性迴歸(OLS) 再進階
    8-1 穩健迴歸(Robust Regression)
    8-2 受限(Constrained)linear least squares (cnsreg..., constraint(1 2) 指令)
    8-3 含測量誤差的迴歸:Errors-in-variables 迴歸(eivreg 指令)
    8-4 Multiple Equation 線性迴歸:聯立迴歸式
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳